AR预测模型与α-β预测模型的实用比较

AR模型与α-β模型是建立变形测量动态预测模型的常用模型.文章介绍了这两种模型的建模方法,并用两个变形测量的实例对它们进行了比较.结果表明:两种模型的稳定性和预测能力基本相同,但α-β模型的建模方法更加简单方便.因此在建筑物的变形测量中,应优先考虑采用α-β模型建立变形预测模型.     

时间序列分析方法的研究

时间序列分析方法是建立变形测量预测模型的主要方法．本文就变形测量中用AR模型建立变形预测模型的参数估计问题以及模型阶次问题进行了探讨，并指出在样本观测值有限的条件下，宜采用最小二乘法及动态数据(DDS)方法建立动态变形的预测模型．     

基于优化支持向量机及极限学习机的滑坡变形趋势研究

受地质环境及多种诱发因素的影响,滑坡变形包含了多层次的信息,通过单一预测模型难以准确、有效地判断滑坡变形趋势.因此,建立多方法集合的系统模型十分必要.首先,利用小波去噪对滑坡变形序列进行去噪处理,将滑坡变形分解为趋势项和误差项,采用PSO-SVM模型对滑坡变形的趋势项进行预测,利用ELM神经网络进行误差修正,两者结果叠加即得到滑坡的变形预测值;其次,利用秩相关系数检验对滑坡的变形趋势进行判断,以验证前法预测结果的准确性,并探讨该方法在滑坡变形趋势判断中的适用性.经实例检验,得出:该预测模型的预测值与实测值基本相符,且较单一预测模型具有更高的预测精度;同时,秩相关系数检验的结果与预测结果相符,验证了变形预测结果的准确性及该方法在滑坡变形趋势判断中的适用性.     

基于组合模型的电主轴热误差预测

针对数控机床电主轴复杂的热变形机理,建立了基于径向基函数神经网络的组合预测模型预测其变化趋势.根据测量的电主轴热变形数据,分别采用自回归分析模型、灰色系统模型和智能组合预测模型对主轴热误差进行了预测.结果表明:电主轴热误差组合预测模型的预测准确性优于各单项模型,相对预测精度高出较高单项预测模型3％.     

网架结构变形的灰色预测

对网架结构特征点进行等时刻观测,利用灰色理论建立网架结构变形的预测模型,对网架结构的变形发展趋势进行预测分析,将预测结果与实际观测结果进行比对,确定灰色理论预测模型适用于网架结构的变形观测。在预测的精度分析中,采用残差检验的方法,通过对预测变形数据的绝对误差和相对误差进行系统分析,认为灰色理论的预测模型对网架结构的变形发展趋势具有较可靠的预见作用。     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

基于组合预测包容性检验的单项模型选择

组合预测模型实际上是单项预测模型的信息进行选择利用的过程.最优组合中单项预测模型的选择是十分重要的问题,将包容性检验应用于组合预测单项预测模型的选择;给出了基于组合模型包容性检验的单项模型的选择方法和步骤,该方法主要是利用增加一个单项预测方法的组合预测模型与原组合预测模型之间的包容性检验,确定单项模型是否要保留在组合预测模型中,这样可以达到提高组合预测的预测有效度.最后通过应用实例的分析,表明通过组合预测模型的包容性检验筛选出合适的单项预测模型,再建立组合预测模型就能够达到提高预测精度的效果,因此该方法是可行的和有效的.     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型.实验证明该模型的预测精度有显著提高.     

隧道围岩变形EMD灰色系统预测模型研究

基于经验模态分解降噪原理,建立了EMD灰色系统GM(1,1)预测模型, 使EMD方法与灰色系统GM(1,1)预测模型很好地相结合,有效地降低了原始监测数据内噪声干扰对预测结果的影响,并结合梅花山隧道工程实际,对EMD灰色系统GM(1,1)预测模型进行了检验。研究结果表明：EMD灰色系统GM(1,1)预测模型环境适应能力较强,预测结果与实际监控数据吻合程度较高,是隧道工程围岩变形动态预测较为有效方法,具有较好的工程实用价值。     

岩体声发射混沌动力学

采用混沌动力学研究了岩体声发射活动规律,并提出了岩体声发射时间序列确定性检验方法;计算了在岩体变形与破坏过程中不同阶段声发射混沌吸引子,分析了各阶段混沌吸引子变化规律;将混沌与神经网络相结合,建立了岩体声发射预测模型.此外,对工程岩体声发射进行监测,对测量数据进行了自适应滤波去噪处理.研究结果表明:工程岩体声发射活动存在4个不同的阶段:声发射稳定期,声发射活动初期,声发射活动加剧期和活动反转期.岩体破坏出现在声发射活动反转期,在此阶段声发射出现反常,混沌吸引子D减小;混沌动力学能反映岩体的声发射活动特征,所建立的模型能预测和分析工程岩体稳定性.     

