改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对传统GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想状况,本文在传统GM(1,1)模型基础上,建立自适应GM(1,1)模型与残差修正GM(1,1)模型并讨论两种改进模型各自优点。利用传统GM(1,1)模型、自适应GM(1,1)模型以及残差修正GM(1,1)模型对某高铁隧道监测点作沉降分析与预测。通过对比,得出自适应GM(1,1)模型与残差修正GM(1,1)模型对原模型的预测曲线相关性和预测精度有一定程度提高;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。     

基于卡尔曼滤波的GM模型及其在公路边坡变形预测中的应用

在公路边坡变形监测与预测中,当用GM(1,1)模型对稳定的变形数据序列进行预测时,效果较好。但是,如果变形数据中因外界因素干扰而出现异常数据,使变形曲线发生波动,此时单纯采用GM(1,1)模型进行预测,就难以取得理想的预测精度。为此,本文提出一种基于卡尔曼滤波的GM预测模型,即先用卡尔曼滤波法对原始变形监测数据进行滤波处理,而后再建立GM模型进行灰色预测。通过公路边坡变形预测的应用研究,证明基于卡尔曼滤波的GM模型可以有效地提高预测精度。     

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。     

GM(1,1)模型在凤山隧道变形预测中的应用

针对GM(1,1)模型在隧道围岩变形预测中的缺点,提出采用模型维数控制的方法进行预测。研究GM(1,1)模型的数学原理,针对隧道围岩的变形特点利用数学方法改进模型背景值的计算公式,并利用等维替代法不断更新预测模型。通过对比传统GM(1,1)模型可知,改进后的模型预测精度有较大提高,能较好预测围岩实际变形情况和趋势。     

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。     

基于优化K-GM(1,1)在桥梁变形预测中的应用研究

传统GM(1,1)模型在建模过程中易受到随机扰动的影响导致预测精度低、残值大。将卡尔曼滤波和灰色理论结合,先使用卡尔曼滤波消除扰动误差,并对滤波后的数据序列进行初始值和背景值的优化,建立K-GM(1,1)模型。结合桥梁沉降变形监测数据,采用两种模型分别预测对比分析,研究结果表明:优化的K-GM(1,1)模型精度优于传统灰色模型,桥梁沉降监测值与预测值变形一致。     

基于中心逼近式GM(1,1)模型的火灾事故预测

应用灰色预测理论对我国火灾事故四项指标进行预测研究。以2001-2008年的火灾统计数据为原始数据序列,分别建立GM(1,1)预测模型和中心逼近式GM(1,1)预测模型,并对原始数据进行拟合分析以评估模型精度;利用这两个预测模型对2009、2010年的火灾事故数据进行预测,并与实际值比较分析。结果表明,中心逼近式GM(1,1)模型的拟合精度及预测精度均高于传统GM(1,1)模型,但这两个模型不适用于火灾事故直接经济损失的预测,其余三项指标的中心逼近式GM(1,1)模型的预测精度能够达到一级。     

改进GM(1,1)在高铁隧道沉降变形预测中的对比应用

针对GM(1,1)模型在高铁隧道沉降变形分析与预测中精度不理想的情况,在GM(1,1)模型的基础上,建立了自适应GM(1,1)模型与残差修正GM(1,1)模型,并讨论了2种改进模型的各自优点。依据某隧道沉降监测数据,进行工程实例分析,得出自适应GM(1,1)模型与残差修正GM(1,1)模型在一定程度上均提高了原模型的预测精度和预测曲线的相关性;残差修正GM(1,1)模型对于沉降曲线波动较大处仍有较好的拟合与预测效果,其预测效果优于自适应GM(1,1)模型。     

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。     

基于GM(2,1)模型的短期电力负荷预测

传统的灰色系统GM(1,1)模型只适用于呈近似指数增长趋势的原始数列,而GM(2,1)模型适用范围更广,被广泛应用于各个行业。但由于计算复杂,以及模型自身存在的问题,在电力负荷预测上鲜有人研究。现将GM(2,1)模型运用于短期的电力负荷预测中,详细列出参数的计算过程,并与传统的GM(1,1)模型进行对比,结果表明,GM(2,1)模型比GM(1,1)模型预测精度更高,并且G M(2,1)模型预测的精度基本不受数据的影响,使用范围更广。     

