基于贝叶斯傅里叶动态模型的桥梁极值应力预测

研究了基于健康监测应力数据的桥梁极值应力动态预测.考虑到监测应力的周期性、随机性和动态性等特点,首先初次建立了桥梁监测极值应力的傅里叶动态非线性模型(Fourier Dynamic Nonlinear Model,FDNM),结合Taylor级数展开技术,将FDNM近似转化为傅里叶动态线性模型(Fourier Dynamic Linear Model,FDLM);然后采用贝叶斯方法,基于动态监测极值应力数据,建立了无先验信息的贝叶斯傅里叶动态线性模型(Bayesian Fourier Dynamic Linear Model:BFDLM),进而对监测极值应力的一步向前预测分布参数和后验应力状态分布参数进行了预测分析;最后通过实际桥梁监测极值应力数据对本文所建模型和方法的合理性及适用性进行了验证分析,结果表明本文所建BFDLM能够反映桥梁极值应力的周期性、随机性以及动态性等特点.研究成果将为桥梁监测极值应力预测提供理论基础和应用方法.     

应用BDLM的桥梁非均匀极值应力动态预测

为动态预测桥梁结构的非均匀极值应力信息，采用桥梁监测系统的极值应力数据，建立非均匀极值应力的贝叶斯动态线性模型. 考虑到BDLM初始状态概率分布的多样性，引入K-L信息测度来选择最优分布函数，并采用折扣因子、单一贝叶斯因子和累积贝叶斯因子对BDLM进行监控，实现极值应力分布参数的一步向前预测. 最后通过工程实例验证了所建模型和方法的合理性.     

桥梁极值应力的贝叶斯动态耦合线性预测

基于含有趋势性和随机性的监测极值应力时间序列数据,进行了桥梁极值应力的贝叶斯动态耦合线性预测。将历史监测耦合极值应力数据解耦,建立解耦极值应力的动态耦合线性模型(DCLM),并将其分解为有限个动态线性模型(DLMs)。基于动态监测的解耦极值应力数据,结合贝叶斯方法,进行动态耦合线性模型的概率递推,进而实现桥梁解耦极值应力的动态预测,并将预测的解耦极值应力进行相加,即可实现桥梁极值应力的动态预测。最后,通过在役桥梁的含有随机性和趋势性的监测极值应力数据,利用ARIMA(auto-regressive integrated moving average)模型,验证了所提方法的合理性与有效性。     

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.     

基于互信息的组合预测模型及其在电力负荷预测中的应用

应用互信息度量单个预测模型的精度, 然后以互信息为评价指标,应用模糊评判法赋予各个预测模型相应的权重,籍此建立一个新的组合预测模型.将此组合预测模型用于电力负荷预测,实例表明,互信息能有效地度量单个预测模型的精度,且能取得与传统的误差分析指标一致的评价结果.经多个误差分析指标的评价,基于互信息的组合预测模型提高了预测精度,优于基于熵的组合预测模型.     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

基于Kalman滤波的ARIMA-NAR神经网络模型

深基坑变形监测在城市建设安全施工中显得越来越重要.鉴于监测数据不可避免地存在噪声及单个预测模型存在的预测残差问题,为提高基坑监测预测精度,以兰州市某深基坑监测中具有明显沉降的ZJ52为例,采取一种基于Kalman去噪的ARIMA-NAR神经网络组合模型进行预测分析.结果发现,经Kalman去噪后建立的ARIMA-NAR组合模型的预测结果的平均绝对误差、平均相对误差和残差方差分别为0.43、0.04、2.23 mm,预测结果均优于单一的ARIMA和NAR神经网络模型的预测结果,预测精度较好,其结果可为本项目的安全施工提供可靠指导.     

基于改进型贝叶斯组合模型的短时交通流量预测

针对短时交通流量预测的难题,在传统贝叶斯组合模型进行改善的基础上,提出一种改进型贝叶斯组合模型.该模型只根据各基本预测模型当前时刻之前几个交通流量的预测表现,通过提出的分配算法实时更新组合模型中各个基本预测模型的权重,从而改善了传统贝叶斯组合模型权重计算迭代步长过长的缺陷,提高了贝叶斯组合模型对各个基本预测模型预测精度的灵敏性.通过对实地的交通流量的预测发现,基于改进型贝叶斯组合模型的预测精度不仅优于单一的预测方法,而且也优于传统的贝叶斯组合模型,从而证明了改进型贝叶斯组合模型有效提高预测的可靠性和具有一定的实用性.     

