基于Verhulst模型的公路隧道沉降预测

科学的预测隧道拱顶沉降量是隧道监控设计的重要环节。监控量测中的隧道拱顶沉降数据大多具有"S"形特点,能较好地满足Verhulst模型的需要。应用该模型对隧道拱顶的沉降量进行预测研究,结果表明该模型是一种简单经济、精度较高的灰色数据预报系统。     

基于灰色Verhulst模型的因特网访问人数预测分析

本文预测因特网访问人数,为开展网络建设、应用及管理提供决策依据;分析了实测数据反映的特征,给出了基于灰色Verhulst模型的建模理据和预测分析的详细过程;对模型预测结果进行了分析验证,模型的拟合精度检验指标（C=0．09,P=1．00）达优。检验结果表明,所建立的Verhulst模型对同等实测数据的预测效果优于GMC（1,n）模型 。     

变压器故障灰色Verhulst预测模型的研究

针对变压器试验在时间上具有非等间隔的特点,对传统等间隔Verhulst灰色模型进行了改进,提出了基于非等间隔Verhulst灰色模型的变压器故障预测方法.建立了非等间隔Verhulst灰色预测模型,该模型不仅考虑了预测数列的非等间隔性,还从初始条件选择、背景值改造等方面对原有模型进行了改进,实例验证表明本文提出的方法具有较高的精度.     

灰色Verhulst动态新陈代谢模型在产品价格预测与需求预测中的应用

产品价格及需求受多种因素影响,变化趋势复杂,很难建立一个准确的数学模型进行全面描述.在对具有较大波动的周期性变化数据部分用各种灰色动态模型进行了预测比较后,提出了Verhulst对应周期动态新陈代谢模型.用此模型进行的灰色预测能不断将新信息引入算法,使预测更加接近最新的变化趋势,取得了较好的预测效果.     

灰色Verhulst模型在短时交通流预测中的应用

为提高短时交通流预测模型精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。短时交通流某一时段内数据具有饱和状态S形过程的特性,采用Verhulst预测模型比GM(1,1)模型具有更高的预测精度。利用2007年10月21～23日6:00～8:25的交通流数据进行实验,结果表明:Verhulst模型的预测精度明显优于GM(1,1)模型。     

灰色Verhulst 预测模型的数乘特性

为揭示灰色Verhulst模型的建模精度在系统原始特征序列数乘变换前后的变化规律,降低其建模复杂性,研究了灰色Verhulst模型的建模参数在系统原始特征序列经过数乘变换前后的量化关系以及数乘变换对该模型建模精度的影响程度.研究结果表明,灰色Verhulst模型的建模精度与系统原始数据序列的数乘变换无关.利用数乘变换能降低原始数据的量级,简化建模过程,而不会改变灰色Verhulst模型的建模精度.     

灰色Verhulst 拓展模型的病态性问题

有效判定灰色模型的病态性是进行灰预测建模的关键. 为了揭示灰色Verhulst 拓展模型建模参数在原始序列存在微小扰动下的变化规律, 以矩阵谱条件数为工具对该模型灰导数的背景值进行分类证明. 结果表明, 灰色Verhulst 拓展模型不存在严重病态性. 采用灰色Verhulst 拓展模型进行预测建模, 模型的解不会因系统原始数据在收集过程中存在微小误差而产生显著漂移现象.

     

基于灰色马尔可夫Verhulst模型的因特网访问人数预测分析

为了科学准确地预测近几年因特网访问人数,提出了应用灰色马尔可夫Verhulst模型进行预测的方法。首先,利用历史数据建立灰色Verhulst模型,通过确定系数可获得因特网访问人数的时间响应序列的表达式,从而可获得未来年份因特网访问人数的发展序列值。然后,结合马尔可夫链过程将序列状态划分为三类,通过确定状态转移矩阵可获得序列处于各状态的概率值及与各状态对应的预测中值,最终求得各序列的修正值。最后,通过2006/12~2012/6期间我国互联网上网人数的历史数据,预测了最近四个统计时段的访问人数。实例表明,该模型预测结果的误差更小、精度更高,还能提供预测结果的波动范围及出现概率,能够为网络建设及管理提供决策依据。     

基于灰色Verhulst模型的短期风速预测研究

风速预测在保持风力发电系统稳定、风力发电功率预报、风电并网接入等方面都具有重要的应用.为了提高风速预测的精确性,提出了一种基于新陈代谢思想的灰色Verhulst模型的风速预测方法.该方法首先对灰色GM (1,1)模型和灰色Verhulst模型进行改进,其次引入了“新陈代谢”的概念,即在每一次风速预测的迭代过程中用风速真实序列的最新数据替代原有序列的最老数据,在不增加迭代维数的条件下,不断更新灰色Verhulst模型,将更新后的Verhulst模型进行优化,实现精确的风速预测.通过对实际风场风速数据的采集,运用该灰色Verhulst模型预测风速.实践仿真结果表明,与传统预测方法相比,此方法能有效的降低短期风速预测的误差,应用前景十分广阔.     

灰色模型在矿区沉降预测中的应用

为了准确掌握矿山的沉降变化规律,预测沉降发展趋势,提出一种采用灰色模型进行矿区沉降预测的方法。结合沉降观测实例,采用灰色模型精度检验和数理统计的F分布两种方法对灰色模型的预测结果进行检验和分析。结果表明,灰色模型能够满足矿区沉降预测的精度要求,且预测精度随着采用数据量的增加而提高。     

基于残差改进的灰色模型网络流量预测

网络流量是衡量网络运行负荷和状态的重要参数,也是网络规划、流量管理等方面起着重要的作用的重要参数.在流量管理中,流量模型用于评价接入控制机制和预测网络性能.灰色模型在反映数据的趋势性变化上效果明显,随着灰色理论的发展及其广泛应用,越来越多的改进方法已经被提出.在对原有的模型进行研究的基础上提出进一步改进模型来对网络流量进行预测.     

