基于灰色Verhulst模型的公路路基沉降预测研究

结合公路软土路基沉降监测数据,本文研究了灰色Verhulst模型和双曲线模型在公路路基沉降预测中的应用,建立了任意时间间隔的灰色Verhulst模型.计算得出了灰色Verhulst模型和双曲线模型对公路路基沉降量预测结果,并与监测结果进行比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要.     

GM(1,1)与Verhulst模型在地基沉降预测中的适用性比较

为比较灰色Verhulst模型和GM(1,1)模型在地基沉降预测中的适用性,对某工程实例复合地基的沉降进行分析,并与实测沉降数据进行对比.结果表明:灰色Verhulst模型比GM(1,1)模型更适用,Verhulst模型预测结果更接近实测值,预测精度也更高;Verhulst模型不仅能够预测最终沉降量,也能很好地反映全过程的沉降与时间的关系.两种灰色模型中,Verhulst模型预测精度高,更适合应用于地基沉降预测,值得在实际工程中推广运用.     

基于马尔科夫链改进无偏灰色Verhulst的中长期负荷预测模型

在传统灰色Verhulst模型的基础上,提出无偏灰色Verhulst-markov模型,通过无偏灰色Verhulst模型,更好地解决了数据量偏少和受特定负荷数据类型的影响,同时,通过马尔科夫链进行状态估计,提高预测的误差精度。算例结果表明:无偏灰色Verhulst-markov模型在中长期负荷预测中具有较高的预测精度。 更多还原     

基于Verhulst模型的软土路基沉降预测

目的为提高软土路基的工后沉降量预测精度,给设计和造价控制提供反馈信息.方法在深入分析沉降发生发展规律的基础上,引入Verhulst模型,采用改进的曲线拟合的经验计算方法,挖掘施工期的实测数据所蕴含的信息.结果计算表明:该方法拟合误差小,后期沉降预测准.结论在模型参数的反演上运用改进的非线性拟合算法,可避免常用的灰色建模方式下的理论缺陷和其他处理方法的弊端;实例分析表明,本方法的适应性较好,预测精度也有所提高.     

高含水油田含水率预测灰色Verhulst模型优化

针对原始含水率数据波动性较大时出现的状况,对灰色Verhulst模型进行优化。改进白化方程初始值选取方法,提高灰色Verhulst模型的预测精度。优化后灰色Verhulst模型预测效果良好,预测高含水阶段含水上升规律时的小误差概率达到100%。     

基于灰色系统理论的雷达探测距离预测方法

空中目标雷达探测距离的预测是基于检飞数据的雷达网探测能力分析中一个非常关键的环节.对小样本、贫信息的不确定性系统,采用一般预测方法很难满足预测精度的要求,为此使用灰色预测模型中的新陈代谢模型和Verhulst模型进行预测.新陈代谢模型在预测过程中不断剔除已不能反映系统特征的老数据,Verhulst模型则主要对原始数据变化呈S形特点的序列进行预测.最后通过实例对这两种模型进行了检验.检验结果表明:新陈代谢模型预测精度最低达96.14%,Verhulst模型预测精度最低达95.44%.     

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.     

基于灰色Verhulst模型的粮食物流量预测

针对粮食物流量预测的特点,引入灰色Verhulst预测模型理论,并分析此理论应用于粮食物流量预测的可行性,在此基础上建立粮食物流量预测的Verhulst模型。通过实际案例分析,及与其他方法预测结束的对比,表明灰色Verhulst模型在粮食物流量预测方面具有较高的预测精度。     

黄茨滑坡时间预报反分析

滑坡时间预报在保护人员财产免受损失方面具有重要的现实意义,合适的预报模型是预报成功的关键.针对滑坡系统的模糊性、不确定性等特点,采用了灰色系统预报滑坡时间.结合甘肃省黄茨滑坡的监测得到的位移时间资料,采用基于位移信息的Verhulst灰色模型,用Matlab编制计算程序,对黄茨滑坡的时间预报作反分析,得出滑坡发生时间的预测值及预测滑坡变形发展曲线,并将该结果与实际监测结果进行对比分析,以验证该灰色模型在滑坡时间预报中的适用性.结果表明,灰色Verhulst模型应用于滑坡时间预报中是可行的;时间预报结果与滑坡的实际滑动时间基本吻合,预测滑坡变形曲线基本与位移监测值展布趋势一致.合理的位移监测点布置、合适的记录时间间隔、位移数据的数学处理及多个监测点位移数据的综合分析有助于提高预报精度.     

