等维新息模型在矿井瓦斯涌出量预测中的应用

为了准确预测矿井瓦斯涌出量,介绍了灰色预测理论模型的建模方法与模型精度评定方法,阐述了采用等维新息模型进行矿井瓦斯涌出量分析的特点。并以顾桥煤矿1116(1)工作面相对瓦斯涌出量统计数据为实例,利用等维新息模型对其瓦斯涌出量趋势进行预测,分析了等维新息模型的合理维数,取得了较好的预测结果,并得到了具有实用价值的预测模型。     

等维新信息模型在矿区地表沉降预测中的应用

在煤层开采过程中,实时动态的对矿区地表的下沉值进行观测与预计对煤矿的安全生产及矿区人们的生活有重要的作用。因为灰色系统GM(1,1)预计模型具有所需数据量少,计算简单,预测准确的特点,所以文章用灰色系统GM(1,1)模型对矿区地表的下沉值进行了预计,得到比较好的效果     

建筑物沉降变形的动态预测

本文根据某高层建筑物监测的动态数据,用灰色理论的方法,建立等维新息模型,能较好地预测该建筑物的沉降发展趋势     

灰色模型(GM)在软土路基沉降量预测中的应用研究

该文讨论了灰色系统理论在软土路基沉降量预测中的应用 ,以京珠高速公路灵山试验段沉降观测数据为例 ,建立了沉降量灰色预测模型 ,并与三点法、双曲线法的预测结果以及实测结果进行了对比 ,结果表明 ,灰色预测模型的预测沉降量与实际沉降量更接近。最后分析了用灰色模型进行预测应注意的问题     

GM(1,1)模型在含硫矿堆温度场预测中的应用

介绍了等时距GM（1，1）模型与不等时距GM（1，1）模型的一些基本理论，并尝试将不等时距GM（1，1）模型运用到含硫矿堆温度场的预测当中，这对含硫矿堆自燃的防治具有一定的指导意义。     

双曲线配合法在软土路基沉降预测中的应用

根据广东省某公路软土路基实测沉降资料，应用双曲线配合法推算了该段软土路基的最终沉降量，并与实测的最终沉降值相比较，结果表明，用双曲线配合法预测的路基工后沉降值虽然较实测值稍偏大，但该方法预测误差较小，精度是合理可取的。     

动态灰色预测模型在崩落法矿山地表沉降预测中的应用

针对灰色预测模型GM(1,1)更适用于短期预测的问题,以其为基础采用等维新息和等维灰数递补两种动态灰色预测方法对矿山地表的沉降量进行了中长期预测研究。探讨了等维新息模型和等维灰数递补模型预测的实现机理,对不同模型的预测结果和精度进行了比较研究。研究发现等维新息模型可以利用新息调整灰色模型,等维灰数递补模型可以利用灰度约束灰平面的大小,两者相结合能够提高模型的预测精度。工程实践表明:将等维新息模型和等维灰数递补模型结合运用,适用于中长期的沉降预测,能够获得更为合理和精确的预测结果。     

不等时距GM(1,1)模型在建筑物变形预测中的应用

根据灰色系统理论，结合工程实际情况，建立了不等时距GM(1，1)预测模型，该模型可应用于利用前期监测数据来预测后续施工中建筑物的变形量。验证结果表明，不等时距的灰色模型扩大了等时距灰色模型的应用范围，在小样本的情况下同样可以做出较准确预测，是预测建筑物变形量的一种有效方法。并指出不等时距GM(1，1)模型存在的一些局限性。     

基于GM(1,1)模型液压凿岩台车故障预测

利用灰色理论GM（1,1）模型,对液压凿岩台车故障发生的时间进行预测,与实际发生相比较,具有很高的精度,为矿山的生产设备正常运行提供科学有利的理论依据。     

GM(1,1)模型在单桩沉降量预测中的应用

基于桩基静载荷试验所得的沉降量数据具有一些灰色特征, 将荷载Q看作广义的时间, 建立了荷载序列的等步长及非等步长GM (1, 1)预测模型。工程应用结果表明, 所建立的GM (1, 1)模型在预测单桩沉降量方面具有较好的实用性和可靠性。     

改进遗传算法在软土路基沉降预测中的应用

软土路基在外荷载作用下的沉降在时序上常表现复杂的非线性,本文采用抛物线模型预测软基的沉降趋势。针对简单遗传算法存在的问题,进行了大量改进,改进后的遗传算法能有效克服传统方法易陷入局部极小的缺陷,大大提高算法的搜索效率、精度和稳定性。实践表明该方法是一种有效可靠的沉降预测新方法。     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.     

