基于遗传支持向量机的多维灰色变形预测模型研究

多维灰色模型适合对多因素影响下的贫信息系统问题进行建模,但对多因素影响下的非线性变形系统建模和预测精不高,针对该问题进行分析研究.利用支持向量机算法建立多维灰色变形预测模型的残差与变形影响因素之间的非线性关系,对多维灰色变形预测模型的残差进行预测,并与多维灰色变形预测模型相加,对多维灰色变形预测模型进行修正,构建基于支持向量机的多维灰色变形预测模型.利用遗传算法优化支持向量机模型参数,提高支持向量机建模精度.该方法较好地解决了多维灰色变形预测模型精度不高的问题.把该模型应用于大坝变形预测,并与多种传统变形预测方法进行对比,结果证实该方法有效提高多维灰色变形预测模型的精度,且新模型精度远优于传统方法,是一种新的有效的变形预测模型.     

MC-最优变权组合模型在建筑物变形中的应用

提出一种基于马尔科夫链(MC)误差修正的最优变权组合预测模型。该模型用马尔科夫链误差修正理论分别对GM(1,1)模型和线性回归模型的预测值作进一步的修正,充分发掘残差序列隐含信息,再建立最优变权组合预测模型,给出了MC-最优变权组合预测模型算法的实现流程。通过算例验证表明,该模型继承各单一模型的优点,并克服其模型缺陷,同时具备了马尔科夫链的误差修正特性,在一定程度上可以确保较优的局部预测数据和较好的全局预测精度,在建筑物变形预测中具有应用价值。     

改进灰色模型在中长期电力负荷预测中的应用

针对中长期电力系统负荷预测,在前人已有成果的基础之上,对普通灰色模型进行了改进.一方面对历史数据进行二次平滑处理,大大消除了干扰因素;另一方面利用带有马尔可夫链符号估计的残差修正技术对未来残差的符号进行预测以修正灰色模型的预测结果.以某地区多年以来的历史数据为基础,建立了数学模型,通过实际数据计算表明:改进后的灰色负荷预测方法可以应用于电力系统中长期负荷预测,而且较普通灰色预测模型在预测精度上有着明显的提高,尤其是对于较远时间的负荷预测有着较为理想的预测精度,表明了该种方法的有效性和实用性.     

基于改进指数平滑法和马尔科夫模型的风速预测研究

针对传统指数平滑法在风速预测中的不足,搭建基于改进指数平滑法和马尔科夫修正模型的风速组合预测模型。通过梯度优化法快速追踪最优平滑系数α,加快计算效率和提高预测精度;利用马尔科夫模型修正残差,进一步增加预测精度。实验结果表明,该模型在计算效率上,比动态遍历指数平滑法提高近80%;而在预测精度上,比传统指数平滑法和灰色预测法分别提高了27%和32%。该模型对于风速的预测是准确、有效的,具有一定的实用价值。     

改进型灰色马尔科夫模型在径流预测中的应用

随着径流量预测重要性的凸显,径流预测模型不断涌现.针对单一径流预测的局限性及一般的耦合径流预测精度不高的问题,应用数据加载法提出了GM(1,1)的修正模型,并对模型进行残差修正,提出了改进型的灰色马尔科夫耦合预测模型,进一步提高了径流预测的精度,区间预测成果更具科学性和实用价值,并将预测模型具体应用于三门峡水库入库年径流预测,预测成果可靠度高.     

接收机钟差灰色马尔可夫预测模型研究

将灰色理论与马尔可夫链相结合,提出了基于灰色马尔可夫链的接收机钟差预测模型.首先根据灰色理论对钟差序列数据进行拟合以及初步预测,然后以拟合曲线为基础划分状态空间,通过马尔可夫状态转移概率矩阵对初步预测值进行修正.在预测过程中,不断引入最新数据并剔除最旧数据,对模型进行实时更新,以进一步提高预测精度.实例计算验证了该模型...     