基于卡尔曼GM(1,1)的稳健估计及其在变形监测中的应用

当观测数据含有粗差时使用单一的GM(1,1)模型不能取得很好的精度,本文在卡尔曼GM(1,1)基础上提出基于卡尔曼GM(1,1)滤波的稳健估计模型。通过对大坝变形监测数据的处理结果可以看出卡尔曼GM(1,1)稳健估计具有更高的精度和效果。     

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。     

均值GM（1,1）模型在变形预测中的应用

以变形监测实测20期高程数据为依据,选择前15期建立均值GM(1,1)模型,对后5期数据进行预测,并对建模拟合结果和预测结果进行分析,认为以均值GM(1,1)模型进行拟合预测精度满足要求。并且与以荷载和时间为影响因素建立的多元线性回归预测结果进行比较,相较于多元线性回归预测精度高。该研究对建筑物变形预测有一定的实际应用价值和参考意义。     

动态GM（1,1）在建筑物沉降变形分析中的应用研究

介绍了灰色系统理论。针对传统GM（1,1）模型在建模时只从静态角度考虑未来时刻的状态这一缺陷,本文引入了可以实时加入系统最新信息的动态GM（1,1）预测模型。利用传统GM（1,1）模型与动态GM（1,1）模型对某桥梁监测点进行沉降变形分析与预测。通过对比分析实例计算结果表明,动态GM（1,1）模型可以有效地修正预测模型,在一定程度上提高了模型的预测精度,其预测效果优于传统GM（1,1）模型。     

加权GM(1,1)模型在变形监测中的应用研究

灰色系统理论中的新信息对认知的作用大于老信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性。为了充分利用新信息,本文结合工程实例将加权灰色系统理论GM(1,1)模型应用于滑坡工程进行变形预测,而且对权的选取做了初步讨论,从预测结果和实测结果进行对比分析,加权累加生成的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型模拟和预测精度高,从而说明了该法的有效性和实用性。     

混凝土受压过程中声发射数的灰色模型研究

针对在混凝土单轴受压破坏全过程的声发射试验中,采用传统GM(1,1)灰色模型多步预测分析所得预测值普遍较实测值偏大、预测精度偏低的问题,通过引进预测值折减系数,重点探讨了折减系数的特点.结果表明,折减系数在预测曲线起点处基本为一常数,在终点处基本与已知数据百分数呈线性关系.基于上述特点通过插值求其折减系数来合理修正传统的灰色模型,建立起折减修正GM(1,1)灰色模型.通过该修正GM(1,1)灰色模型对室内声发射试验建立的预测模型,其精度较传统GM(1,1)灰色模型有较大提高.     

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。     

灰色GM模型在地铁车站深基坑变形预测中的应用

介绍了灰色GM模型的基本原理及计算过程.以某地铁站深基坑工程为背景,根据测得的数据,采用GM(1,1)模型对基坑围护桩变形及基坑周围土体沉降进行预测.将预测值与实测值对比分析可知:采用GM(1,1)模型得到的预测值很好的拟合了实测值,预测精度高,利用GM(1,1)模型对围护桩进行变形及基坑周围土体沉降进行预测是可行的....     

修正的GM(1,1)在滑坡变形预测中的应用研究

针对传统灰色GM (1,1)在预测过程中,易受到周围环境因素的影响导致预测精度不高的问题,提出一种同时修正迭代初始值及背景值的GM (1,1)模型。首先基于灰色理论建模机理,迭代初始值选取x(1)(k)进行优化,消除建模过程中由x(1)(1)引起的扰动误差。其次采用复化Simpson积分公式对背景值进行构造,建立迭代初始值与背景值同时修正的GM (1,1)模型。最后依托工程实例进行研究分析,结果表明:同时修正迭代初始值及背景值的GM (1,1)模型精度优于传统模型,滑坡监测点预测值与监测值变形趋势一致。     

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.