灰色新陈代谢GM(1,1)模型在土钉支护结构变形预测中的应用

土钉支护结构在深基坑、边坡支护中有着越来越广泛的应用,因其受众多因素的影响,且部分因素难以确定,故是一个典型的灰色系统。由于常规GM(1,1)模型被用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测意义就越弱,故尝试用灰色新陈代谢GM(1,1)模型来模拟和预测土钉结构的变形。事实表明,这种预测可以取得非常好的效果,有着很好的利用价值。     

灰色预测系统GM(1,1)模型及其Matlab实现

灰色模型有严格的理论基础,最大的优点是实用,用灰色模型预测的结果比较稳定,不仅适用于大数据量的预测。目前,灰色模型GM(1,1)已广泛应用于工程技术、社会、经济、农业、生态、环境等各种系统的预测中。文章根据所建立的GM(1,1)模型以及模型分析,来预测未来安阳市旱灾发生年份,以期积极主动地采取措施进行防旱抗旱工作提供科学依据。     

改进的GM(1,1)模型在沪昆高铁沉降监测中的应用

在隧道工程建设中,需要对其进行规律的沉降监测。以沪昆高铁麻园里隧道的监测数据为例,介绍了灰色模型的基本理论,通过采用传统的GM(1,1)灰色模型和该进的GM(1,1)灰色模型两种方法对数据进行处理,对模型的预测效果进行了分析。结果表明,改进的GM(1,1)灰色模型具有较高的精度,在沉降预测中具有较高的应用价值。     

基于多变量灰色预测模型的深基坑变形预测

利用MATLAB语言编程,实现多变量灰色预测模型的建模和预测,并运用于某地铁站深基坑工程的变形预测中。同时通过与传统的GM(1,1)模型预测结构进行比较,结果表明,多变量灰色预测精度较之传统方法有了较大的提高,因此较为适合用于深基坑的变形预测。     

区域夜间最小流量的灰色DGM(1,1)动态预测

针对一个实际独立计量区域(DMA),根据数据采集与监控系统(SCADA)的数据,采用趋势图和灰色关联度分析了DMA入水口的流量特征。然后基于灰色理论建立4个夜间最小流量的灰色模型,对比分析4个模型的模拟和预测精度,确定离散灰色DGM(1,1)模型是此DMA的夜间最小流量的最佳预测模型。灰色DGM(1,1)新陈代谢模型具有很好的动态预测精度,应用灰色DGM(1,1)新陈代谢区间预测方法分析了此DMA区域的夜间最小流量的阈值,从而为DMA的漏失状况起到预警作用。     

EMD-GM(1,1)模型及在大坝变形预测中的应用

大坝水平位移影响因素复杂,形成的数据序列一般不具有单调性,但灰色GM(1,1)模型只有在数据序列具有单调性时才能得到比较好的结果。针对这种情况,详细讨论了EMD-GM(1,1)模型的基本内容及建模过程。EMD-GM(1,1)模型利用EMD的自适应性,自动地从目标序列提取出若干个独立的内在模式分量（IMF）,剩余余项则具有单调性,然后采用GM(1,1)模型对余项进行拟合,并使用适宜的方法对各IMF分量进行拟合,最后通过加权平均求出最终值。仿真试验表明,EMD-GM(1,1)模型由于考虑了白噪声对模型的影响,提高了灰区间的白色度,预测效果比传统的GM (1,1)模型效果好。因此,在大坝变形的预测预报中EMD-GM(1,1)模型比GM (1,1)模型具有更高的应用价值。     

大坝位移的改进非等间距GM(1,1)预测模型

基于灰色理论建立的GM(1,1)灰色预测模型常被用于大坝位移实测资料序列的分析。为提高大坝位移预测精度,在分析传统GM(1,1)预测模型构建原理、步骤的基础上,提出了对原始数据序列进行平滑处理、对背景值和残差序列进行优化等方法,建立了大坝位移预测的改进非等间距GM(1,1)模型,并用某大坝水平径向位移监测数据对其进行了检验,结果表明:改进的模型在大坝位移预测中的适用性更强,不仅提高了预测精度,而且保留了灰色模型建模灵活、所需数据少等优点,用于短期预测效果较好,用于长期预测的效果有待考证。     

GM(1,1)改进模型在年径流量预测上的应用

背景值是影响灰色模型预测精度的关键性因素之一,GM(1,1)改进模型是在对背景值进行优化的基础上建立的灰色模型。通过对研究区年均径流量资料进行分析,根据径流量和时间的关系,建立了GM(1,1)改进模型,并将其应用于年径流量的预测,取得了较好的效果。     

改进GM(1,1)模型在中长期径流预测中的应用

针对基本GM(1,1)模型的一些不足,将x(1)的第n个分量作为灰色微分模型的初始条件,并采用粒子群优化算法率定模型参数,改进了基本GM(1,1)模型,并将其应用于中长期年径流量预测中。结果表明:改进GM(1,1)模型具有较高的模拟精度,可以用于年径流量预测;与基本GM(1,1)模型相比,改进GM(1,1)模型预测结果的相对误差较小,说明改进GM(1,1)模型是合理的,且在中长期年径流量预测中的应用效果良好。     