UGM模型在煤矿安全预测中的应用

在煤矿安全预测中，经常需要把较短时间间隔内的数据作为参数进行短期预测，这时的预测参数往往是摆动的。而基于灰色系统理论的GM（1，1）模型只能用平滑单调数据列进行建模，用其进行预测精度较差。运用UGM模型进行建模，能够很好地解决摆动型数据列的预测问题。对实例分别用GM（1，1）模型和UGM模型建模，并对预测结果进行分析比较，结果表明UGM模型具有很好的预测精度，使用简单。因而其方法与结果对于预防煤矿安全事故的发生，保证煤矿的安全生产具有重要意义。     

灰色人工神经网络模型在路基沉降预测中的应用

利用灰色GM(1,1)模型得出的高速公路工后运营期路基沉降预测量呈快速增长趋势,这与后期沉降趋缓的实际情况不相符。针对这个问题,提出先用弱化缓冲算子对原始监测数据进行弱化处理,再利用弱化缓冲序列建立灰色GM(1,1)模型,提高了模型的预测精度。采用BP网络对沉降预测值修正,使修正后的预测值更加接近实际值。工程实例表明在弱化监测数据的基础上建立的灰色与人工神经网络结合模型具有很高的预测精度,可用以公路路基沉降预测分析。     

基于GM(1,1)改进模型在变形预测中的应用研究

传统GM(1,1)模型在工程变形预测中受到众多不确定性因素的影响,会导致预测精度低、残差大。因此,文中对传统GM(1,1)中原始数据、初始值、以及背景值进行改进。最后以某大坝边坡监测点的沉降位移为例,分别用两种模型对该监测点位移进行拟合预测并与实际值比较。结果表明:改进模型精度优于传统模型,预测值更接近真实值,在实际工程中有更好的应用价值。     

GM（1，1）模型与线性回归组合方法在矿井瓦斯涌出量预测中的应用

以矿井瓦斯涌出量的预测为主要研究目的,讨论了GM（1,1）方法适用于单一指数增长模型、对预测序列数据异常情况难以准确预测的局限性,依据灰色灾变预测原理,利用线性回归适用短期预测的特点,提出了基于GM（1,1）与线性回归组合预测矿井瓦斯涌出量的新方法.应用结果表明：该方法能很好地解决历史数据的跳变问题,使预测结果更为可靠、精确.     

非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

文中针对建筑物沉降监测数据量少、贫信息和非等时距等特点,引入单位时间差系数,将非等时距序列转化成等时距序列,建立非等间隔G(1,1)预测模型,依据监测数据对模型的贡献大小,引入权重矩阵以提高模型的预测精度。实践表明所建非等间隔加权灰色GM(1,1)模型的预测精度更高。     

矿区非线性沉降的GM(1,1)预计残差改进模型及应用

矿区地表移动变形关系到矿区安全生产和地面建(构)筑物的安全,对矿区地表进行定期监测并预测具有重要现实意义。矿区地表沉降由于持续时间长,观测数据具有长时序且表现为非线性变化的特征,因此存在建模数据区间难以选取、GM(1,1)模型预测精度不高的问题。针对以上问题,本文建立了基于残差加权改正的GM(1,1)改进模型,提出了先阶段后截尾的建模数据区间选取方法、预测流程和模型精度评定标准。经过实例应用验证,GM(1,1)预计残差改进模型预测精度优于GM(1,1)模型,且先阶段后截尾的建模数据区间选取方法能够提高预测精度。     

基于遗传算法因素筛选的BP神经网络在软土路基沉降数据处理中的应用

软土路基沉降与其影响因素之间存在着非线性关系,因输入自变量较多,用神经网络建模容易出现过拟合现象,导致网络模型预测精度降低。针对这个问题,提出用遗传算法对输入自变量进行压缩降维处理,同时对网络模型的权值和阈值进行优化。实例仿真表明:经降维和权值及阈值优化的BP网络具有较高的精度;预测效果优于GRNN网络模型和单纯BP网络模型;用于软土路基沉降预测是可行的。     

基于非等步长的GM(1,1)模型在矿区沉陷预测中的应用

由于矿产资源的大量开采,岩体结构产生内部变形,进而导致矿区地表会产生沉陷现象,亟待利用现代测绘与数据处理手段,加强矿区地表沉降的监测与分析,科学预测地表沉陷的发展趋势。文中拟以灰色GM(1,1)模型为基础,针对样本采集的非等步长特性进行加权改进,通过沉降样本的数学建模与分析预测,扩大了传统灰色模型的适用区间。