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。     

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。     

灰色Verhulst模型在隧道拱顶沉降预测中的应用

隧道施工中,受各种不确定因素的影响,隧道围岩变形特征极其复杂。因而必须通过对现场监测数据的处理和分析,及时了解围岩动态,确定合理的支护时间。对围岩变形监测数据的处理有很多方法,但是由于数据本身的贫乏性、不确定性,对以后的预测很难达到理想的效果。灰色系统理论特有的处理“小样本、贫信息、不确定“问题的特点使得其在这个领域应用具有一定的优势。本文以某高速公路隧道为例,通过引入灰色系统理论,利用Verhulst模型对拱顶沉降量进行了预测,为类似工程提供了参考和借鉴。     

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。     

灰色二阶预测模型建模方法的改进

灰色二阶预测模型 ,既能反映系统的趋势性变化特征 ,又能反映系统的周期性变化特征 ,因而具有很大的应用价值。然而建立模型的传统方法所采用的近似处理 ,使得模型精度低 ,极大地妨碍了该模型的应用。针对灰色预测模型建模方法的这些不足之处 ,提出并证明了建立灰色二阶预测模型的改进方法 ,并通过一个例子对该模型进行了验证。     

基于多灰色预测模型对比的高速公路路基沉降量预测

高速公路路基沉降量的预测不仅关系着高速公路的施工质量与服务水平,同时对高速公路的行车安全也有重要影响.根据路基沉降量的实测资料,通过多种灰色预测模型对路基沉降量进行了数据规律分析及精度对比,选取了最优的灰色预测模型对路基最终沉降量进行预测.为路基稳定性的评价与路基沉降的控制应对提供了参考.     

基于改进的GMM参数估计的目标检测方法

背景减除法通过计算当前帧与背景模型的差来实现运动目标的检测,因此背景建模是背景减除法的关键;混合高斯模型(Gaussian mixture model,GMM)可对存在渐变及重复性运动的场景进行建模,有效的提高了在光线强度变化,物体摇摆等复杂场景下建模的准确性;但它也有其固有缺点,针对利用传统EM算法进行GMM模型参数估计时,易陷入解空间的局部最优的缺陷,采用基于最大惩罚的EM参数估计,对传统的EM算法进行改进;另外,在检测不需要满足实时性时,提出了一种基于差分进化算法的GMM参数估计法;最后把改进的GMM参数估计方法应用于基于GMM模型的运动目标检测当中进行验证,并得到很好的检测效果.     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。     

基于灰色Verhulst模型的粮食物流量预测

针对粮食物流量预测的特点,引入灰色Verhulst预测模型理论,并分析此理论应用于粮食物流量预测的可行性,在此基础上建立粮食物流量预测的Verhulst模型。通过实际案例分析,及与其他方法预测结束的对比,表明灰色Verhulst模型在粮食物流量预测方面具有较高的预测精度。     

GM(1,1)模型和Verhulst模型的改进及其应用

基于残差修正对GM(1,1)模型和Verhulst模型进行改进,利用所改进的模型分别对湖南省固定资产投资和水稻产量进行预测.预测结果表明,改进后的模型模拟精度明显优于原来模型模拟精度,改进的方法分别更适合于固定资产投资和水稻产量的预测.     

垂直腔面发射激光器工作电流-输出光功率强度模型参数估计方法的改进

考虑垂直腔面发射激光器(VCSEL)在稳态时载流子数和光子数关系,改进了工作电流与输出光功率强度(L-I)模型的经验公式,利用交替方向乘子法,基于实测数据确定模型的参数.该模型在考虑激光器的偏置电流受激光器温度影响的同时,还考虑了激光器内部参数之间的耦合关系.仿真结果显示,改进后的模型所得参数,代入经验L-I模型,在相同算法条件下,和实测数据之间的均方误差值比仅考虑激光器偏置电流受温度影响的L-I模型的参数估计方法降低了约1.61 d B.同时,在较高的温度下工作,改进L-I曲线工作电流的有效区间更大.     

