GM(1,1)改进模型在大坝位移预测中的应用

针对传统GM(1,1)模型的不足,分别从提高原始序列的光滑度、优化时间响应函数两个方面对其进行了改进,对模型进行残差检验和后验差检验,并建立一种新的GM(1,1)模型,将改进了的模型应用于大坝位移预测中,结果显示:新的GM(1,1)模型拟合预测精度明显高于传统模型。     

基于信息熵与改进极限学习机的中长期径流预测

为提高流域中长期径流预测精度,提出一种基于信息熵与改进极限学习机的中长期径流预测方法。首先,基于不同水文站点的流域控制面积构造径流综合指数,在较宏观层面表征流域水情丰枯变化;其次,采用偏互信息法计算影响对象与径流综合指数之间的相关性,获得径流过程变化的关键因子集,形成预测模型输入;最后,结合K折交叉验证与改进粒子群算法优化极限学习机(ELM)参数,构建IPSO-ELM模型,用于中长期径流预测。以雅砻江流域为例,将所建模型与BP神经网络(BPNN)、支持向量机(SVM)、ELM和PSO-ELM等预测模型进行对比分析。结果表明:所提模型的E_(mape)、E_(rmse)、E_(dc)、E_(qr)和E_(re)等性能评价指标明显优于上述4种模型;5种预测模型在D1数据集上的预测效果整体上胜于D2。     

灰色GM(1,1)模型在干旱预测中的应用

灰色系统理论及其建模原理,利用蚌埠市气象站27a的实测降水量资料建立灰色预测GM(1,1)模型,对干旱灾害进行预测,经残差与后验差检验分析,模型精度较高,平均达99.37%,使用实测资料检验,效果较理想,为蚌埠市抗旱及供水提供必要的预测信息。     

改进的残差GM(1,1)模型在益阳市耕地预测中的应用

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对益阳市耕地面积进行预测,改进的残差修正方法使模型保持良好的适应性,有效提高了预测精度。应用此模型对益阳市耕地进行预测检验,结果表明改进的残差GM(1,1)模型具有较高的预测精度,模拟效果更好,其结果符合益阳市耕地数量变化规律,即益阳市耕地面积在未来几年内将呈现出小幅增长的趋势,但人均耕地面积仍旧处于联合国的警戒水平。因此保护耕地资源,合理利用和保护耕地都是刻不容缓的任务。     

基于季节性水平模型的中长期径流预测

利用季节性水平模型对小中甸水库的入库径流序列进行了中长期预测,预测结果表明本模型具有相当的精度.     

灰色新陈代谢GM(1,1)模型在江门市年需水预测中的应用

通过对江门市1998-2006年历年年用水量的分析,建立灰色新陈代谢GM(1,1)预测模型,结果表明该模型预测误差较小、精度较高,并预测了该市2007-2016年年需水量,其成果可供该市水资源开发利用、规划和管理等工作参考。     

GM(1,1)模型在宝鸡峡灌区干旱预测中的应用

根据宝鸡峡灌区1981-2003的年降水资料建立了GM(1,1)模型,并依据建立的残差GM(1,1)模型对原模型进行修正.经用2004年灌区降水资料验证,证明了模型预测结果的精确性、合理性.对灌区2008～2016年可能发生干旱 的年份进行预测,结果表明,2008年、2012年、2016年将发生干旱.     

粒子群优化GM(1,1)模型在农业用水量预测中的应用

农业用水量在国民经济总用水量中占有很大比重,对未来农业用水量进行估计和预测是区域水资源合理调配和利用的重要参考。GM(1,1)模型操作简单易行,需要数据量小,引入粒子群算法对模型待估参数加以优化,降低了模型的误差。实例应用结果表明,粒子群优化GM(1,1)模型可以准确预测区域农业用水量,具有一定的实用价值。     

改进BP神经网络集成模型在径流预测中的应用

为提高径流预测预报的精度和泛化能力,建立了基于3种基本改进算法的BP神经网络集成预测模型。利用ADF单位根检验方法、自相关分析方法确定径流时间序列的平稳性和模型的输入向量。针对BP神经网络标准算法收敛速度慢、易陷入局部极值的缺陷,采用自适应动量梯度法、共轭梯度法和Levenberg-Marquardt法分别改进BP神经网络标准算法,依次构建基于3种改进算法的BP神经网络模型对文山州南利河董湖水文站年径流进行预测,并构建GA-BP预测模型作为对比模型;采用加权平均方法对各单一模型预测结果进行综合集成。结果表明:集成模型对南利河2001-2005年径流预测平均相对误差绝对值为4.67%,最大相对误差绝对值为7.11%,精度和泛化能力均优于各单一模型和GA-BP模型。集成模型克服了单一模型预测精度不高和误差不稳定的缺点,具有较好的预测精度和泛化能力,是提高径流预测预报精度的有效方法。     

