基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

基于动态自适应PSO算法的GM(1,1)融合预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b是两个关键的参数,其对模型的预测精度有较大的影响.在分析GM建模原理和参数对模型精度影响的基础上,提出了一种基于动态自适应粒子群算法的灰色GM融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用改进的粒子群优化算法来求解模型的相关参数.实例分析表明:与传统的GM(1,1)模型相比,动态自适应粒子群优化算法与GM融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型更具优势.     

半参数GM(1,1)模型参数辨识及滑坡变形预测

针对利用传统GM(1,1)模型进行滑坡变形预测时存有较大的局限性及模型误差的问题,引入半参数理论对其进行改进.构建基于半参数模式的GM(1,1)滑坡预测模型,以补偿最小二乘为约束条件,对半参数GM(1,1)模型的灰参数a和b进行辨识;并对影响半参数模型求解的关键参数正则矩阵R和平滑参数α进行优选,最后将半参数GM(1,1)模型用于茅坪和古树屋滑坡变形预测.研究结果表明:基于半参数的GM(1,1)模型拟合精度较高,预测结果正确可靠,能够反映滑坡变形位移的发展趋势.     

基于振荡序列的GM(1,1)幂模型建模研究

对于数据变化并不是呈单调趋势,变化无规律的振荡序列,建模难度较大,预测效果不太理想.若采用时间跨度较大的数据进行建模,数据变化较大,其预测精度不高.采用时间间隔较小的数据建模,则数据的统计特征不能充分反映.为尽量保证建模预测的可靠性,利用灰色系统建模理论建立GM(1,1)幂模型,该模型体现了灰色系统的能量特征,充分利用数据特征,采用信息覆盖思想设定幂指数的白化公式,并给出GM(1,1)幂模型参数求解方法,较好地解决了模型参数计算的问题,拓展了GM(1,1)模型的使用范围.实证表明,GM(1,1)幂模型与GM(1,1)模型相比有效提高了模型的预测精度.     

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.     

优化背景值的GM(1,1)

为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.     

时变参数模型在建筑物变形分析中的应用

对传统GM(1,1)沉降预测模型进行分析后,发现参数采用固定值与实际情况不符,会影响预测精度.为弥补这一不足,对传统灰色模型进行改进,假定参数是时间的连续函数,并对之做了拟合,提出含时变参数的GM(1,1)预测模型.实例证明此模型比传统GM(1,1)模型精度更高.     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.     

PSO-GM模型在拱坝变形预报中的应用

用PSO-GM模型来预测了拱坝变形情况.该模型通过粒子群算法优化灰色模型中背景值的权重系数r和指数灰元N,既保留了灰色模型要求样本数据少、短期预测精度高、可检验等优点,又弱化了线性GM(1,1)模型对累加生成的数据序列须成一定指数规律变化的要求,从而更具普遍性.通过工程实例计算验证可知,PSO-GM模型无论拟合精度还是预测精度都较一般线性灰色GM(1,1)模型好,可以为坝体位移监测提供参考.     

一种基于灰色模型的数据预测优化算法

近些年来,灰色模型GM(1,1)被大量应用于小样本或穷信息的预测,操作与实现步骤简单,预测精度较高.为了进一步提高GM(1,1)的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变通常把灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GAGM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.通过算法的数值实验,结果表明优化算法的预测精度高于传统的GM(1,1)算法及多个基于GM(1,1)的改进算法.     

预应力管桩极限承载力的灰色预测

运用灰色系统理论中的GM(1,1)模型,对桩的不完全静载荷试验p-s曲线进行预测,可以很好地解决工程实践中如何根据未达到破坏试验资料确定预应力水泥混凝土管桩的极限承载力的问题,且具有可靠的精度。     

大直径超长混凝土灌注桩极限承载力预测

对郑州市某32层高建筑物的3根大直径超长灌注桩进行了静载荷试验,利用桩的荷载-沉降数据建立GM(1,1)新陈代谢模型对桩的承载力进行了预测分析.结果表明,建立的GM(1,1)新陈代谢模型能及时补充桩顶位移新信息同时去掉老信息,极大地提高了预测精度.     