隧道地表沉降预测的时变参数灰序模型TGM-AR

在趋势项提取法中,针对逐步回归法比较烦琐及灰色模型预测精度低的缺点,结合灰色预报系统的灰色性和时变性,根据变形体的实际变形规律,将时变参数a(t),b(t)及灰色理论应用于时序模型建模中,提出并建立时变参数灰序模型TGM-AR.时变参数灰色模型用于提取趋势项部分,时序模型用于提取随机部分.将模型应用于隧道地表的沉降分析和预测,结果表明模型预报精度高,且趋势项的物理意义明确.     

技术创新扩散模型及其参数估计

利用微积分方法定理地对技术创新扩散的模式与发展规律进行了探讨，揭示了技术创新扩散发展变化的动力学特征，并提出了一种估计模型参数的非线性近似估计法。     

广义线性模型参数估计的随机加权法

在广义线性模型中,用随机加权法求解参数估计的渐近方差.通过推导给出随机加权参数估计与未加权参数估计的渐近分布,并且证明它们是相同的,从而可以用容易获得的随机加权估计的渐近分布去近似原参数估计的渐近分布.     

基于LS-SVM的TBM掘进参数预测模型

针对目前TBM数据挖掘能力和掘进参数优化预测分析的不足以及对未来TBM实现无人驾驶的展望,将最小二乘支持向量机（LS SVM）机器学习应用到TBM掘进参数预测中,从吉林引松工程TBM掘进数据中提取掘进上升段的刀盘扭矩、刀盘推力、总推力、推进速度这4个重要参数建立LS SVM预测模型,预测4个参数在稳定段的均值,并讨论了模型训练集大小、参数选取等对预测性能的影响。结果表明,以原始数据中均匀提取的样本、RBF核函数和10折交叉验证建立的LS SVM模型可以较为准确地预测稳定段中上述4个参数,验证了LS SVM机器学习预测TBM掘进参数的可行性。     

称名反应模型项目参数的打折似然估计方法

项目反应理论(Item response theory, IRT)是教育心理测量理论中发展较快的理论之一,称名反应模型是IRT中一个基本的项目反应模型. 该文借助2015年de la Torre提出的一种参数估计方法—打折似然方法,将它与拟牛顿法中的BFGS方法结合对称名反应模型的参数进行估计. 模拟研究表明：新的估计方法可有效地减少计算量.     

外插迭代法的最优参数估计及其在PE法上的应用

讨论了在原迭代矩阵含有复数特征值情况下外插迭代法的最优参数的选取，比较了外插迭代矩阵与原迭代矩阵谱半径的关系，及其在PE法上的应用．     

关于Logistic模型参数估计的比较

针对应用Logistic模型进行准确预测中的参数估计问题,研究一种交替迭代算法.Logistic模型参数估计问题是应用该模型进行准确预测的关键,一种交替迭代算法被提出用以估计参数.通过构造误差损失函数,并使之最小,证明了该算法的收敛性,同时指出应用中观察数据应满足的要求.仿真算例说明该算法较常用的多项式曲线拟合估计效果好.     

改进的方位各向异性地震反演裂缝预测技术及应用

在有限(窄)方位各向异性叠前地震反演裂缝预测技术中,如何克服噪音对反演结果的影响,一直是地震反演预测裂缝中的难题。通过对Rüger公式的近似、简化与改进,有效分离地震数据中的有效信号和噪音的效果。在地震反演中,结合成像测井解释裂缝成果,选定最合理的压噪因子参与反演计算。采用该计算方法预测裂缝密度与方位分布,不仅与成像测井吻合率较高,而且为井间裂缝预测提供了可靠的依据。在塔里木盆地YB1井区奥陶系鹰山组碳酸盐岩裂缝储层预测中应用效果较好,成功预测出该区裂缝主要在断层附近较发育,在构造隆起的东北部,裂缝发育程度较高,是该区油气进一步勘探开发的有利区域。