灰色Verhulst模型的优化及其应用

针对灰色Verhulst模型的优化单一,多种优化不能有效结合的情况,在同时优化背景值和初始值的基础上.建立将两种优化相结合的灰色Verhulst模型.利用该模型对我国手机网民增长规律进行研究,结果表明,优化灰色Verhulst模型具有较高的精度.     

非等间距灰色优化模型及其在基坑沉降预测中的应用

传统非等间距灰色模型通常采用非等间隔数据进行分段线性插值,从而求得等间隔序列;但是实际基坑沉降并不是线性变化的,利用此法生成的等间隔序列较实际数据存在较大误差.针对传统非等间距灰色模型缺陷,分别利用RBF神经网络插值与三次样条插值生成等间距序列进而求得模型参数,并运用优化的非等间距灰色模型对某基坑的沉降量进行分析预测.计算结果表明：优化后的模型具有更高的精度,故本模型可作为基坑沉降预测的一种新方法.     

高速公路软土地基沉降的灰色预测

以某工程实测数据为基础，运用灰色理论建立了地基沉降的非等时距等维的新陈代谢预测模型，并引用缓冲弱化算子的概念，以消除灰色预测模型的无限增长性。实践证明：灰色预测精度较双曲线法要高，在地基沉降监测中具有较大的实用价值。     

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。     

等维灰数递补MGM(1,n)模型在商品住宅价格趋势预测中的应用

主要探讨了在商品住宅价格趋势预测中更为适用、精确的一种方法--等维灰数递补MGM(1,n)模型即基于多变量灰色模型的等维灰数递补动态模型.针对该模型选取XX市历年商品住宅均价及相关指标数据作为样本,对其进行了严格的验证,等维灰数递补动态模型的引入使得多变量灰色模型的预测精度得到了不断的提高,该方法在经济预测中具有很好的实用价值.     

主梁变形预报的改进非等间隔权重灰色修正模型

针对斜拉体系加固张拉施工阶段主梁变形难以预报,传统非等间隔灰色模型在其应用中存在精度低的问题,提出了一种马尔科夫链残差修正的改进非等间隔权重灰色主梁变形预测模型。首先,该模型将主梁变形量和索力差分别看作传统非等间隔灰色模型中的原始数据列和时间差,考虑在累加生成和累减还原过程中是否引入权重分配系数,构建了4种不同的非等间隔权重灰色预测模型,并依据相似度准则确定相应的最优权重分配系数和最佳计算模型,提高预测精度;然后,采用马尔可夫链法反映出主梁变形残差序列的随机波动特征,从而对改进非等间隔权重灰色模型的预测值进行修正,较好地弥补了单一预测模型预测精度偏低的不足,进一步提高模型的预测精度;最后,通过该模型对斜拉体系加固主梁变形进行预测。研究表明,相对传统非等间隔灰色模型,在模型累减过程中引入权重分配系数后的模型相对误差平均值降低0.47%;采用马尔可夫链法对预测结果进行修正后,相对误差平均值降低10.32%,能显著提高预测模型的精度;与马尔科夫链修正后的传统模型相比,经累减还原优化后的修正模型相对误差平均值降低3.50%,预测精度更高,能够较好地反映出了斜拉体系加固主梁变形的发展趋势;该模型的核心理论是灰色系统理论,对实测数据并无特殊要求和限制,同样适应于其他工程领域的变形预测问题。     

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.     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

灰色Verhulst模型的参数特征研究

对灰色Verhulst模型的建模数据序列作数乘变换,利用最小二乘法求出数乘变换后的参数序列,经过一系列的数学公式推导,分析了模型参数特征在数乘变换作用下的变化,讨论了数乘变换对模型的模拟预测值及相对误差的影响。研究结果表明,对建模序列作数乘变换,灰色Verhulst模型的模拟和预测效果不变,同时缩小建模数据的量级,简化建模过程,该结果对灰色Verhulst模型的进一步系统研究有着重要意义。最后,通过实例验证Verhulst模型特性研究的有效性和实用性。