基于PSO算法的加权累加生成GM(1,1)模型在结构损伤识别中的应用

根据灰色系统理论中新信息优先原则,建立了基于加权累加生成GM(1,1)模型,并运用粒子群算法确定模型中的权重,对传统的GM(1,1)模型进行了改进,并将改进模型应用于结构损伤的识别与预测.实例分析表明:基于粒子群算法的加权累加生成GM(1,1)改进模型对检测数据的处理能力更强,预测数值与真值的整体吻合度更高,从而使模型能更好地应用于复杂结构及复杂工况条件下的损伤识别.     

桥梁基础沉降的等维灰色预测

为揭示桥梁基础沉降的变化规律,采用灰色系统理论分别建立了基础沉降量预测的传统GM(1,1)模型和等维新信息GM(1,1)模型。工程验证结果表明,灰色预测模型的计算值与实测值较吻合,等维新信息GM(1,1)模型比传统GM(1,1)具有更高的预测精度,更适合于桥梁基础沉降量的预测。桥梁基础沉降量的灰色预测结果可为提前评估沉降设计及施工质量提供参考依据。     

GM(1,1)优化模型在基坑变形预测中的应用

基坑边坡系统是一典型的灰色系统.其变形发展过程可用灰色系统理论进行预测.本文在常规全息GM(1,1)模型的基础上,采用等维新息迭代法GM(1,1)模型对郑州太阳城紫荆花园基坑变形进行模拟预测,结果表明了迭代法GM(1,1)模型比常规的GM(1,1)模型预测精度高,更符合工程实际.     

改进灰色模型及其在基坑变形监测中的应用

灰色系统理论在岩土工程领域已经有着广泛的应用,其中以灰色理论中的GM(1,1)模型为最。本文基于GM(1,1)的建模机理,从原始序列、初始值、背景值等方面对其进行优化,并将改进后的模型应用于某基坑工程的变形预测。结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高。     

GM(1,1)模型基坑结构变形预测应用研究

动态设计和信息化施工使得基坑结构变形预测意义重大,本文结合工程实践对GM(1,1)模型在基坑支护结构变形预测进行应用研究.工程应用结果显示灰色预测理论在深基坑结构变形预测方面具有较好的稳定性,GM(1,1)预测的深基坑地面水平位移、沉降与实际监测结果比较接近,GM(1,1)模型预测方法有效可行.灰色系统GM(1,1)基坑变形预测模型可作为基坑支护结构变形预测的参考工具.     

基于卡尔曼滤波算法的动态灰色GM(1,1)模型在路基沉降分析中的应用

针对含噪声的路基沉降时间序列,传统灰色GM(1,1)预测模型易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的动态等维灰色理论预测模型,并以新沉降信息设置模型初始值,克服了传统灰色GM(1,1)模型在预测过程中忽略未来因素对系统影响的缺陷。工程实例分析表明,建立的消噪动态等维灰色预测模型优于传统态灰色模型和其他一些预测模型,对工程建设有指导意义。     

GM(1,1)与GM(2,1)模型在基坑工程预测中的应用

灰色系统理论已经在岩土工程领域有广泛的应用。本文把灰色系统中的GM(1,1)模型和GM(2,1)模型应用到基坑工程中,并编制了预测计算程序GYC1.0用于锚杆拉力、地面沉降和地面水平位移预测计算。工程实践说明:GM(1,1)模型比GM(2,1)模型更可靠,稳定性高,但是GM(1,1)模型短期预测时效果良好,中期预测时效果偏差较大,长期预测则要慎重。     

基于灰色理论的电力负荷预测模型改进及仿真研究

本文简要地介绍了电力系统负荷预测的意义,通过对灰色理论预测方法的研究,找出了灰色建模的局限性并提出了改进的方法。通过对负荷原始数据序列的预处理及优化,增强了灰色预测对波动负荷数据序列的处理能力,大大提高了灰色预测方法的适用范围和预测精度;利用等维新息递推GM (1,1)模型进行预测,保证了预测能够较为充分地利用新信息,能够满足中长期负荷预测的要求。此外,本论文还以matlab为平台,完成了基于灰色系统理论的电力负荷预测仿真系统的设计与实现。通过实例将改进模型与普通GM (1,1)模型进行比较,证明改进模型具有比普通GM(1,1)模型误差小、精度高的优点。     

