共查询到17条相似文献,搜索用时 203 毫秒
1.
新陈代谢GM(1,1)模型在河流水质预测中的应用 总被引:2,自引:0,他引:2
针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测,预测结果显示:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可信度。 相似文献
2.
3.
针对传统GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想状况,本文在传统GM(1,1)模型基础上,建立自适应GM(1,1)模型与残差修正GM(1,1)模型并讨论两种改进模型各自优点。利用传统GM(1,1)模型、自适应GM(1,1)模型以及残差修正GM(1,1)模型对某高铁隧道监测点作沉降分析与预测。通过对比,得出自适应GM(1,1)模型与残差修正GM(1,1)模型对原模型的预测曲线相关性和预测精度有一定程度提高;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。 相似文献
4.
应用灰色预测理论对我国火灾事故四项指标进行预测研究。以2001-2008年的火灾统计数据为原始数据序列,分别建立GM(1,1)预测模型和中心逼近式GM(1,1)预测模型,并对原始数据进行拟合分析以评估模型精度;利用这两个预测模型对2009、2010年的火灾事故数据进行预测,并与实际值比较分析。结果表明,中心逼近式GM(1,1)模型的拟合精度及预测精度均高于传统GM(1,1)模型,但这两个模型不适用于火灾事故直接经济损失的预测,其余三项指标的中心逼近式GM(1,1)模型的预测精度能够达到一级。 相似文献
5.
基坑边坡系统是一典型的灰色系统.其变形发展过程可用灰色系统理论进行预测.本文在常规全息GM(1,1)模型的基础上,采用等维新息迭代法GM(1,1)模型对郑州太阳城紫荆花园基坑变形进行模拟预测,结果表明了迭代法GM(1,1)模型比常规的GM(1,1)模型预测精度高,更符合工程实际. 相似文献
6.
7.
针对传统的GM(1,1)模型难以确定模型的初始值问题,结合常州雅居乐基坑项目,建立了4种基坑水平位移预测模型。结果表明:改进初始值的新陈代谢GM(1,1)模型精度较GM(1,1)模型、新陈代谢GM(1,1)模型以及改进初始值的GM(1,1)3种预测模型精度更高,更符合基坑水平位移的预测。 相似文献
8.
9.
为提高城市用水量的预测精度,分析了GM(1,1)模型和灰色Verhulst模型,同时由于GM(1,1)模型存在一定的缺陷,本文对基本GM(1,1)模型进行了新陈代谢改进,最后通过对实例的预测分析,改进灰色预测模型预测精度更高。 相似文献
10.
11.
灰色系统理论在岩土工程领域已经有着广泛的应用,其中以灰色理论中的GM(1,1)模型为最。本文基于GM(1,1)的建模机理,从原始序列、初始值、背景值等方面对其进行优化,并将改进后的模型应用于某基坑工程的变形预测。结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高。 相似文献
12.
13.
基于不等时距GM(1,1)模型预测边坡失稳变形 总被引:6,自引:0,他引:6
对边坡的失稳变形进行预测可以有效预防灾害的发生。传统灰色GM(1,1)模型多适用于等间距序列监测数据的模拟预测,而实际情况却是由于各种原因导致所获得的监测数据出现不等时距现象。为此,在分析传统等时距GM(1,1)建模原理的基础上建立了不等时距GM(1,1)模型,并对灰参数的求解方法进行了讨论。依据渝黔高速公路某边坡B3测点的监测数据,建立了该边坡变形灰色预测模型,并且将改进灰参数求解方法与传统方法进行了对比,研究结果表明,该不等时距GM(1,1)模型预测精度较高,预测结果与实际吻合较好。 相似文献
14.
详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型和回归模型对宜昌均瑶国际广场的沉降进行预测,将预测结果进行对比,分析表明GM(1,1)灰色模型能较好地预测该建筑物的沉降趋势。 相似文献
15.
为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基(RBF)神经网络组合模型。对比实验结果表明,灰色GM(1,1)模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2.1222%,1.2562%和0.6821%。与灰色GM(1,1)模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。 相似文献
16.
17.
通过对比建筑形变监测数据的GM(1,1)模型和改进的GM(1,1)残差修正模型建模的预报结果,表明残差修正GM(1,1)模型的预报精度明显高于传统GM(1,1)模型的预报精度,并且二次残差修正GM(1,1)模型的预报精度远高于一次残差修正GM(1,1)模型的预报精度,从而为准确形变预报提供了一种简单而有效的新实践。 相似文献