预报模型在GPS测沉降中的应用

变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。     

改进灰色GM(1,1)模型在隧道围岩位移预测中的应用

传统灰色GM(1,1)模型 ,多适用于等间距序列监测数据的模拟预测 ;对非等间距则往往产生较大的滞后误差。提出了一种经改进的GM(1,1)模型 ,经实例分析 ,该模型适用于隧道围岩位移非等间距监测数据序列的位移预测 ,且都能获得很高的模拟和预测精度     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

城市用水量预测的SIMULINK仿真技术研究

为保证城市供水优化运行的安全性和可靠性,提出了基于时间序列和神经网络理论的城市用水量预测的SIMULINK仿真模型。基于时间序列预测法的SIMULINK仿真模型依据回归算法确定模型参数,得到预测结果和误差,可通过调整SIMULINK模块参数提高仿真精度;在基于神经网络的SIMULINK仿真模型中,根据BP神经网络原理分别建立输入层、隐含层和输出层模型,得到预测结果和误差,可通过增加训练样本数提高仿真精度。仿真结果表明:基于时间序列和神经网络的水量预测SIMULINK仿真模型,不仅预测精度达到要求,而且还具有模块直观、参数易调和结果可视化等优点。     

基于遗传神经网络的非等时距加权灰色线性组合模型在变形监测中的应用

针对非等时距以及BP神经网络会陷入局部极小值的问题,本文提出了基于非等时距加权灰色组合GA-BP模型的新方法。首先对原始变形监测数据采用非等时距的加权灰色组合线性模型处理,然后利用处理后的数据求出残差进而建立GA-BP神经网络模型进行残差修正。通过对比非等时距GM(1,1)以及非等时距加权灰色线性组合模型的结果,发现基于非等加权灰色线性组合GA-BP神经网络模型可以有效地提高模型精度,具有一定的应用价值。     

基于灰色RBF组合模型的城市用水量预测

为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基（RBF）神经网络组合模型。对比实验结果表明,灰色GM（1,1）模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2．1222％,1．2562％和0．6821％。与灰色GM（1,1）模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。     

绝缘子等值附盐密度的预测

等值附盐密度是确定污秽等级和绘制电网污区分布图的主要依据,而气象因子对绝缘子的等值附盐密度(ESDD)影响复杂,难以建立精确的数学模型来表述二者间的关系。结合灰色模型和神经网络模型在反映数据序列变化趋势性上的明显效果,采用带神经网络补偿器的灰色神经网络模型来预测绝缘子在一定气象因子条件下的等值附盐密度,拟合输入与输出之间的复杂非线性函数关系。结果表明该模型有较高的预测精度,优于单纯的灰色神经网络模型,具有一定的理论价值和实际应用价值。     

灰色预测在高速铁路桥梁基础中的应用

在灰色GM(1,1)模型的基础上,考虑到测量数据的不等时间间隔性,建立了地基沉降的非等间距的预测模型,并建立了残差模型对预测结果进行修正,大大地提高了预测精度.该研究在京津城际轨道交通工程的应用中取得了良好的效果,充分证明了在沉降变形分析中应用灰色预测法的可行性.     

a-N曲线的微分方程拟合法

钢结构节点的疲劳裂纹扩展研究中 ,为了使裂纹扩展速率分散性尽可能小 ,需要高精度地拟合疲劳裂纹扩展a -N曲线。通过将试验得到的裂纹扩展数据 (ai,Ni) (i =1,… ,n)为一不等间距的时间序列 ,利用灰色建模的思想 ,用改进的不等间距的时间序列灰色微分方程GM(1,1)模型拟合a-N 试验曲线。进一步观察发现 ,a-N 曲线的形状与翻转 180°的S-N 曲线形状相似 ,由此引出拟合a-N 关系的四参数经验公式 ,四个参数用结合优化技术的微分方程拟合法估计。计算表明 ,基于微分方程模型的四参数拟合法拟合精度较高 ,可望在工程上推广应用     

非等时距灰色模型在建筑物沉降预测中的应用

针对传统灰色模型要求原始实测数据是等时距的特点,基于某项目实测数据,利用三次样条插值良好收敛性、优越稳定性以及二阶光滑度的独特性质,将实测数据转化为等时距序列,建立非等时距灰色模型,并采用控制变量法,对时间间隔和观测次数这两种因素进行精度分析,为构建高精度非等时距灰色模型提供借鉴.研究结果表明,三次样条插值具备强大插值...     

