改进的Verhulst沉降预测模型及其参数估计方法

为提高软土路基沉降预测灰色Verhulst模型的预测精度,首先从沉降初始实测值修正和增加时间指数项两个方面对灰色Verhulst模型的离散时间响应式进行了改进;然后基于最小二乘原理,利用差分进化算法对改进的灰色Verhulst模型时间响应式进行直接地优化估计,避免了灰色Verhulst模型常规估计方法中因背景值选取问题而导致的计算误差.实例计算结果表明,改进的灰色Verhulst模型较原模型具有更好的灵活性和适应性,比Gompertz模型、Logistic模型、Bertalanffy模型、Weibull模型及原灰色Verhulst模型这几种沉降预测模型具有更高的预测精度,可供工程设计参考.     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练.仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度.     

一类离散多变量MGM(1,m)预测模型优化

针对相互影响的多变量序列的预测问题,探讨了原始MGM(1,m)模型和灰色离散模型的建模机理,提出一类离散多变量MGM(1,m)的优化模型,由推导可得该模型是灰色离散模型的一般形式.该模型通过求解线性方程组直接对多变量进行模拟和预测,有效避免了白化方程和微分方程转化带来的误差.实例表明,该模型的预测精度较传统MGM(1,m)模型有显著提高,拓宽了多变量灰色预测模型的应用范围.     

改进灰色马尔可夫模型在湖南省粮食产量预测中的研究

通过选取湖南省2001年至2017年间的粮食产量数据,采用灰色系统理论、背景值优化、新陈代谢原理、结合马尔可夫模型建立等维新陈代谢的改进无偏灰色马尔可夫模型对湖南省粮食产量进行预测。结果显示:等维新陈代谢的改进无偏灰色马尔可夫模型的预测精度远高于传统的灰色预测模型,该模型更适合中短期粮食产量预测。     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

改进最小二乘法对基坑支护结构竖向位移预测

为提高支护结构竖向沉降预测精度的问题,采用改进最小二乘法模型.在前期沉降值的基础上,引入一个修正后的最小二乘法预测曲线,得到新的预测模型,建立既保证原来的维数,而又不影响整个沉降发展趋势的改进最小二乘法模型.以SMW工法基坑支护为工程实例,利用改进最小二乘法对采集的监测数据进行研究,求出支护结构竖向位移拟合曲线,进而得到拟合值.结果表明:该方法所得的实测值和预测值进行比较,与实测值误差很小且满足规范规定的数值,证明该方法在SMW工法支护结构竖向位移预测中应用的有效性及预测所提高的精度;既保证了传统最小二乘法位移曲线的维数,又不影响整个预测沉降变形曲线的发展趋势,更适用于周边环境复杂的基坑支护结构竖向位移预测.     

改良Verhulst模型在泥岩路基沉降预测中的应用

为了准确预测泥岩高速公路路基不同填筑阶段的沉降数据，避免长期监测带来的不便，提出了5个改良Verhulst模型：分别利用元胞自动机和矩形法以及积分法改良传统Verhulst模型背景值，建立了元胞自动机改良模型、矩形法模型和积分法模型；在此基础上，利用元胞自动机理论优化矩形法模型和积分法模型的背景值，建立了综合改良模型1、2。以马巢高速公路泥岩路基沉降数据为基础，采用传统Verhulst模型和5个改良Verhulst模型预测路基在不同填筑阶段的沉降。结果表明：5个改良模型中，2种综合改良模型精度最高，其次为元胞自动机改良模型和积分法模型，最后为矩形法模型，且预测精度均优于传统模型，能较好地预测不同风化程度泥岩路基在不同填筑阶段的沉降，符合工程要求。     

改进的灰色Verhulst模型

针对灰色Verhulst模型预测函数中参数c的求解问题,提出了一种优化预测函数的新方法。该方法以累加生成序列的倒数与其倒数模拟值的差值平方和最小为目标函数,构建了一个非线性无约束优化模型,来求解灰色Verhulst模型预测函数中的参数c,并给出了灰色微分方程时间响应式的解析式。实验分析表明:改进模型在预测精度和实用性上均有较大改善。     

串联式组合模型在基坑监测中的应用

在传统模型基础上提出串联式组合模型,选择灰色模型对基坑监测数据的趋势项进行拟合,时间序列模型对监测数据的随机项进行拟合,发挥两者自身的特点,进行有机地组合预测分析。通过工程实例预测结果分析表明:串联式组合模型不仅能够预测出基坑的变形趋势,而且相对于时间序列模型、灰色模型有着较好的预测精度,体现出将串联式灰色时间序列组合模型应用于基坑监测的合理性和有效性。     

基于灰色Verhulst动态模型的人口预测——以天津为例

运用灰色系统理论,基于天津人口发展规律建立了等维灰色Verhulst动态模型.选用天津2008年至2013年的人口统计数据进行了实证分析,经误差检验达到一级精度.运用等维灰色Verhulst动态模型进行中长期预测,削弱了灰色系统中的随机干扰因素,且预测方法简单实用.结果表明,2021年天津人口将近1 900万,为天津人口发展战略提供了科学依据.     