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。     

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。     

灰色预测在高层建筑物沉降监测中的应用

以秀山湖二期工程为例,运用灰色预测系统,建立了两种非等间隔灰色GM(1,1)模型,并对建筑物进行沉降监测,通过对沉降数据的对比分析,指出采用数据变换的非等间隔GM(1,1)模型要优于加权处理的非等间隔GM(1,1)模型。     

明挖隧道基坑周边建筑物沉降预测研究

基于济南市济泺路穿黄隧道工程,研究了BP神经网络和灰色GM(1,1)模型分别对隧道开挖影响周边建筑物沉降的预测。BP神经网络模型和灰色系统模型预测深基坑周围建筑物沉降,均能够取得较好的预测结果;对建筑物的沉降量进行中长期预测时,BP神经网络模型更适合进行预测;灰色GM(1,1)模型的特点需使用的实测数据少,该模型适用于短期预测,在监测数据较少时能够发挥较好作用。     

基于灰色理论的道路全生命周期造价控制探讨

介绍了灰色理论GM(1,1)模型的原理,利用某新建城市Ⅰ级主干道已有造价信息数据建立GM(1,1)模型,根据模型对工程造价进行预测,并验证了预测结果的合理性,从而证明了灰色理论在市政工程道路全寿命周期造价控制中的适用性。     

改进的GM(1,1)模型在地铁运营隧道的沉降预测分析

工程监测中常用灰色系统的GM(1,1)模型对建(构)筑物沉降进行预测分析,但由于GM(1,1)模型本身的局限性,其预测往往存在较大误差,为了提高GM(1,1)模型在预测分析上的准确性,本文提出采用利用残差修正的方法对GM(1,1)模型进行改进,并利用该改进模型对地铁运营隧道的沉降进行预测分析,实验证明该方法相对于传统的GM(1,1)模型在预测分析的精度及可靠性上均得到了大幅提高,在工程监测上有较好的适用性。     

基于新陈代谢动态灰色模型在沉降预测中的应用

本文基于灰色模型理论,分别采用均值差分GM(1,1)和新陈代谢动态灰色模型对地面沉降进行模拟预测分析,结果表明,灰色模型均能够较好地模拟地面沉降的趋势,同时证明了,新陈代谢灰色预测模型由于实时加入系统的最新信息,其预测精度高于均值差分GM(1,1)模型,为今后的沉降预测评估提供了更多的参考和借鉴。     

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。     

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。     

灰色理论在深基坑支挡结构变形预测中应用

根据深基坑支挡结构水平位移监测信息,应用灰色系统的原理和方法,对基坑的变形发展变化进行预测是一种有效手段,对深基坑工程的设计和施工具有非常重要的意义。预测中灰色模型的建立以等时距原始数据为前提,结合苏州某地铁车站的基坑开挖工程,通过灰色理论中的GM(1,1)模型对基坑开挖所引起的支挡结构的水平位移进行了预测,其预测结果与监测结果接近。结果表明,在GM(1,1)模型中,利用初期水平位移实测值来预测未来一定时间内的支挡结构的水平位移值能够获得比较准确的预测结果,并且其预测模型可以应用于动态设计和信息化施工。     

基于灰色理论对排桩围护结构顶部水平位移的分析

首先分析现阶段深基坑开挖工程的难点,提出随着信息化的发展,预测基坑变形具有重要性。运用基于灰色理论GM(1,1)模型,对佛山橡树湾基坑排桩围护的顶部累计水平位移数据进行分析,预测变形趋势。结果表明,使用灰色理论GM(1,1)能够较好预测基坑排桩围护的变形。并且对灰色理论预测基坑变形作了系统归纳,为实际工程提供指导意义。     

基于GM（0,h）和离散型GM（1,1）模型的工程装备费用预测模型研究

在新型工程装备方案的选择以及经费控制中,由于相关样本数据少,不能准确掌握费用总量以及费用与装备关键性能参数直接的量化关系,从而对于费用的预测产生了巨大的困难。针对这一问题,基于灰色系统理论,运用GM（0,h）模型和离散型GM（1,1）模型,在较少的样本数据条件下建立了工程装备的费用预测模型。该模型在确定了工程装备费用与其主要参数之间的关系的同时,结合离散型GM（1,1）的特点,利用原始残差数据多次1-AGO生成序列构建了残差的n次累加修正离散型GM（1,1）模型,解决了传统GM（1,1）模型建模时对于原始数据以及发展系数-a的限制问题,在实例中应用效果良好。最后运用灰色关联分析,将模型的计算结果与通过多元线性回归方法建模的计算结果进行了分析比较,进一步验证了模型的适用性和有效性。