变权组合预测模型在滑坡预测中的应用

为探讨变权组合预测模型在滑坡预测中的应用,以湖北省秭归县新滩滑坡为例,以A3点实际监测数据为基础,采用基于灰色预测法、Verhulst模型预测法以及协同预测法的变权组合预测方法,对新滩滑坡部分监测点位移进行了建模和预测。预测结果表明,利用变权组合预测方法,比单纯运用某一种预测方法,预测精度更高,误差平方和最多相差10．408,最少相差0．184。该方法可应用于实际工程。     

最优权系数组合赋权在导弹质量评估中的应用

在导弹质量评估过程中,确定各个指标的权值是十分关键的一环,也是质量评估研究的重点。指标权重计算的合理与否将会直接影响评估结果的准确性。基于最小二乘原理提出了一种组合赋权方法,利用最优组合准则给出了最佳组合权重的线性表达形式,并用广义一致性准则和TOPSIS法来求解最优组合权重系数。最优权系数组合赋权法的事后检验准则验证了该方法的有效性,而基于该方法的组合赋权多属性决策,则实现了导弹质量的动态评估。     

变权理论在电网项目投资组合中的应用

电网企业项目投资资金规模大、项目多,如何根据固定的资金确定电网项目的投资组合是关系企业健康发展的关键因素．不同企业的运营状况有所区别,选择项目时侧重点也不一样．根据电网项目投资的经济性、可靠性以及发展性建立投资组合模型的多目标函数,根据不同企业的运营情况,采用变权理论均衡各个指标的常权权重,进而将多目标函数转化为一个目标的函数,求出电网企业的最优项目投资组合．该模型对于企业根据自身情况确定项目投资策略具有科学指导意义．     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

滤波技术在高层建筑物变形观测中的应用

为顾及风荷载引起高层建筑物的变形，设计出了一个卡尔曼滤波器，对高层建筑变形观测值进行处理，并就有关问题进行了探讨。     

基于相关系数的变权组合预测模型及其应用

在马尔科夫转换模型和GARCH模型的基础上,建立了综合以上两种模型优点的基于相关系数的变权组合预测模型,并对沪铜期货价格进行了实证研究.实证研究结果表明:基于相关系数的变权组合预测模型的预测精度明显高于各个单模型的预测精度.     

GPS在大型水利枢纽建筑物变形监测中的应用

GPS全球定位系统以其精度高、速度快、全天候等优点,成为当今较先进的测量与监测仪器。文中论述了在具有特长型大坝、建筑物多且分散的黄壁庄水库大坝变形监测中,以GPS基准网进行整体控制,快速提供大坝及建筑物安全状况评价的方法。     

滤波技术在高层建筑物变形观测中的应用

为顾及风荷载引起高层建筑物的变形，设计出了一个卡尔曼滤波器，对高层建设物变形观测值进行处理，并就有关问题进行了探讨．     

数字近景摄影在建筑物变形观测中的应用

传统常规的测量手段具有工作量大、效率低、费用高、精度低等多方面的问题.作者介绍了基于非量测数字相机的近景摄影测量方法,通过直接线性变换(DLT)解算观测点的空间三维坐标,结合应用于建筑物变形观测的实例进行分析,结果表明,数字近景摄影精度高,能很好地解决建筑物变形测量问题.     

数字近景摄影在建筑物变形观测中的应用

传统常规的测量手段具有工作量大、效率低、费用高、精度低等多方面的问题.作者介绍了基于非量测数字相机的近景摄影测量方法,通过直接线性变换(DLT)解算观测点的空间三维坐标,结合应用于建筑物变形观测的实例进行分析,结果表明,数字近景摄影精度高,能很好地解决建筑物变形测量问题.     

灰色模型在建筑物沉降分析中的应用

介绍了灰色模型建立的过程,结合实例进行了建模和预测.实例分析表明,利用灰色模型分析沉降数据的结果符合精度的要求,证实了灰色模型在建筑物沉降变形分析中的可行性.     

基于卡尔曼滤波的灰色马尔科夫组合模型在基坑变形监测中的应用

针对基坑监测中监测数据受到随机扰动影响较大的问题,首先利用卡尔曼滤波对监测数据进行滤波处理,消除监测数据的扰动误差,从监测数据提取能够准确反映基坑围护结构变形的数据,利用提取出的监测数据建立灰色马尔科夫组合模型进行变形预测分析。基坑监测的工程实例应用表明：对比传统的灰色模型以及灰色马尔科夫组合模型的预测精度,基于卡尔曼滤波的灰色马尔科夫组合模型的预测精度有明显提高。这种组合模型能很好地解决基坑监测中随机扰动数据的处理问题,结论具有一定的实用价值。     

公路货运量变权组合预测模型研究

货运量预测是公路运输建设和规划的基础,单一预测方法很难准确有效地进行运量预测．探讨了变权组合模型在此类问题上的应用,以某省全社会公路货运量及经济发展状况为样本,对未来货运量进行了预测．该方法的变权重具有随时间变化的特点,能够反映出各种预测方法的变化情况,从而提高了模型的预测精度,实证分析预测结果更加客观、有效．     

BP神经网络和ARIMA模型的变权组合电离层TEC预报

针对电离层总电子含量(TEC)非线性、非平稳性的特性,提出基于BP神经网络和差分自回归移动平均模型(ARIMA)的最优非负变权组合预报模型,并将其应用于TEC预报。利用IGS中心提供的不同经纬度的电离层平静期、活跃期TEC数据,分别采用BP神经网络模型、ARIMA模型和变权组合模型对TEC进行5 d预报。实验结果表明:在电离层平静期和活跃期变权组合模型预报5 d的平均相对精度分别为94. 7%和88. 9%,其中预报残差小于3 TECu的分别达到89. 3%和78. 5%,较单一模型的预报精度有明显提高。     

组合证券投资最优模型研究

针对Markowitz组合证券最优化模型在实际操作上的不足,提出了一种改进的组合证券最优化模型,意在增加模型的实际操作性．并以实例作了有关说明．     

组合模型在机械故障预测中的应用

机械故障预测中,反映系统变化的特征参数往往含有多种趋势成分．引入组合预测模型,用灰色模型描述机械故障发展中的确定性趋势,用AR时间序列模型描述机械故障中的随机趋势．实践证明,较单一模型具有更高的预测精度．     

组合证券投资最优模型研究

针对Markowitz组合证券最优化模型在实际操作上的不足,提出了一种改进的组合证券最优化模型,意在增加模型的实际操作性,并以实例作了有关说明。     

最优组合预测模型在成都私家车数量预测中的应用

建立一个以预测误差平方和达到最小为准则的正权重组合预测模型.以成都私家车数量预测为例,分别采用灰色预测模型、指数模型、一次函数模型、二次函数模型、三次函数模型做单项预测.通过组合预测,得到更高精度的预测结果.以最优组合预测模型预测成都市在2009年的私家车数量,并与实际值进行比较,对比分析计算误差.同时也运用组合预测法对2010年成都私家车数量进行了预测.     

基于神经网络模型的建筑物变形预测

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于BP算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.