灰色马尔可夫链在预测高温后钢筋强度退化中的应用

灰色预测模型可以在基础资料缺乏的条件下建立模型进行预测,但对于波动性较大的数据,它的预测精度比较低,而马尔可夫链模型可以克服数据波动较大的局限性.在灰色预测的基础上,引入马尔可夫链预测,建立起了灰色马尔可夫预测模型,并且针对高温后钢筋强度退化的试验数据进行了实证分析.证明了利用灰色马尔可夫链对高温后钢筋强度退化随时进行预测,是一种行之有效的新方法.     

网架结构变形的灰色预测

对网架结构特征点进行等时刻观测,利用灰色理论建立网架结构变形的预测模型,对网架结构的变形发展趋势进行预测分析,将预测结果与实际观测结果进行比对,确定灰色理论预测模型适用于网架结构的变形观测。在预测的精度分析中,采用残差检验的方法,通过对预测变形数据的绝对误差和相对误差进行系统分析,认为灰色理论的预测模型对网架结构的变形发展趋势具有较可靠的预见作用。     

基于马尔科夫链误差修正的光伏发电预测

为了提高光伏发电预测的精度,在传统BP神经网络预测模型的基础上,利用相似日算法和马尔科夫链理论对预测模型进行改进。其方法以得到的相似日数据作为预测模型的输入量,通过BP神经网络进行训练,得到初步的预测值,然后根据马尔科夫链模型得到的误差状态转移概率矩阵对预测误差进行修正,根据修正后的误差得到新的预测值。最后通过与传统算法得到的预测结果进行误差对比分析,结果表明,改进算法的预测精度高于传统算法,验证了该模型的有效性。     

基于LSSVM和马尔科夫链模型的公路客运量预测

通过分析常用的客运量预测方法,提出了基于LSSVM和马尔科夫模型的组合预测模型。以2004年~2013年兰州市公路客运量的实际值为基础,通过LSSVM对客运量的预测,得到了2014和2015年的公路客运量的预测值,结合实际客运量计算出其预测结果的相对误差。对相对误差进行划分状态区间,运用马尔科夫模型对预测结果进行修正,进而得到高精度的客运量预测值。最后将所得结果与应用单一的LSSVM预测方法及时间序列方法预测所得结果进行对比。分析结果表明,基于LSSVM和马尔科夫链模型的组合预测模型预测精度较高,满足实际需求。     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

起重机主梁截面风力系数预测及结构优化设计

为解决传统计算流体力学(computational fluid dynamics, CFD)方法获取港口起重机主梁截面风力系数过程繁琐、难以实现结构快速优化设计的关键技术难题，提出了一种基于卷积神经网络的起重机主梁截面风力系数快速预测模型。本研究所提出的风力系数快速预测模型利用自由几何变形方法处理基础截面形状以获取具有丰富几何特征的起重机主梁截面图形集，并采用CFD方法计算各主梁截面图形对应的风力系数生成数据集。在此基础上，基于数据集训练预测模型并对其网络结构进行优化，建立了主梁截面与风力系数之间的非线性映射关系。此外，进一步将该预测模型与遗传算法结合建立了一种主梁截面优化设计方法，并以数据集内F₁₁截面为例将防风性能作为优化目标测试了该优化方法的准确性和效率。算例测试结果表明，所提出的风力系数快速预测模型在预测各主梁截面的风力系数时平均相对误差为1.87%,预测时间为毫秒量级，比传统CFD方法计算效率有数量级地提升；应用本研究所发展的起重机主梁截面优化设计方法优化后的F₁₁截面较优化前风力系数降低了15.89%,能够极大地提高主梁截面的防风...     

钢拱塔斜拉桥的温度耦合效应和索力预测

钢拱塔斜拉桥的受力体系与传统斜拉桥有所不同,为研究环境温度变化对这种异形桥塔斜拉桥主要受力部件的影响,以某钢拱塔斜拉桥为工程背景,首先基于在线监测获取的环境和部件温度数据,分析斜拉索索力、拱塔倾角和主梁应变的温度时变效应;然后以斜拉索为研究对象,通过该桥的有限元模型升降温模拟,分析各部件温差引起的温度耦合效应对拉索索力的影响;最后以环境温度、主梁温度、桥塔温度为输入,索力为输出,利用长短期记忆神经网络对实测索力-温度数据进行映射,实现数据压缩和特征提取,建立温度-索力预测模型,再对网络模型输入新的温度监测数据,以预测索力。研究结果表明：主梁和钢拱塔温度变化具有周期性,且滞后于环境温度;主梁应变与环境温度的变化趋势基本一致但具有一定的滞后性,环境温度变化对拱塔倾角的影响很小且没有周期性规律;索力与环境温度呈线性负相关,且需要考虑斜拉桥各部件的温差所引起的温度耦合效应;长短期记忆神经网络对带有时序特性的数据训练效果好,建立的温度-索力关系模型准确度高,可用于该桥索力的实时预测。     