基于 RAGA 的 GM(1,1)-RBF 组合需水预测模型

建立了基于实码加速遗传算法（real coded accelerating genetic algorithm, RAGA）的灰色 (grey model,GM(1,1)) 径向基函数 (radial basis function, RBF) 神经网络预测模型。该模型克服了传统 GM(1,1) 模型存在明显系统误差和容易陷入局部最优的缺点 , 具有 GM(1,1) 模型对数据确定性方面把握的优点 , 同时融合了人工神经网络在不确定因素预测方面的优势。 运用该模型对山西工业需水量进行预测 , 预测表明该模型相比单个传统模型具有相对较高的预测精度,验证了 GM(1,1)-RBF 组合模型在中长期需水预测应用中的合理性,对相关政策的制定有一定参考价值。     

基于M-DGM(1,1)模型的东江河流系统健康评估

东江作为广东省和香港特别行政区的重要水源地,直接关系着珠三角地区的经济发展以及香港特区的繁荣稳定。为有效掌握东江河流系统健康状况的发展趋势,促进东江流域内经济社会的可持续发展,针对东江河流系统健康评分(2015—2019年)的振荡分布特性,基于灰色预测理论,结合等维灰数动态递补模型,构建了M-DGM(1,1)灰色预测模型,并利用该模型对东江河流系统(2020—2024年)的健康状况进行了评估。结果表明：该预测模型精度达到一级,可满足东江河流系统健康状况评估的要求;东江河流系统健康在2020—2024年间仍处于亚健康状态,但总体向着健康方向发展;部分敏感警兆指标评分(2020—2024年)发生波动,要继续加强对东江河流系统健康的保护与管理。     

基于SD和GM(1,1)模型的西安市污水回用方案研究

以系统动力学原理为基础,利用系统动力学软件(Vensim)构建了西安市污水回用系统动力学模型(SD模型),并结合灰色GM(1,1)模型对市区人口、GDP、城市工业总产值等主要变量进行模拟分析,对不同污水回用发展方案进行了模拟分析预测.结果表明:保证在2020年污水二级处理率达到90％,再生回用率达到45％的发展方案能有效缓解城市缺水状况,逐步改善城市水环境,实现经济与环境的协调发展.     

填海造地道路软基沉降的不同数据序列GM（1，1）预测模型

为了研究不同样本数据序列GM（1,1）灰色模型在填海造地道路软基沉降预测中的实用性和有效性。结合工程实例,以软基沉降监测数据为依据,分别选取堆载预压恒载期的10组和20组实测地基沉降数据作为样本数据序列,建立了相应的GM（1,1）灰色预测模型,对软土地基固结沉降进行了预测,并将两种不同数据序列灰色模型预测结果与现场实测数据进行了对比分析。研究结果表明：GM（1,1）灰色模型所得预测曲线与实测曲线变化趋势基本一致,预测值与实测值吻合较好,实测曲线比预测曲线收敛较快,较多样本数据序列灰色模型所得预测精度更高。     

基于提升小波优化模型在大坝位移预测中的应用

针对传统建模主观性造成的精度影响以及预测数据的噪声干扰,提出了基于提升小波的系统优化GM(1,1)模型.该模型可有效剔除监测信息的噪声分量,减小预测误差,同时根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,建立了优化GM(1,1)预测模型的最优初始值.对某大坝位移监测信息进行了计算,相对传统GM(1,1)模型而言,优化GM(1,1)模型可明显提高预测精度.     

基于等维新息GM(1,1)模型的城市需水量预测

该文针对传统GM(1,1)模型当系统增长速度较快时可能出现较大误差的弱点,提出了等维新息GM(1,1)模型,并对阿克苏市2001~2005年的需水量进行了预测。结果表明:等维新息GM(1,1)模型预测精度较高,平均相对误差较小,可用于城市的年用水量预测。     

以速率为参量的GM(1,1)滑坡时间预报模型研究

以摩擦学和灰色系统为理论基础,建立了以速率为参量的滑坡GM(1,1)时间预报模型,推导出滑坡时间预报公式,结合黄茨滑坡、新滩滑坡进行了预报分析,并与传统的以位移为参量的GM(1,1)、Verhulst预报模型预报结果进行对比。结果表明:以速率为参量的GM(1,1)滑坡预报模型能够提前预报滑坡;与传统的以位移为参量的GM(1,1)相比,预报时间更接近滑坡实际发生时间;与传统的以位移为参量的Verhulst模型相比,以速率为参量的GM(1,1)模型不仅能够提前预报滑坡,而且能够更加准确地反映滑坡的位移变化趋势。因此,建议采用以速率为参量的GM(1,1)滑坡时间预报模型对滑坡进行预报分析。     

偏最小二乘回归与灰色模型耦合预测城市用水量

 影响城市用水量的各个因素,存在多重相关性,采用传统最小二乘回归法建模,其估计参数存在较大误差,预测精度降低。运用偏最小二乘回归法建立城市用水量的预测模型可以克服变量间的多重相关性影响,并可以很好地解释因变量;采用GM（1,1）建立的城市用水量预测模型,能够克服参数的非线性干扰,进行中长期预测。结果和实际符合,将两者进行耦合,充分利用了两种模型的优点,预测结果更为合理可靠。