深基坑墙顶水平变形的灰色-时序动态预测

深基坑墙顶水平变形是一个动态的相互依存的过程。在基坑开挖与施工过程中 ,根据变形观测数据用灰色系统理论与时间序列分析方法建立等维新息动态预测预报模型 ,并随着新数据的加入适时修改模型参数。该模型不要求考虑复杂的变形影响因素。工程实例研究表明 :用组合模型预测变形值 ,其误差大多数情况下小于 5 % ;在变形数据变化较大时 ,组合模型预测值明显优于单一模型预测值。在变形变化平稳时 ,用单一的灰色模型或灰色时间序列组合模型预测误差相差不大。预测步数越多 ,则预测精度越低。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

改进高路堤沉降分析的GM（1，1）模型与建模方法研究

对高路堤沉降分析的现状，运用灰色系统理论，建立了高路堤沉降分析的序列弱化逐步优化直接GM（1，1）模型，给出了精度检验方法，编制了MATLAB程序，给出了分析实例，并与各种灰色模型进行了比较。该模型不需要累加生成和累减生成，不仅适合于等间距建模，也适合于非等间距建模，具有精度高、使用简便等特点，值得在高路堤沉降分析中推广使用。     

地基沉降的灰色群优化预测模型

建筑地基的沉降观测一般是时间非等间距的;分析了基于灰色理论建立的非等间隔数据GM（1,1）模型进行预测所得出的结果的误差变化,得出需要进行预测的后续时间越长,误差就越大;用越久远的数据建立的非等间隔数据GM（1,1）模型进行预测,所得出的相同后续时间的结果误差越大;运用灰色系统理论建立模型群,进而对模型群进行了优化,建立了非等间隔数据GM（1,1）模型群的优化预测模型.     

基于灰色马尔可夫链的武汉城市建设投资规模预测

为弥补灰色GM（1,1）模型不适合预测随机波动性较大的数据序列等缺点,辅以无后效性的马尔可夫链与之结合,建立灰色马尔可夫链预测模型。针对武汉市城市建设投资规模预测问题,通过建立灰色马尔可夫链模型对其进行分析,得出武汉市城市建设预测投资数据,经过与实际投资数据相比较以及模型精度检验,证实所建立的灰色马尔可夫链模型的预测精度很高。运用本模型来预测武汉市城市建设投资规模是可行的、其预测结果是可信的,也为武汉市城市建设的合理投资提供一定的参考依据     

基于灰色神经网络模型的基坑变形预测研究

结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要.     

基于时序思想BP网络的地铁地表沉降预测

将时间序列分析的思想与BP神经网络模型结合起来,预测了某城市地铁的地表沉降规律,并与时间序列分析、基于反演理论BP神经网络分析的结果进行了比较,结果表明,基于时序思想BP神经网络模型具有很高的精度,能够为地铁沉降变形监测提供参考依据。     

改进的灰色模型在高铁沉降预测中的应用研究

高速铁路沉降观测中,野外测量实际采集的数据由于受各种客观条件的限制会导致灰色预测模型的预测精度往往较差。而灰色模型的预测精度不光与模型的算法有关,还与原始数据的光滑度成正比。本文通过改善原始数据序列的光滑度,来提高灰色模型预测的精度。     

开挖降水条件下基坑周围建筑物沉降预测研究

利用Gompertz曲线模型、灰色理论模型和BP神经网络模型等单一预测模型对基坑周围建筑物沉降进行预测,之后将结果与三者优化组合模型的预测结果进行比较分析,结果表明：单一模型预测结果的精度比三者优化组合模型的精度较低,而其中通过最优加权法组合的模型预测精度最高。