小区间浴盆形火灾事故预测

基于传统灰色预测模型预测剧烈波动型火灾数据误差较大的缺陷,使用泰勒公式将灰色预测模型的原始数据序列展开,并展开拉格朗日型余项,以此修正传统的灰色预测模型,改进了传统的灰色预测算法。使用Matlab软件编程,分别采用传统的灰色预测算法和改进的灰色预测算法,针对小区间浴盆形火灾事故,选取三组数据进行预测。结果表明,修正后的灰色预测模型改善了传统灰色预测模型预测浴盆形火灾事故稳定性差、误差大、精度低的不足,预测曲线符合浴盆形曲线特征,与原始数据曲线特征具有较高的一致性。改进的灰色预测模型与传统的灰色预测结果相比,三组数据的平均相对误差分别降低86.59%、55.32%、55.70%。改进的灰色预测模型预测结果在精度、相对误差、关联度三方面都能满足要求。     

基于合作对策的非等距灰色组合预测模型

对于非等间距的原始数据序列,根据灰色预测模型的建模特点,提出了一类非等间距灰色组合预测方法,利用合作对策方法确定组合预测模型权系数.弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

基于IGOWMA算子的变权系数区间型组合预测模型

为了保持区间数内部的整体性及提高区间数的预测精度,提出了一种将改进相关系数和诱导广义有序加权多重平均(IGOWMA)算子相结合的区间型组合预测方法.该方法首先将区间数进行转化,以等价信息的中心和半径来表示区间数; 然后以预测精度为诱导因子,构建IGOWMA算子; 最后选取改进后的Pearson相关系数作为最优准则来建立多目标非线性规划模型,并通过引入偏好系数将模型转化为单目标规划模型.实例验证证明,该区间型组合预测模型不仅能够保证区间数内部的整体性,而且其预测结果显著优于文献中的3种单项预测方法和1种组合预测方法.对模型的参数进行灵敏度分析显示,参数λ的取值对模型的权系数、最优目标函数值以及误差指标有较明显的影响,偏好系数α则对模型的影响较小.上述结果表明,该组合预测方法能有效提高预测精度,可应用于区间数的模糊预测中.     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,索力值是衡量索力学状态的重要指标.目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素.为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证,并生成模拟数据;然后,以索长、线密度、抗弯刚度、1阶频率、2阶频率、3阶频率为输入参数,以索力...     

一种改进的灰色预测模型

针对实际工作中出现不等时距的情况,依据灰色模型的建模机理提出了一种不等时距序列的灰色预测模型背景值的新的计算方法,并建立了新的不等时距序列的灰色预测模型,通过算例表明其效果优于传统的做法,有较高的拟合和预测精度.     

基于GM(1,1)和D-MECM的钟差预报方法

针对单一钟差预报模型在建模数据量较少时中长期预报精度不足的问题,提出了基于灰色模型和一阶差分修正指数曲线法的组合预报模型。首先基于少量数据建立灰色模型并预测未来一段时间的钟差数据,再将其作为一阶差分修正指数曲线模型的建模数据,进行钟差的中长期预报。仿真结果表明,组合预报模型能够基于少量历史数据对钟差进行高精度的中长期预报。采用卫星共视仪采集的精密钟差数据进行实验,并与单一二次多项式模型和灰色模型进行对比,结果显示:使用5h的钟差数据进行建模并预报未来48h钟差数据时,二次多项式模型和灰色模型的平均预报精度分别为285.06ns和91.11ns,而组合模型的平均预报精度可达29.48ns,相比于单一二次多项式模型和灰色模型,分别提高了89.66%和67.64%。