灰色Verhulst 模型背景值优化及其应用

鉴于背景值是影响灰色建模精度的重要因素之一, 提出一种灰色Verhulst 模型中背景值的优化方法. 基于灰色Verhulst 模型时间响应式的Logistic 函数形式和背景值的几何意义, 利用积分中值定理研究背景值与发展系数之间的数量关系; 采用最小二乘法对新参数进行估计, 还原原始参数估计值, 使得优化的背景值模型同时具备无偏性和最小误差性. 案例分析表明, 背景值优化的模型改善了模拟精度, 验证了模型的有效性和可行性.

     

灰色Verhulst-BP网络组合模型在预测中的应用研究

在灰色Verhulst模型和BP神经网络理论的基础上,对两者的结合方式进行了研究,提出了部分数据Verhulst模型组的概念,得到了一种结合灰色Verhulst与BP神经网络的组合预测模型。利用BP神经网络建立部分数据Verhulst模型组与原始数据之间的非线性映射关系,克服了小样本时间序列数据在神经网络训练时的缺陷。实验结果和仿真验证表明,该组合预测模型具有较高的预测精度和良好的稳定性。     

新型灰色Verhulst 预测模型的参数特性

在灰色Verhulst 模型建模机理的基础上, 考虑相关因素对系统预测精度的影响, 构建一种新型灰色Verhulst 模型. 分析该模型参数在系统特征序列与相关因素序列经数乘变换前后的量化关系, 并分析数乘变换对该新模型建模精度的影响程度. 研究结果表明, 新型灰色Verhulst 模型的建模精度与系统相关因素序列的数乘变换有关, 而与系统特征序列的数乘变换无关. 研究结论认为, 利用数乘变换可降低该模型的建模复杂性.

     

基于核和信息域的区间灰数Verhulst 模型

针对传统Verhulst模型的建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.首先,对“灰度不减”公理进行延伸,得到了“信息域不减”的推论;然后,构建核序列的Verhulst模型,并以信息域不减推论为依据、以核为中心推导区间灰数上(下)界的时间响应式;最后,通过实例演示了模型的计算步骤.所进行的研究对于丰富和完善灰色预测模型理论体系、拓展灰色预测模型的应用范围具有积极意义.     

基于灰色Verhulst的互联网上网人数动态预测模型

在分析最近几年我国互联网上网人数实测数据的基础上,根据数据本身所具有的特征,引入灰色Verhulst预测理论,通过分析建立了我国互联网上网人数的灰色Verhulst动态模型,并通过所建立的模型对2000~2005年我国互联网上网人数进行实例验证和误差检验。检验结果表明,所建立的灰色Verhulst动态模型对实测数据具有很高预测精度,具有一定的研究和应用价值。     

一种基于灰色残差模型的建筑物沉降预测

建筑物沉降预测成为工程建设中亟待解决的一大技术难题。应用灰色残差GM(1,1)模型对建筑物沉降进行模拟和预测,解决了传统GM(1,1)模型预测精度不高的问题。结果表明,灰色残差GM(1,1)模型误差较小,可以较好地预测建筑物沉降变形。     

基于改进自适应灰色模型的网络安全态势预测

对网络安全态势的研究是网络安全领域的热门话题。现在的研究更多关注的是评估当前态势,而对未来态势的预测讨论较少。为实现对未来网络安全态势的准确预测,改进了现有的自适应灰色分析模型。同时,为提高预测精度,针对传统分析模型的不足,提出了自适应灰色参数和等维灰色填充方法。实验结果表明,这个模型是有效的。     

改进的灰色模型与ARMA模型的股指预测

当前基于灰色GM（1,1）模型和ARMA模型的组合模型GM-ARMA模型存在着2点不足：一是由于GM（1,1）模型不是最优的,导致了GM-ARMA模型也不是最优的;二是GM-ARMA模型并没有恰当地结合2个子模型,这也导致了GM-ARMA模型不是最优的.为此,首先引入数据维度参数和白化背景值的系数2个参数来改进GM（1,1）模型,然后同时优化ARMA模型中的P、Q2个参数来改进GM-ARMA模型,称新的模型为RevisedGM-ARMA（RGM-ARMA）模型.实例证明RGM-ARMA的误差小于ARIMA和GM-ARMA模型,并且为组合模型的建立提供了新的思路.     

2种灰色模型在矿区地表沉陷预计中的适用性

目前矿区地表单点沉陷动态预计方法主要基于传统的水准测量数据,监测方法单一,成本高,观测点易破坏,不能保证地表形变信息的实时性,且采用灰色模型进行地表沉陷预计时只针对单一模型的应用,没有结合模型自身特点分析其适用性。以袁店二矿7221工作面为试验区域,采用合成孔径雷达差分干涉测量技术监测矿区地表沉陷量,分别建立了描述沉陷量与时间关系的GM(1,1)与灰色Verhulst模型进行地表沉陷量预计,实现了矿区地表沉陷监测与动态预计一体化。通过比较、分析GM(1,1)与灰色Verhulst模型对地表沉陷量的拟合及预计结果,得出了2种灰色模型在矿区地表沉陷预计中的适用性:在矿区开采沉陷开始至活跃前期,若地表单点沉陷量曲线呈近似单峰型,则宜采用GM(1,1)进行短期预计;当矿区地表沉陷进入衰退阶段,单点沉陷量曲线呈平底饱和状态,则宜采用灰色Verhulst模型进行中长期预计。