新陈代谢GM（1,1）模型在河流水质预测中的应用

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。     

改进型GM（1,1）模型在电力需求预测中的应用

提出一种改进型GM（1,1）模型,通过同时优化模型背景值和初始值的方法来提高模型预测精度,以北京地区电力需求预测为例,对改进模型的有效性和准确性进行了研究,M atlab仿真结果表明,改进型GM（1,1）模型预测精度比灰色GM（1,1）模型更高。     

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

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。     

基于中心逼近式GM(1,1)模型的火灾事故预测

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。     

GM(1,1)优化模型在基坑变形预测中的应用

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.     

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对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的情况,在GM(1,1)模型的基础上,建立了自适应GM(1,1)模型与残差修正GM(1,1)模型,并讨论了2种改进模型的各自优点。依据某隧道沉降监测数据,进行工程实例分析,得出自适应GM(1,1)模型与残差修正GM(1,1)模型在一定程度上均提高了原模型的预测精度和预测曲线的相关性;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。     

4种GM(1,1)模型在基坑变形监测中精度比较

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。     

基于GM(2,1)模型的短期电力负荷预测

传统的灰色系统GM(1,1)模型只适用于呈近似指数增长趋势的原始数列,而GM(2,1)模型适用范围更广,被广泛应用于各个行业。但由于计算复杂,以及模型自身存在的问题,在电力负荷预测上鲜有人研究。现将GM(2,1)模型运用于短期的电力负荷预测中,详细列出参数的计算过程,并与传统的GM(1,1)模型进行对比,结果表明,GM(2,1)模型比GM(1,1)模型预测精度更高,并且G M(2,1)模型预测的精度基本不受数据的影响,使用范围更广。     

改进灰色预测模型在城市用水量预测中的应用

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。     

基于小波去噪的灰色GM(1,1)与RBFNN在变形预测中应用

应用小波去噪的新陈代谢GM(1,1)模型和小波去噪的RBFNN组合模型对两个实例进行处理和预测,结果表明组合模型预测结果优于单一模型,RBFNN预测模型的预测精度受噪声影响明显,而新陈代谢GM(1,1)预测模型对于短期预测具有较高的精度,且预测精度在噪声较小的情况下不受噪声影响。     

改进灰色模型及其在基坑变形监测中的应用

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。     

改进残差修正GM(1,1)模型在基础沉降预测中的应用

普通的灰色残差修正GM(1,1)模型利用差分代替微分,并用原始数据第一个点的值作为时间响应函数的初始值C0,从而给预测带来了一定的误差。本文用多项式逼近法对残差修正GM(1,1)模型进行了改进,并增加了一个初始值参数;还通过一个基础沉降预测的工程实例,对此模型与普通残差修正GM(1,1)模型进行对比。沉降预测结果表明,改进后的模型明显提高了精度,更加适合于基础沉降的预测,具有较好的准确性和工程应用价值。     

基于不等时距GM(1,1)模型预测边坡失稳变形

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。     

GM（1，1）模型在高层建筑物沉降监测中的应用

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。     

基于灰色RBF组合模型的城市用水量预测

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。     

基于灰色与线性回归组合模型在变形预测中的研究

从GM（1,1）模型原理和GM（1,1）与线性回归组合模型原理的不同之处开始讨论,并且用组合模型进行了样本实例计算,与单一的灰色模型和简单的滑动平均作出对比,得出组合模型计算较准确,精度较高。     

GM（1,1）残差修正模型在建筑形变预报中的应用

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。