基于灰色残差GM（1，1）模型的建筑物沉降预测的研究

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义.针对传统灰色GM(1,1)模型存在的模型精度不高的问题,提出了灰色残差GM(1,1)模型,并将其应用于对建筑物的沉降变形进行定量分析.通过与原始模型的对比分析可以发现,灰色残差模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值.     

基于灰色GM(1,1)模型的桩基沉降预测研究

简述现有桩基沉降预测方法存在的不足,结合桩基沉降的特点,引入灰色预测GM(1,1)模型,建立基于灰色GM(1,1)模型的单桩及群桩沉降预测研究模型,并给出其建模的原理及建模的过程。最后,通过工程实例,进行实证分析,研究表明该模型具有良好的适应性,能更好地反映桩基沉降变形的规律,提高预测的精度,具有良好的工程应用价值和推广前景。     

基于组合模型的建筑物沉降预测

以上海某建筑物沉降观测数据[1]为依据,构建一种新的组合预测模型,并对沉降数据进行预测,将预测结果与前人单项模型预测结果进行对比,结果表明组合预测模型预测结果要明显优于单项模型。     

灰色-小波神经网络在高层建筑物沉降预测中的应用

滑动GM(1,1)模型对沉降的整体趋势有较好的预测结果,小波神经网络能够对非线性随机数据进行有效的预测,将两者结合起来能够提高预测精度。利用高层建筑物的沉降监测数据,构建GM(1,1)、滑动GM(1,1)和灰色-小波神经网络模型对高层建筑物沉降变形进行预测与分析。结果表明,灰色-小波神经网络预测效果优于滑动GM(1,1)和GM(1,1)模型且具有较高的精度。     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

基于灰色-马尔可夫模型的国内游客总数预测

结合灰色模型在小样本下预测精度较高的优点和马尔可夫模型对随机波动数据处理结果较好的优点,以2004—2015年国内游客总数构建传统灰色GM(1,1)模型、无偏灰色GM(1,1)模型、灰色马尔可夫模型和无偏灰色马尔可夫模型,并对比2016—2018年国内游客总数的预测值与实际值.结果表明,灰色马尔可夫模型和无偏灰色马尔可夫模型相比于传统灰色GM(1,1)模型和无偏灰色GM(1,1)模型的平均相对误差分别提高了2.36个百分点和2.33个百分点,灰色模型结合马尔可夫模型后能够解决对随机波动数据的预测偏差,有效提高预测精度.     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

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。     

基于灰色理论的上证指数预测研究

本文利用基于模型的灰色波形预测模型,选取2007年8月1日到9月28日的上证指数进行研究,结果表明在相同等高线范围内的预测值与真实值波动趋势基本一致,说明灰色波形预测模型在数量少、波动大的数据未来趋势预测上的优越性。但模型也存在一定的局限性。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

基于Matlab分析的路面平整度控制方法

为了在摊铺过程中控制和实现路面的平整度要求，从路面平整度的均方差评价指标及其测量方法出发，用Matlab开发了相应的模拟计算程序，分析了平整度均方差值与理想的正弦波形不平整路面的波长、幅值之间的定量关系，并根据车辆与路面相互作用时的行驶舒适性要求，确定了平整度指标、路面状态参数以及行驶舒适性三者之间的定量关系。分析结果给出了既满足给定的平整度指标又满足行驶舒适性要求的路面波长与幅值的取值范围，从而为定量控制路面平整度提供了一种新思路和方法。     

基于Matlab的彩色图形界面点阵生成技术

为了解决嵌入式系统彩色界面开发遇到的彩色图形点阵生成的问题,利用Matlab的图像处理函数和强大的矩阵运算功能设计一个可行的算法.并针对传统方法操作复杂,转换失真、数据溢出、图片混合和与C语言匹配等问题,对该算法进行优化.使用以DSP30F6010A为核心处理器和LMT057DNAFWU为彩色显示器的实验系统,验证该方法.结果显示,该方法转换后的图片失真小,而且兼容性好,可用于大部分的图片格式转换,图形点阵适用于嵌入式系统的彩色界面开发.     

基于Matlab的数据采集系统设计

详细介绍了基于Matlab的数据采集系统的设计原理和过程．利用Matlab所提供的数据采集工具箱能很方便地设计出所需的数据采集系统，并介绍了一个实现采集声卡数据的程序．①     

建筑物沉降的时间序列分析与预报

首先对建筑物沉降数据序列进行了平稳化处理,然后研究了平稳化序列的建模和预报方法,最后结合建筑物沉降监测的具体实例进行了时间序列的分析与预报.结果表明:将时间序列分析方法应用于建筑物沉降监测,具有建模容易、计算简单、预报快速的特点;时间序列分析方法对建筑物沉降具有较高的模型拟合及预报精度,尤其是短期预报,效果更佳;应尽量避免使用时间序列进行中长期预报,要根据实测数据对所建模型进行实时更新.     

基于Kalman滤波的目标轨迹预测

Kalman滤波器在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等．卡尔曼滤波器在机动目标跟踪中具有良好的性能,它是一种最佳估计并能够进行递推计算．但以Kalman滤波方法预测的过程需要对目标的运动方程有准确了解而且要求系统的过程与测量噪声为高斯噪声且相互独立,这在实时跟踪过程中都是很难满足的．本文利用基于Matlab编程的Kalman滤波改进算法实现目标预测跟踪,并绘出目标质心轨迹坐标．     

基于Web技术和Matlab的远程仿真实验室

阐述了Web技术、Matlab以及远程仿真实验室的组成,并用一具体实例说明远程仿真实验室的实现。建立远程仿真实验室能够达到用最少的投入保证学生获得最佳学习效果的目的。     

基于Matlab的旋转抛物面天线几种特性的仿真分析

对旋转抛物面天线的方向图、面积利用系数、口径截获效率和增益因子以及馈源方向函数等特性进行了Matlab仿真分析,得到最优化模型时的参数,可以用来指导天线系统的性能研究。     

基于Matlab的二自由度车辆的动力学仿真

基于Matlab对二自由度车辆进行动力学仿真。由滤波白噪声产生的路面激励作为系统的输入,通过建立系统的状态方程得出了三个系统输出:车身加速度、悬架动行程和车轮动载荷,并得出了在不同车速和路面情况下的仿真结果。     

基于Matlab程序的图像灰度均衡化及其边缘检测

主要讨论获得图片后如何提取其边界信息,首先利用图像灰度均匀化解决了对比度不清晰的问题,然后利用高斯滤波法对图片进行滤波去噪,进而利用Canny算法实现边缘检测提取边界,该方法与Matlab自带的求边界方法有明显的提高,为利用Matlab程序求图像分形维数提供了更精确的前提.     

基于MATLAB频分多址接入模型的仿真研究

介绍了频分多址模型,对模型进行了理论分析,采用Matlab编程模拟了其通信过程,并对实验结果进行了分析,实验表明该方法实用可行。