基于Kalman滤波的改进灰色模型在基坑变形监测中的应用

变形监测数据由于其离散性、高噪声等特点,使得监测数据呈现一定的波动性、随机性,为了对监测体的稳定状态及变形趋势做出更加准确的分析,本文拟采用Kalman滤波+新陈代谢GM(1,1)模型组合方式,利用Kalman滤波对原始监测数据滤波消噪,并结合新陈代谢GM(1,1)模型对变形趋势项进行建模分析,来预测变形趋势。结合实际案例分析,基于Kalman滤波的新陈代谢GM(1,1)相比于传统的单一GM(1,1)、ARMA模型,有效降低了观测噪声影响,并具有更高的预测精度。     

汉十高铁线下工程沉降预测新陈代谢GM-BP组合模型研究

提出了一种新陈代谢GM(1,1)模型与BP神经网络模型的组合预测模型,给出了组合模型的基本思路,通过BP神经网络计算而来的误差预测值对新陈代谢GM(1,1)模型的预测值进行改正,并将新陈代谢GM-BP组合预测模型应用到新建铁路武汉至十堰铁路、孝感至十堰段的高铁陆地桥墩沉降预测中,结果表明:新陈代谢GM-BP组合预测模型较现有的新陈代谢GM(1,1)模型具有较高的精度。     

几种预测模型在变形监测数据处理中的应用

通过某高层建筑物沉降监测数据,对比分析了GM(1,1)模型、新陈代谢GM(1,1)模型、最优化背景值的新陈代谢GM(1,1)模型和灰时序GM-AR模型的预测精度,得出了GM-AR模型对建筑物沉降预测效果更好的结论。     

Kalman-GM(1,1)组合模型在基坑围护墙顶沉降预测中的应用

针对基坑围护墙顶沉降监测数据受外界随机噪声干扰较大的问题,提出利用Kalman-GM(1,1)组合模型来进行变形分析和预测。即先用Kalman滤波模型对观测数据进行去噪处理,再建立基于滤波数据的GM(1,1)模型,进行基坑墙顶沉降预测。工程实例应用表明,该组合模型有效减弱了随机噪声干扰,其预测精度和可靠性高于单一GM(1,1)模型,更适用于基坑墙顶沉降预测。     

改进灰色预测模型在城市用水量预测中的应用

为提高城市用水量的预测精度,分析了GM(1,1)模型和灰色Verhulst模型,同时由于GM(1,1)模型存在一定的缺陷,本文对基本GM(1,1)模型进行了新陈代谢改进,最后通过对实例的预测分析,改进灰色预测模型预测精度更高。     

基于残差修正累积灰色模型在变形监测中应用研究

针对传统累积GM(1,1)模型对变形体模拟效果不佳和预测精度低的情况,本文基于新陈代谢思想,构建出新陈代谢累积GM(1,1)模型,利用傅里叶变换强大的降噪功能,对新陈代谢累积GM(1,1)模型的残差进行修正。实例结果分析表明,经傅里叶变换修正后的累积GM(1,1)模型的预测精度远高于传统累积模型及新陈代谢累积模型,同时,预测结果具有较强的稳定性,更为接近于变形体的实际变形,从而为监控变形体提供依据。     

新陈代谢GM（1,1）模型在河流水质预测中的应用

针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测,预测结果显示:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可信度。     

4种GM(1,1)模型在基坑变形监测中精度比较

针对传统的GM(1,1)模型难以确定模型的初始值问题,结合常州雅居乐基坑项目,建立了4种基坑水平位移预测模型。结果表明:改进初始值的新陈代谢GM(1,1)模型精度较GM(1,1)模型、新陈代谢GM(1,1)模型以及改进初始值的GM(1,1)3种预测模型精度更高,更符合基坑水平位移的预测。     

改进背景值的新陈代谢GM(1,1)在变形预报中的应用

文献[1]根据GM(1,1)模型的指数特性,通过在其白化微分方程区间上求积分推导出了背景值的一个计算公式.本文在此基础上,利用该公式建立了新陈代谢GM(1,1)模型.实际算例表明由此建立的新陈代谢GM(1,1)模型的预测结果高于传统背景值下的新陈代谢GM(1,1)模型,表明了改进背景值的新陈代谢GM(1,1)模型合理性,其可用于测量数据处理中的变形分析预报.     

动态残差修正的新陈代谢灰色模型在沉降预测中的应用

在原始传统GM(1,1)和新陈代谢动态灰色模型的基础上,建立了傅里叶变换修正动态残差的新陈代谢灰色模型。结合工程实例沉降数据,用原始传统灰色模型、新陈代谢灰色模型、动态残差修正的新陈代谢GM(1,1)三种模型进行短期和中长期沉降预测分析比较,结果动态残差修正的新陈代谢GM(1,1)模型比动态灰色模型、原始传统灰色模型的预测精度均有所提高,并有一定的收敛性和较好的预测效果,为今后的沉降预测评估提供了一定的参考。