山区高速公路高路堤沉降灰色模型预测

山区高速公路在跨越深沟和高桥头引道时产生了高路堤,由于填方较高,路基沉降量较大,如何准确的推算高路堤预留沉降量和预压期时间,使路基沉降后仍能符合设计高度,并依据完成预压期时间来合理安排路面铺装,减少路基沉降差异产生的病害一直是个技术难题.提出了利用灰色系统理论的预测和决策功能,对高路堤沉降进行预测,研究表明,用GM(1,1)模型对其预测,建模简单,预测精度高,在预测山区高速公路高路堤沉降、高边坡滑移、地质灾害等方面有较大的实用意义.     

非等间隔序列的灰色模型在路基沉降中的应用研究

目前灰色系统理论中的GM（1,1）模型是应用于预测方面频率最高的模型,灰色GM（1,1）模型预测方法具有理论性强、实用价值高、计算简便等优点。本文就是在详述灰色系统基本概念、基本原理以及灰色建模理论和预测方法的基础上,以广东某高速公路沉降变形为依托,运用非等间隔GM（1,1）灰色模型对其变形进行分析,对以后的沉降量进行了预测。     

高速公路路基沉降预测研究

文章讨论了灰色系统理论在公路路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行了改进,建立了任意时间间隔的非等时序改进灰色模型.通过具体工程实践,给出了两种模型对公路路基沉降量预测结果与实测结果的比较,结果表明非等时序改进灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要.     

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。     

用灰色GM（1,1）模型作异常降水预测

应用灰色系统理论,建立了异常降水的预报模型GM(1,1).该模型首先选定某个异常值λ作为阈值,在原始数列λ(0)中选取对应于阈值λ的子集X_λ(0),重新构造一个对应异常值的时刻序列。将GM(1,1)模型与随机数据的累加生成相结合,对未来异常降水发生时刻作预测.实例预测结果与实况相吻合.     

改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

基于灰色系统理论的常压蒸馏装置腐蚀预测

针对某炼油厂炼制中东进口原油后常压蒸馏装置设备冲刷腐蚀明显加重的问题,在常压蒸馏塔顶换热器入口分配管弯头处进行定点测厚,对其厚度减薄情况进行监测.弯头壁厚数列是准光滑序列,它的一次累加生成具有准指数规律,可以建立灰色微分方程.针对此灰色腐蚀系统建立GM(1,1)模型,利用此模型对原始数据序列进行模拟的平均相对误差为1.90%,而通过对原始数据序列加上100进行平移,然后再从预测结果中扣除增加量的方法得到改进的GM(1,1)模型,平均相对误差为1.31%,模型精度得到提高.采用全部数据建立改进的GM(1,1)模型,对弯头的壁厚进行模拟,对未来可能的壁厚进行区间预测.结果表明:弯头在2 a的使用期内是安全的,3 a后弯头极有可能蚀穿;采用灰色系统理论对冲刷严重的部位进行寿命预测是可行的,有助于制定合理的检修周期,保障设备的安全.     

地面沉降模拟计算的灰色模型

地面沉降的模拟计算属于灰色问题,灰色系统模型有多种,选择合适的沉降量与时间的关系模型对模拟计算而言是很重要的,将某市地面沉降数据分为大样本和小样本序列,分别使用GM(1,1)和灰色线性回归组合模型进行了建模、预测和精度分析.研究结果表明,利用小样本数据和灰色线性回归组合模型进行模拟计算精度更好.     

高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。     

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.