时间序列分析在中长期径流预测中的应用

时间序列分析是数据挖掘技术在水文领域应用较为广泛的一种方法,它可以从大量的水文数据中提取一般性的规律,为中长期径流预测提供新的分析方法和科学的决策支持。文中采用时间序列分析方法对察尔森水库的中长期径流进行预测,为开展中长期径流预测研究提供借鉴和参考。     

GM(1,1)模型在红山窑泵站沉降预测中的应用

针对红山窑水利枢纽泵站地质条件的特殊性,提出在现有沉降观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型。通过数值试验确定模型最佳维数后,采取淘汰过于陈旧的数据信息、补充新观测数据的方法,即建立GM(1,1)等维新息模型,来预测该建筑物的沉降量。分析结果表明,GM(1,1)等维新息模型能较好地预测该泵站的沉降发展趋势。     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

改进GM(1,1)模型在基坑变形预测中的应用

分析得出原始GM(1,1)模型对应的灰微分方程仅是白化微分方程的梯形积分形式,因此以辛普生求积公式为基础建立了新的灰微分方程,而辛普生求积公式也是一种近似表达形式,因而对新的灰微分方程添加动态扰动项,以弥补灰微分方程与白化微分方程的差别,同时对初始值添加修正项,使其更加符合最小二乘法思想。将改进后的GM(1,1)模型应用到基坑变形预测中,实例应用结果显示,改进的GM(1,1)模型具有较高的预测精度。     

小波网络模型在隔河岩水库径流预测中的应用

基于小波分析与人工神经网络提出一种小波网络模型,模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力,预测精度较好。在清江隔河岩水库年、月径流中长期预测中,得到满意的结果。     

基于残差修正的GM(1,1)模型在农业用水量预测中的应用

灰色模型对农业用水量进行预测本身具有一定的局限,数据离散程度越大,灰度也越大,其预测精度也越差。文中采用残差修正．避免了数值过度波动。通过预测实例,结果表明改进后的灰色预测模型能有效提高预测精度。     

奇异谱分析在中长期径流预测中的应用研究

针对目前中长期径流预测精度较低的问题,运用奇异谱分析法对隔河岩水库1951～2009年入库径流资料进行预处理得到重构序列,以达到浓缩主要信息和减小误差的目的。分别采用自回归模型和混沌支持向量机模型对原始序列和处理后的重构序列进行模拟预测。结果表明,应用奇异谱分析法进行资料的预处理可以大大提高中长期径流的预测精度。     

径流预测在雅砻江流域梯级电站中的应用

电力市场环境下,水电站入库径流预测对水电站安排发电调度计划、进行电量交易和竞价上网具有重要意义。基于粒子群优化（PSO）的BP人工神经网络径流预测模型,应用于雅砻江流域梯级电站下的二滩水电站进行月径流预测,并通过对BP人工神经网络和实际数据的比较,建立了雅砻江流域梯级电站径流预测模型,可供梯级电站生产使用参考。     

GM(1,1)灰色模型在大坝扬压力预测中的应用

本文对大坝的扬压力建立了灰色GM(1,1)预测模型,所使用的数据量少,其拟合结果、预测结果与实测结果相比具有很高的精度。因此,灰色GM(1,1)预测模型在工程领域的数据处理中具有广阔的应用前景。     

GNNM(1,1)与GM(1,1)在深基坑变形预测中的应用

将灰色神经网络模型GNNM(1,1)应用于深基坑变形预测中,并与灰色GM(1,1)模型进行比较,以江苏某长江公路大桥南汊桥南锚锭深基坑为例进行实例分析,结果表明这种方法是可行的,能够准确地预测深基坑变形。     

GM(1,1)模型在大坝沉降预测中的应用

针对某水库大坝实际情况,提出在现有沉降观测数据的基础上,运用灰色理论的方法,建立GM(1,1)模型。通过数值试验确定模型最佳维数后,采取淘汰过于陈旧的数据信息、补充新观测数据的方法,即建立GM(1,1)等维新息模型,用以预测该大坝的沉降量,分析结果表明:GM(1,1)等维新息模型能较好地预测该大坝的沉降发展趋势。