沉降预测的变系数灰色GAM模型研究

灰色理论在路基沉降预测课题中获得了广泛的应用。本文避开一般灰色建模采用的灰色GM(1,1)模型,而根据灰色建模思想,用代数多项式拟合离散数据列,建立了灰色代数曲线模型。将代数多项式的系数设为时间的参数即变系数,并运用拉普拉斯条件极值法推导其递推公式;根据变系数估值序列的特点,运用灰色GM(1, 1)模型对变系数进行预测。     

实时动态灰色模型及其变形监测应用

介绍了实时动态灰色模型进行变形监测应用的效果。结果表明,与原始的灰色模型相比,该方法建立了一种新数据之间的实时关系,能够更加准确的求出满足精度要求的预测值,为变形监测的数据处理与预报提供了一种有效方法。     

非等间隔GM(1,1)模型在边坡变形方面的应用

边坡的变形是评价其稳定性方面的一个重要因素。通过监测数据建立非等间隔的灰色预测模型,结果表明该方法在预测变形方面具有较高的精度。     

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。     

基于新陈代谢动态灰色模型在沉降预测中的应用

本文基于灰色模型理论,分别采用均值差分GM(1,1)和新陈代谢动态灰色模型对地面沉降进行模拟预测分析,结果表明,灰色模型均能够较好地模拟地面沉降的趋势,同时证明了,新陈代谢灰色预测模型由于实时加入系统的最新信息,其预测精度高于均值差分GM(1,1)模型,为今后的沉降预测评估提供了更多的参考和借鉴。     

灰色GM模型在地铁车站深基坑变形预测中的应用

介绍了灰色GM模型的基本原理及计算过程.以某地铁站深基坑工程为背景,根据测得的数据,采用GM(1,1)模型对基坑围护桩变形及基坑周围土体沉降进行预测.将预测值与实测值对比分析可知:采用GM(1,1)模型得到的预测值很好的拟合了实测值,预测精度高,利用GM(1,1)模型对围护桩进行变形及基坑周围土体沉降进行预测是可行的....     

灰色预测在建筑物沉降变形分析中的应用

通过对广州市某地产开发公司新建的居民楼沉降变形监测数据进行处理,分别建立传统的GM(1,1)模型和 以相邻观测时间间隔为权直接生成1-WAG0非等间隔GM(1,1)模型,对两种模型进行分析与预报,比较的结果验证了1-WAGO非等间隔GM(1,1)模型在建筑物沉降变形分析中的实用性、正确性和有效性.     

基于优化K-GM(1,1)在桥梁变形预测中的应用研究

传统GM(1,1)模型在建模过程中易受到随机扰动的影响导致预测精度低、残值大。将卡尔曼滤波和灰色理论结合,先使用卡尔曼滤波消除扰动误差,并对滤波后的数据序列进行初始值和背景值的优化,建立K-GM(1,1)模型。结合桥梁沉降变形监测数据,采用两种模型分别预测对比分析,研究结果表明:优化的K-GM(1,1)模型精度优于传统灰色模型,桥梁沉降监测值与预测值变形一致。     

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。     

自适应GM（1，1）灰色模型在基坑变形预测中的应用

针对基坑变形系统的不确定性及灰色性,结合工程实例,采用自适应GM(1,1)模型对基坑监测数据进行了变形预测,结果表明采用自适应模型大大提高了长时间段预测精度,预测结果完全满足工程要求,具有较好的实用价值.     

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。     

动态GM（1,1）在建筑物沉降变形分析中的应用研究

介绍了灰色系统理论。针对传统GM（1,1）模型在建模时只从静态角度考虑未来时刻的状态这一缺陷,本文引入了可以实时加入系统最新信息的动态GM（1,1）预测模型。利用传统GM（1,1）模型与动态GM（1,1）模型对某桥梁监测点进行沉降变形分析与预测。通过对比分析实例计算结果表明,动态GM（1,1）模型可以有效地修正预测模型,在一定程度上提高了模型的预测精度,其预测效果优于传统GM（1,1）模型。     

基于灰色系统与逐步回归及二者组合的大坝变形分析模型研究

介绍了灰色系统模型GM（1,1）、逐步回归原理与最优加权组合模型,并针对某大坝的监测数据利用MATLAB语言编程和SPSS Statistics建立GM（1,1）模型、逐步回归模型与最优加权组合模型,对原始监测数据进行模拟预测,通过实验数据对比分析,最优加权组合模型的综合精度较高,对大坝变形分析研究有一定意义。     

基于GM（1,1）模型与灰色Verhulst模型的地铁竖井沉降预测

GM（1,1）模型与灰色Verhulst模型是广泛应用于变形分析预测的两种经典预测模型。本文利用这两种模型分别对地铁竖井沉降数据进行分析预测。通过对预测数据的比较分析,得出了灰色Verhulst模型的预测精度更高,更适合于地铁竖井沉降的预测分析。     

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。     

GM(1,1)模型在连续梁桥线形控制误差调整中的应用

按照灰色系统理论的GM(1,1)模型,将理想状态与实测状态下的预拱度差值作为灰微分序列建模,预测实测状态与理想状态在下一节段的预拱度偏差。结合某连续梁桥主桥线形控制实际,阐述了GM(1,1)模型在大跨度预应力混凝土连续梁桥线形控制误差调整中的应用,结果表明,GM(1,1)模型能准确识别预拱度偏差,为良好的成桥线形提供了有力的技术依据。     

残差灰色组合模型在建筑物变形分析中的应用

在传统灰色系统理论建模分析的基础上,将原始观测数据序列与所建模型预测数列进行比较,并将比较后的残差纳入系统,继续建立灰色模型进行分析.事实证明:在建筑物变形分析中使用残差灰色组合模型,能有效提高模型精度,获得良好的预测效果,是一种既方便又可靠的变形分析方法.     

Kalman-GM(1,1)组合模型在基坑围护墙顶沉降预测中的应用

针对基坑围护墙顶沉降监测数据受外界随机噪声干扰较大的问题,提出利用Kalman-GM(1,1)组合模型来进行变形分析和预测。即先用Kalman滤波模型对观测数据进行去噪处理,再建立基于滤波数据的GM(1,1)模型,进行基坑墙顶沉降预测。工程实例应用表明,该组合模型有效减弱了随机噪声干扰,其预测精度和可靠性高于单一GM(1,1)模型,更适用于基坑墙顶沉降预测。     

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。