基于EEMD-Attention-GRU的大坝变形组合预测模型

根据观测数据构建高精度的大坝变形分析模型,可以提前预知大坝行为的发展趋势.结合EEMD和Attention机制优势对GRU模型进行优化以构建大坝变形组合预测模型,旨在提高变形预测精度.首先应用EEMD对原始序列进行分解,得到一组相对平稳的分量;然后利用GRU深入挖掘各变形分量的时间相关性,引入Attention机制,在神经网络内部提取关键时序特征并传递到下一层,最终得到各分量预测结果;最后组合分量预测结果得到总的预测结果.结果表明,EEMD-Attention-GRU模型可以获得很高的变形预测精度,可为大坝行为分析提供参考.     

时序模型理论与建筑物变形规律分析

提出了利用动态的时间序列对建筑物变形的观测数据进行处理与研究的模型和算法,基于各期观测数据之间的相关性建立时间序列模型,对变形体进行实时动态的变形预报。并结合一组实例数据建立了MA模型进行分析和预测,将预测结果与实际数据相比较,发现能够取得较好的拟合效果与精度。结果表明:在合理的预测步数内,MA模型能够客观的指导和评价目标建筑物的质量状况,正确反映其变形规律和发展趋势,具有一定的实用价值。     

基于最优混合copula函数在股票市场中的研究

混合copula函数在刻画金融数据尾部相关性时具有更好的灵活性,基于此在描述上证指数及沪深300股指期货的相关关系中对比了三种混合copula函数的模型.模型一:混合Clayton-Gumbel copula函数;模型二:混合Clayton-Frank copula函数;模型三:混合Clayton-GumbelFrank copula函数.根据AIC准则、K-S检验选择最优拟合模型.实证结果表明两个序列存在非对称的尾部相关性;从拟合效果来看,模型三是刻画序列间相关关系的最优模型.     

基于射击误差状态方程的高炮毁伤概率建模

针对高炮武器射击误差序列具有相关性时毁伤概率的计算问题,提出了基于射击误差状态方程的高炮毁伤概率递推计算模型.该模型利用满足高斯过程的射击误差序列构建了状态方程,将射击误差中的弱相关误差源分解为可预测误差和不可预测误差,并利用预测系数表示误差序列的相关性.根据状态估计递推理论,给出了各发弹药的射击误差具有相关性条件下的高炮毁伤概率计算式.仿真实验表明,当射击误差序列为1阶自相关平稳序列时,与包括国家军用标准在内的毁伤概率计算方法的结果基本相同.但当射击误差序列为高阶自相关平稳序列时,文中提出的递推计算模型具有更高的准确性.     

变形预测中顾及时变特性的指数加权组合法

针对变形观测时间序列 ,提出直接用以往观测数据的指数加权形式来预测其将来值的方法 .这一方法分析和考虑了变形数据的时变特性 ,从而引入了衰减因子 .在变形监测分析与预测中具有一定的应用价值 .     

时间序列预测模型及其应用

预测预报是时间序列分析的应用之一，人们根据大量的观测数据对系统进行分析，主要原因是为了能够预测出系统在未来的特性，以便对系统的特性进行处理或控制．文章给出了自回归-滑动评价混合模型（ARMA模型）、平稳序列模型、差分序列模型（ARIMA模型）三种时间序列预测模型，并给出了具体的例子．     

顾及多因素影响的地壳形变回归——样条函数混合模型

本文利用三次B—样条和双三次B—样条分别建立单点变形模型和动态整体变形模型;为了使模型能够反映外界环境因素对地壳形变的影响,又建立回归—样条函数混合模型。算例表明,该方法对处理多因素影响的小样本变形观测序列是可行的。     

基于时间序列分析的动态变形预报

对变形体的变形趋势做出预报,是变形监测的主要任务之一.时间序列分析能顾及各期数据间的统计相关性,通过建模实现变形体的动态变形预报.鉴于AR模型估计参数时有递推公式,且工作量小,故在介绍时间序列模型的基础上,结合变形监测实例,讨论了AR模型的建模过程,并采用AR模型实现了变形的动态预报.     

基于非线性灰模型下贮油罐上水变形分析

大罐上水过程中的沉降变形具有规律性.利用灰色系统理论,把离散的沉降观测数据按某种序列(或某一约束条件)排列,考虑到大罐充水过程变形形式,分别建立了基于线性和非线性关系下的一阶连续灰微分沉降模型;同时选择上水水位高和上水时间序列作为模型变量分别进行解算,显示了软基础下的大罐,上水速度与罐体沉降变化基本呈线性的特点,就此推导了以连续时间变量序列来拟合与预测大罐上水过程的沉降变形模型.所提出的解算方法,可以方便大罐沉降变形的过程和规律分析,对指导同类上水试验工作具有一定意义.     

基于改进的分形插值与SVM的股指预测模型

为了更好地分析和预测股指时间序列的短期变化趋势,提出了一种确定分形插值自由参数的新方法,由此建立了一个改进的分形插值模型,并将该模型与支持向量机模型相结合构造混合预测模型.经R/S分析可知上海证券综合指数的日收盘数据具有长程相关性,于是将混合预测模型用于分析和预测上海证券综合指数时间序列,发现混合预测模型较其他方法具有更好的拟合效果,且在短期预测方面有更高的预测精度.