支盘桩极限承载力预测方法的比较

为探讨曲线拟合法用于挤扩支盘桩单桩极限承载力预估的适应性,将双曲线法、调整双曲线法、二次趋势预测法、指数曲线法及灰色GM(1,1)预测法5种预估方法应用于实际工程的试桩Q-s数据拟合计算中。结果表明,双曲线法计算结果有时偏差较大;指数曲线法、灰色GM(1,1)预测法及调整双曲线法的计算结果较为一致,与实测数据较为吻合且偏于安全,这三种方法具有较好的适应性,可供工程应用参考。     

基于灰色系统理论单桩竖向极限承载力的预测

根据不完全的竖向静载试验数据,利用灰色系统理论的GM(1,1)模型预测单桩的竖向极限承载力,并对结果的合理性及误差进行分析.工程实例分析表明,竖向静载试验所施加的荷载达到或超过极限荷载的四分之三时,利用其数据进行单桩竖向极限承载力的预测具有较高的精度.同时新信息GM(1,1)模型、新陈代谢GM(1,1)模型比老信息GM(1,1)模型预测的结果更精确.     

泥岩地基中动力打入桩竖向承载特性现场试验

为深入研究泥岩地基动力打入桩的竖向承载特性,开展了泥岩地基打入桩单桩竖向抗压静载试验,分析了试桩的沉贯与承载特性,探讨了地下水对试桩承载性能的影响,基于静载试验结果,对比分析不同理论预测模型的单桩极限承载力计算值,评估了模型的适用性。结果表明:试桩的极限承载力与打桩能量有关,不同的打桩能量对桩周泥岩造成不同程度的扰动损伤,进而影响试桩的承载性能;对比桩周泥岩遇水与试桩破坏情况,发现桩周泥岩浸水软化与否,与桩的破坏无直接关系;对比不同模型的极限承载力预测结果,认为双曲线模型更适合本试验场地泥岩的性质,预测曲线变化趋势和实测值吻合度较高;指数模型预测值与实测值产生较大差异的原因为试桩在最后一级荷载的非正常破坏,泥岩地基打入桩受超孔隙水压力、软硬互层及打桩过程扰动的影响,单桩承载力在很大程度具有不稳定性。     

预测钢筋混凝土预制桩竖向极限承载力的ANN方法研究

传统的钢筋混凝土预制桩极限承载力预测方法,难以考虑单桩极限承载力影响因素的模糊性和相互作用关系,本文提出并建立了预测钢筋混凝土预制桩极限承载力的人工神经网络方法,收集了某地区的41例钢筋混凝土预制桩,利用其中37例的实测数据建立了预测单桩极限承载力的ANN模型,另外的4例检验了模型的预测性能,研究结果表明,所建立的ANN方法的预测精度能够满足工程应用要求。     

基于灰色预测理论的单桩极限承载力预测分析

由于非破坏性单桩静载荷试验无法直接得出其单桩极限承载力,因此我们根据现场实测静载荷试验数据,利用灰色模型GM（1,1）来预测其单桩极限承载力;并通过对比实测与模拟的两条Q-s曲线,得出的预测结果可靠并符合预期。     

全螺旋灌注桩单桩极限承载力的预测

根据6根全螺旋灌注桩的实测桩顶载荷-桩顶沉降(Q-s)曲线,用双曲线法预测全螺旋灌注桩的极限承载力。研究结果表明:在极限加载范围内,用双曲线法能较好地预测全螺旋灌注桩的单桩极限承载力,拟合曲线与实测的曲线比较吻合且预测的结果偏于安全,预测结果的偏差与地层情况关系不大。     

砂土中螺旋桩在斜拉荷载作用下的承载性能

为研究斜拉荷载倾斜角度和叶片埋深对螺旋桩极限承载力的影响,基于ABAQUS软件构建了砂土中螺旋桩的有限元模型,通过螺旋桩水平承载机理砂箱试验与竖向拉拔试验数据,对模型的准确性和可行性进行验证。设置4组不同叶片埋深的螺旋桩模型,分别施加不同角度的斜拉荷载,探讨了砂土地基中螺旋桩的承载性能与斜拉角度、叶片埋深的相关性。结果表明:砂土中螺旋桩的极限承载力随着斜拉角度的增大不断减小;当斜拉角度小于30°时,螺旋桩极限承载力与斜拉角度的关系曲线近似呈线性;螺旋桩极限承载力存在一个临界埋深比,当埋深比大于等于4时,承载力不随埋深比的增大而变化。推导了深埋状态下螺旋桩受斜拉荷载作用的极限承载力公式,经验证该公式能较好反映螺旋桩极限承载力随斜拉角度增大而逐渐下降的规律。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.