共查询到10条相似文献,搜索用时 31 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
4.
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。 相似文献
5.
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。 相似文献
6.
7.
新陈代谢GM(1,1)模型在河流水质预测中的应用 总被引:2,自引:0,他引:2
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。 相似文献
8.
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。 相似文献
9.
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. 相似文献