沉降组合预测模型研究及其应用

在已有工作的基础上进行组合建模研究,将基于预测有效度的组合预测模型用于建(构)筑物沉降分析.研究显示,组合预测模型的预测精度较单个预测模型的精度高,主要体现在预测误差较小,最大误差<6%.这有助于准确地预测沉降,从而使后期施工组织安排达到最优化,具有一定的经济效益.可以预见,经过模型的不断更新,当实测数据充分可靠时,对其长期趋势的预测可取得可靠的结果.     

ARIMAX多元时间序列和BP神经网络组合模型在居民消费结构预测中的应用

将动态回归模型ARIMAX和BP神经网络算法进行结合,设计了一种组合预测模型,研究人口结构指标对我国居民消费结构的影响发展趋势,通过实证预测检验了组合预测模型在居民消费结构预测中的有效性.研究发现,组合模型在预测精度上更优于其他两个单项预测模型,因此这个组合预测模型具有良好的预测性能.     

基于折扣高斯粒子滤波器的桥梁可靠性动态预测

桥梁健康监测(BHM)系统在长期运营中积累了大量信息,如何利用这些信息动态预测结构可靠性已成为BHM领域的关键科学问题之一.为合理预测桥梁的动态可靠性,应用BHM系统日常监测的极值应力数据,建立带有最优折扣因子的动态线性模型,结合高斯粒子滤波器给出折扣高斯粒子滤波器预测算法,分别对日常监测极值应力的一步向前预测分布参数和状态变量后验分布参数进行修正预测,并基于此,采用一次二阶矩(FOSM)方法预测桥梁的动态可靠性,结合桥梁实测数据对所提方法进行了验证分析,为桥梁预防性养护维修决策提供理论基础.     

核估计在双指标变权组合预测中的应用

在多项式系数自回归模型和半参数模型的基础上,建立了基于误差倒数以及相关系数双指标的变权组合预测模型.同时给出了一种新的确定预测值权重的估计方法,并对银的期货价格进行实证研究.结果表明,多指标变权组合预测模型的预测精度高于每个单模型的预测精度.     

基于径向基神经网络的集装箱吞吐量组合预测

利用上海港国际集装箱吞吐量的历史数据,分别采用灰色预测法和三次多项式曲线模型建立了单项预测模型.利用径向基（RBF）神经网络对两个单项预测模型结果进行了组合预测,以作为其最终的预测值.实验结果表明,采用组合方法比采用单一预测方法的预测精度有了进一步的提高.最后,应用马尔可夫链预测模型对组合预测结果进行分析,增加了结果的可信性.     

基于BP网络与WPGM(1,1)组合模型的地面沉降预测

文章针对区域性地面沉降问题,从传统灰色模型出发,对其背景值进行改进,建立动态定权灰色模型,并结合BP神经网络建立组合预测模型。该组合模型克服了单一灰色模型或BP网络模型不能很好地处理原始沉降数列波动较大的问题。对某地一水准点的连续多年沉降量建立组合模型,对后期沉降进行预测,将预测结果与二等水准测量结果进行比较,主要采用后验差检验法和相对误差比较对模型模拟和预测结果进行了检验,结果表明该组合预测模型可以大大提高预测精度和鲁棒性。     

基于Theil不等系数的调和平均组合预测模型在大坝安全监控中的应用

引进相关性指标Theil不等系数,采用调和平均组合预测方法,建立了基于Theil不等系数的调和平均大坝安全监控组合预测模型.结合某拱坝实测资料分析表明,该组合预测模型的预报精度高于传统的加权算术平均组合预测模型和各种单一预测模型,在大坝安全监测预报中具有较强的实用性.     

桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

非等间距GM(1,1)组合预测模型

根据灰色模型建模特点,利用等维灰色递补动态预测模型的方法建立了非等间距GM(1,1)预测模型。基于这些GM(1,1)预测模型给出了一类非等间距GM(1,1)组合预测方法。实例表明结果理想可靠,有较高的拟合和预测精度。     

基于贝叶斯超出表现模型的城市需水量组合预测

运用营口市人均综合用水量的历史数据,分别采用多元线性回归模型和BP神经网络模型对该市人均综合用水量进行预测,最后建立贝叶斯超出表现模型对所得到的单项预测值进行组合,实证分析结果表明,该组合预测模型获得了更为精确的预测效果,可以作为城市人均综合用水量预测的有效工具.