基于动态模糊RBF网络的基坑沉降预测研究

本文通过构建动态模糊RBF网络对基坑监测中的累计沉降数据进行处理和预测。采用误差下降率和高斯函数中心宽度的调节方法,使网络模型的结构紧凑,呈现动态变化,避免传统网络模型所出现的过拟合现象,提高网络的泛化能力,对基坑监测点的累计沉降量进行预测,通过对比时间序列模型,得出本文所采用的方法具有很高的预测精度。     

一种改进不等间距灰色预测模型

传统不等间距灰色模型UGM(1,1)及其改进型都是基于指数模型建立的,仅对指数变化规律序列有较好的预测精度,而对于常见的线性变化序列则预测误差较大。针对该问题,通过模型拓展,在现有文献模型的基础上增加线性因素,并采用新陈代谢的思想,提出一种改进不等间距灰色预测模型AUGM(1,1),并进行实例仿真比较分析。结果表明:改进模型在预测精度和实用性上均有较大改善,且克服了传统灰色预测模型不适用于线性变化序列预测的局限,拓宽了灰色预测模型的适用范围。     

基于IAO-LSSVM模型的基坑周围建筑物沉降预测: 以深圳华强南站地铁基坑为例

针对当前基坑开挖引发建筑物沉降预测模型存在精度不足、收敛速度慢、易陷入局部最优等缺点,提出了一种基于改进天鹰算法(IAO)优化最小二乘支持向量机(LSSVM)的建筑物沉降预测模型。利用Tent混沌映射提高天鹰算法的种群多样性水平,再通过自适应权重强化算法的全阶段寻优能力;引入IAO算法优化LSSVM的正则化参数和核函数宽度,构建基于IAO-LSSVM的建筑物沉降预测模型,并将该预测模型在深圳华强南某地铁基坑工程中进行了验证。结果表明：该沉降预测模型相比于传统预测模型精度更高、收敛更快、跳出局部最优域的能力强;该模型预测值与实际沉降监测值吻合度较高,其误差在5 %左右,更适合预测城市中地铁基坑开挖引起的周围建筑物沉降。     

基于灰色理论的基坑桩顶水平位移预测

目的研究灰色理论在基坑桩顶水平位移预测的应用,进而全面反映基坑的安全状况,确保基坑的稳定性.方法笔者以沈阳铁路局调度所改扩建工程项目为研究对象,运用灰色理论对监测数据进行分析,建立GM(1,1)模型,对桩顶水平位移进行预测.结果GM(1,1)模型预测精度为二级,能够达到合格的标准.残差序列最小值为0.03 mm,最大值为0.2 mm,达到了仪器监测的精度.数据的均值处理能够使预测精度为四级的模型提高到精度为二级,二级精度提高到一级精度.结论基于灰色理论的基坑桩顶水平位移分析与预测是恰当而实用的,具有较高的可靠性.灰色预测较为客观地反映了工程实际情况,具有一定的工程参考价值.     

离散灰色DGM（1,1）模型在高层建筑物沉降预测中的应用

针对高层建筑物沉降观测数据序列的特性,结合西昌市某工程沉降观测项目,重点阐述离散灰色DGM(1,1)模型原理及特性,以Matlab为仿真平台,将DGM(1,1)模型运用于高层建筑物沉降预测,并对其预测性能进行检验。结果表明,该方法能较好地模拟沉降发展趋势,且误差小,能达到精度要求,为后期工作提供数据支持。     

不等时距灰色Verhulst模型及其在沉降预测中的应用

在分析全过程沉降量与时间的关系、Verhulst模型的特点以及沉降观测数据有时出现非连续性特点的基础上，通过在区间上求积分给出模型背景值的一个确切的计算公式，提出了预测今后不同时刻沉降量的不等时距灰色Verhulst模型，工程实例分析表明，灰色Verhulst模型的预测精度较高，具有良好的适应性。     

灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。     

基于核和认知程度的区间灰数Verhulst预测模型

针对传统的Verhulst模型只能用于对实数序列进行建模预测的问题,将其建模对象扩大到区间灰数序列,构建基于核和认知程度的区间灰数Verhulst预测模型.首先,将区间灰数序列转化为核序列和认知程度序列,实现区间灰数的白化;然后,分别构建核序列和认知程度序列Verhulst模型,并反推区间灰数上下界的表达式;最后,将模型应用于某高层住宅沉降量预测并与其他模型结果对比,实例表明,所建模型的精度较高,具有实用性.     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.