基于GA2灰色波形预测模型的白洋淀天然入淀水量任旺,徐国宾

白洋淀天然入淀水量在长期的时间序列上有着丰、枯水期交替演化的规律,灰色波形模型适用于这一规律发展趋势的研究。通过遗传算法(GA)对灰色一阶模型(GM(1,1))的迭代基值A与背景值系数B进行优化,利用遗传算法收敛效率高,选择范围广的优点,建立了以GA2GM(1,1)群为基础的GA2灰色波形模型,对白洋淀天然入淀水量趋势进行研究。最终得出结论:GA2灰色波形模型不仅在信息序列的拟合上明显优于传统灰色波形模型,且GA2灰色波形模型能更好的抓住信息序列发展特点,更为准确的预测白洋淀天然入淀水量演化规律。说明用GA2灰色波形模型进行白洋淀天然入淀水量研究是可行的,也为研究湖泊水资源量变化提供了一种新思路。     

基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

基于R/S分析的大藤峡出山径流灰色预测

灰色预测模型在地表水文序列的研究中被广泛应用,但在大藤峡出山径流的研究中还未见到。针对大藤峡1932—2021年出山径流的逐年实测资料,首先构建GM(1,1)灰色预测模型,然后进行R/S分形分析,计算出大藤峡出山径流序列的Hurst指数和平均循环周期T,之后在一个周期T内运用R/S-GM(1,1)模型进行大藤峡出山径流灰色预测。结果表明：大藤峡出山径流的循环周期T为9年,GM(1,1)模型和R/S-GM(1,1)模型的模型精度分别为84.38%和87.46%,预测精度分别为86.28%和92.54%,基于R/S分形分析后的R/S-GM(1,1)灰色预测的精度显著高于直接进行GM(1,1)灰色预测。该方法为大藤峡出山径流的科学预测提供了一种新途径。     

白洋淀湿地水文水资源变化趋势分析

通过分析白洋淀湿地1956~2000年的降雨、蒸发、入淀水量、出淀水量和水位数据,研究了降雨与蒸发的变化规律、入淀水量与流域降雨量的关系、水位变化趋势等,分析了白洋淀湿地的水文变化情势,阐明了湿地水资源退化的内因是上游入淀径流减少,提出为了维持湿地的生态平衡,缓解干淀危机,必须进行人工调水。     

基于灰色残差模型的灌区地下水最小埋深预测

建立灰色GM(1,1)主模型,然后进行残差修正,从而形成灰色残差模型,并对宝鸡峡灌区周城—苏坊洼地地下水最小埋深进行了预测.结果表明:根据前12 a观测数据建立模型,预测的第13 a地下水最小埋深为3.64m,与实际值相比较,相对误差为4.21％;与单一采用灰色模型GM(1,1)相比,灰色残差模型克服了因数据序列不稳定而带来的误差,可提高灌区地下水最小埋深预测精度.     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型.该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列.运用该模型对南四湖2019-2021年的水质状况和水质演变趋势进行预测,结果表明:灰色马尔科夫模型的相对误差小、精度高、预测结果合理...     

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。     

加速遗传算法在需水预测中的应用

利用灰色系统理论把受各种因素影响的需水量视为在一定范围内变化的与时间有关的灰色量,从而建立GM(1,1)模型对区域需水量进行预测,并对模型进行改进,探讨利用基于加速遗传算法的RAGA-GM(1,1)模型来对广州市的需水进行预测模拟。     

基于中心逼近式灰色神经网络模型的水质预测

对时间序列建立中心逼近式GM(1,1)模型,通过优选模型的m值弱化序列变幅,利用BP神经网络对该模型残差值进行拟合修正,以此构建一个基于中心逼近式GM(1,1)模型的灰色神经网络预测模型.应用实例的计算结果表明,该模型可提高水质预测精度.     

变形预测的一种最优线性组合模型

介绍了灰色GM(1,1)、时间序列和非线性组合模型的基本概念,讨论了最优线性组合模型的定义及其权系数的求解方法。结合某大坝变形监测数据,建立了基于灰色与时间序列的非线性组合模型和最优线性组合模型,以及基于灰色、时间序列与非线性组合的最优线性组合模型,并把这3种组合模型的预测结果与GM(1,1)、时间序列模型进行比较。结果表明,融合GM(1,1)、时间序列与非线性灰色时间序列组合的最优线性组合模型的预测效果明显好于另两种模型,其预测误差小于1 mm。     

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.     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。     

灰色系统GM(1,1)模型在尼尔基水库年来水量预测中的应用

文中介绍了灰色系统理论、建模原理及其检验方法,以及利用尼尔基水库20年的年来水量资料建立灰色预测GM(1,1)模型,对尼尔基水库年来水量进行预测.经残差、关联度等检验分析,并对实测资料进行检验,模型精度较高,效果较理想,可以考虑应用于尼尔基水库径流中长期预报,为水库发电、供水提供必要的预测信息.     

城市用水量预测中的多变量灰色预测模型

当观测资料的数据量少,而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM(1,1)不能全面考虑多个变量。采用自适应MGM(1,n)模型———多变量灰色预测模型,较好地解决了这一问题。MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,通过联立求解n个n元微分方程,使模型中的参数能够反映实际工程或社会系统中多个变量间相互影响、相互制约的关系。以杭州市用水量统计资料为研究对象,运用灰色理论建立MGM(1,n)模型,获得了较好的预测效果。     

大坝沉降变形的灰色预测分析研究

用实测沉降资料预测大坝沉降过程是目前国内外大坝沉降变形监测分析中常采用的一种方法,包括双曲线拟合法、指数曲线拟合法和基于灰色理论的GM(1,1)模型预测方法。由于灰色理论在预测时不需要较长的观测数列,且能通过动态预测模型,最大程度的反映新信息在预测中的作用,因此在沉降变形预测方面具有很大的优势。本文针对目前大坝沉降变形GM(1,1)预测分析中存在的一些问题,根据大坝沉降变形的特点,分析了沉降观测数据列长度、观测时间的不等步长性、数据累加方式等对建模预测精度的影响,探讨了用灰色等维预测模型动态预测非稳态沉降变形过程的方法,提出了灰色等维动态预测模型的维数尺度标准。     

大坝变形度的不等维加权动态GM(1,1)预测模型

针对灰色GM(1,1)模型预测结果易受模型中以前测得的陈旧数据的干扰,及等维动态GM(1,1)受缚于维数选择的情况,给出了不等维加权动态GM(1,1)模型的基本内容及建模过程,模型中计算出多种维数的GM(1,1)模型的预测值,并且通过萨函数加权法和BP神经网络计算出每种维数的权值,通过加权获得最终预测值.并且成功地将不...     

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。