隧道围岩变形量预测的灰色模型应用比较研究

隧道施工过程中的围岩变形监测是掌握围岩的动态信息、确保施工期间隧道稳定性的重要手段.围岩位移预测则是支护形式、支扩参数设计恰当与否和了解运营以后隧道长期稳定性的关键所在.传统预测方法有基于岩体力学理论的计算方法、基于实测值的拟合方法等,本文通过以实际工程原始数据列作为参考数列,建立围岩预测量测数据的灰色预测预测模型以及3种GM(1,1)改进模型,并通过比较结果及关联度分析发现,一般的GM(1,1)灰色预测模型适用于围岩变形量的短期预测,更新递增模型和新陈代谢模型在作较长期预测时,预测精度更高.     

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.     

BP神经网络在不等时距滑坡变形预报中的应用

介绍神经网络模型的建模原理和方法,并采用该模型对实际滑坡不等时距监测数据进行处理和分析。结果表明神经网络模型能够对变形监测不等时距数据做出比较准确的模拟和预报,从而能够为变形监测的不等时距数据处理提供一种较好的方法,可以作为今后同类数据处理的模型。     

卡尔曼滤波模型粗差的探测及其在施工变形测量中的应用

在施工变形监测中，由于监测点的多余观测值较少，因此很难发现观测值中存在的粗差。用卡尔曼滤波方法进行数据处理时，观测值中的粗差将在预测残差向量中得到反映。通过分析卡尔曼滤波模型误差与预测残差向量之间的关系，提出了对粗差进行探测的方法，并通过一个实例说明了该方法的有效性。     

课业负担检测与监控模型

基于检测中学生课业负担的目的,构建了有效的检测与监控模型.首先对辽宁省一些初中生进行问卷调查,并对调查问卷信度分析,数据整理,应用统计学理论,对调查结果进行相关性分析,删除一些与最终心理得分相关性小的一些题目,保留相关性相对大的一些题目,利用聚类分析法筛选数据,剔除一些边缘数据;然后利用这些有效数据应用多元线性回归分析原理建立中学生课业负担检测与监控模型,并对该模型进行显著性检验;最后进行模型验证,并绘制拟合曲线.结果显示：中学生课业负担检测与监控模型可以较为准确地测量中学生课业负担情况,为有关部门研究中学生课业负担的情况提供了可行的方法.     

预测地铁施工中地表变形的动态系统方法

提出了基于自回归（AR）模型对时间序列统一建模的新观点和方法,可大大减少计算量,并在微机上编程实现,以实例对动态模型与静态模型分别作了应用比较,结果表明,时间序列分析动态模型是系统分析的重要方法,是统计预测中的高级预测方法,预测精度高,用途广泛,而静态模型适合于内插,不适合于外推预报。     

基于GM（1,1）模型的变形预测研究

变形监测是大型建筑物、构筑物安全运营的保障性工作,而要避免灾害的发生,则需要进行相应的预测预警。从变形监测理论出发,探讨了当前变形预测的模型,开发了基于MATLAB的GM（1,1）模型计算程序,结合某沉降变形监测数据进行了预测分析,给出了预测精度评价和对比图,对GM（1,1）模型在变形预测中的应用是一次很好的实践。     

两种工况下电主轴热误差的组合预测模型

为了有效地提高数控机床电主轴热变形模型的预测精度,在2种典型工况下,根据电主轴结构热变形的产生机理,提出了一种基于模糊逻辑的组合预测模型.该模型综合了由自回归分析理论和灰色系统预测理论所建立的热误差模型,采用模糊逻辑选取权值,使各单项预测模型能够扬长避短,从而增强了组合预测模型的泛化能力.通过对电主轴热变形工况下的实验结果与计算结果的比较表明,在单项预测模型中的工况1下,灰色系统预测模型的相对误差较小(6.9%),在工况2下,自回归预测模型的相对误差较小(12.1%),而组合预测模型在2种工况下的相对误差分别为2.2%和8.9%.因此,组合预测模型具有较高的精度和较强的鲁棒性.     

引入时变递增因子的加权等维新息模型及预测

从灰色系统理论入手 ,针对已发生的时间序列的一组变形观测数据 ,按其可靠性随时间成正比例变化的特性 ,引入时变递增因子来定权 ,并及时更新数据 ,用最新的数据替换老的数据 ,建立等维新息模型 ,以保证原始数据对模型的作用 ,使模型更能反映实际 .实例计算分析表明 :该模型样本需求量小 ,计算简单 ,能动态地反映出系统的时变特性 ,并使预测精度得到有效的提高