堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后,用灰色非线性系统模型模拟剩余数据系列的趋势项,用时间序列模型模拟剩余数据系列的随机项,由此建立了堆石坝变形监测的灰色非线性时序组合模型。计算分析表明新模型提高了拟合精度,使堆石坝变形监测的数学模型更趋于合理。     

改进灰色时序模型在建筑物变形监测中的应用

建筑物变形监测数据中存在着随机干扰和不确定性因素,而单一的数学模型预测结果精度较低,制约了变形预测的准确性。针对这一问题,文中采用了一种自适应Kalman滤波的灰色时序组合预测模型。首先,通过自适应Kalman滤波算法对原始数据进行去噪处理,动态的去除数据内部的随机干扰误差;然后,将灰色模型(GM模型)与时间序列分析模型(AR模型)相结合,得到拟合时间序列中的沉降量趋势项和沉降量随机时间序列剩余项,生成一种非线性组合模型;最后,对变形监测数据进行整理预测,并将该预测模型应用于建筑变形工程实例中,与GM(1,1)预测模型、GM(1,1)-AR预测模型通过平均残差、残差的方差和后验差比值进行对比分析。结果表明:该模型后验差比值可达到0.045 1,所得数据结果明显减小,预测精度显著提高,结果更加准确可靠。     

组合模型在大坝变形监测中的应用

鉴于各种传统的大坝变形监测方法必然造成信息量的丢失,有必要寻找一种可以最大化利用各种拟合方法所包含的信息,并最终达到提高高程拟合精度的方法。提出了基于BP神经网络方法与逐步回归方法的组合模型,研究了将该组合模型用于大坝变形监测的精度和可行性,通过具体工程实例验证,详细介绍了该组合模型在大坝变形监测中的应用。     

混凝土坝变形的灰色回归-时序模型

应用灰色系统理论、逐步回归分析理论及时间序列分析理论等多种理论和分析方法，提出了混凝土坝变形的灰色回归－时序模型，该模型充分考虑了影响混凝土坝变形的因素众多，具有一定的灰以度的特点；并充分提取了对混凝土坝变形产生的有用信息，结合工程实例计算，并与其它模型对比，结果表明该模型是有效的，也是可行的。     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

灰色线性回归组合模型在沉降监测中的应用

为了在贫数据条件下准确预报中长期沉降值,采用线性回归方程和指数方程的组合方式,通过适当配置模型的某些参数来获得新的生成序列函数模型．结合工程实际算例进行预测,并和实际观测数据比较,取得了较好的效果,验证了灰色线性回归组合模型应用于沉降监测预报的可行性．通过其残差与回归分析模型和灰色预测GM（1,1）模型残差相比较,证明该模型在沉降预报中优于回归分析模型和灰色预测GM（1,1）模型．     

体检指标健康预警的灰色-时序组合模型

对于个体健康体检数据而言，传统的以大样本为基础的数学模型无法满足体检数据的建模需求。基于个体体检数据特征分析，首先构建适用于个体体检指标健康预警的近似非齐次指数序列的改进离散灰色模型。其次，为降低单个模型预测精度的有限性，利用方差倒数法为离散灰色模型和差分自回归移动平均模型赋权重，在模型误差平方和达到最小时取得最佳的权重值。从而将两个模型的预测结果进行组合，实现对健康指标的建模与趋势分析，及时掌握个体健康指标的变化并发现潜在的疾病隐患。预测模型在实验数据集上的相对模拟误差与最优基准模型相比有所下降，表明灰色–时序组合模型具有更高的模拟精度，解决了传统的依据单次体检指标进行静态分析的弊端以及单个模型预测结果的局限性，更加关注个体差异，能有效提升健康预警的效果。     

灰色时序模型及其应用

利用灰色理论与时序分析对数学建模进行分析，给出了一类建模与预报方法。实践表明这一方法有好的应用效果，如对能源生产进行预报，预报值与实际值之间误差很小。     

灰色-线性回归组合模型在预测中的应用

针对现阶段灰色经济预测方法在实际应用时的千变万化的情况,结合实际调查和预测经验,提出了一种基于灰色理论和线性回归理论的模型--灰色线性回归模型.给出了灰色-线性回归模型算法的基本思想和计算步骤,并举例说明如何用该模型解决实际问题.结果表明灰色-线性回归模型用于预测是有效的和可行的.     

基于灰色Verhulst模型的珠江新城隧道变形监测数据分析

针对珠江新城隧道工程水文地质和周边环境的实际情况,该文建立适用于该工程的变形监测系统,并以地表沉降变形监测数据为例,对隧道变形规律特征进行研究,利用灰色Verhulst模型对其进行回归处理分析,得到相应变形曲线规律与数学模型,证明了灰色理论在工程应用中的可靠性。该文对断面E2-6测点的监测数据进行回归分析,结果显示:利用灰色Verhulst模型得到拟合的曲线与累计沉降变形的时程曲线的相关性高达0.989 4,与实测数据相比吻合度高达92.63%,拟合模型较好。     

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

灰色系统理论在变形观测中的应用

建筑施工中,沉阵监测是监测建筑物是否安全的重要环节,将灰色系统理论应用于建筑物沉降变形的数据分析,结合沉降观测实例,可进行沉降预测结果的分析和检验,进而证实建筑物沉降变形分析中采用灰色GM（1,1）预测方法的可行性,关键词：灰色预测;GM（1,1）模型;基坑变形。     

基于神经网络与时空序列的混合模型在变形监测中的应用

在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型的应用带来了局限性.由于BP神经网络具有很强的非线性映射能力,基于此,结合这两种模型的特点,构造ANN+SRATMA混合模型来处理非平稳序列.通过对建筑物的沉降观测进行分析研究,结果表明了混合模型要优于单一模型,具有很好的实用性.     

图书借阅量的灰色回归组合模型研究

将灰色预测模型GM(1,1)和线性回归预测模型相结合,采用"误差平方和最小"作为最优准则,建立了图书借阅量的组合预测模型.结果表明,用该模型对图书借阅量进行预测,其预报精度优于各个子方法,具有很好的应用价值.     

一种基于改进型RBF神经网络的非线性时间序列预测模型

RBF神经网络具有收敛速度缓慢、全局搜索能力差等缺点,提出了一种基于遗传算法的RBF神经网络,经过自适应遗传算子参数优化,提高了RBF神经网络模型的预测精度,实现了非线性时间序列的预测.仿真实验结果表明,基于遗传算法的RBF网络预测模型非常适合非线性时间序列的预测,是可行的、精准的、有效的.     

基于时序分析的边坡变形预报与变形行为特征

把数理统计软件Eviews引入岩土工程领域,对东明矿J2边坡监测点高程监测数据分别建立双对数模型、指数模型、线性模型、三阶多项式模型进行回归分析,找出物理量随时间变化的规律,然后通过相关统计学及力学假设,依托现有实测工程数据,建立时序模型并优化之,将经典ARMA模型推广到ARIMA模型,提高了拟合和预测精度;依据所建模型给出位移预报曲线,并探讨了边坡变形行为特征,对揭示边坡系统变形规律,选取最优防护体系具有指导意义,为工程数据分析和数值模拟提供了新思路.     

结合序贯平差方法监测地表形变的InSAR时序分析技术

基于短重访周期SAR卫星影像,对黄河三角洲地表形变进行高效和持续监测的SBAS-InSAR时序分析.首先对研究区已有的SAR影像集进行干涉处理,得到干涉图,并进行大气效应校正和轨道误差去除,然后利用传统的SBAS(small baseline subset)方法获取地表形变.在此基础上,当增加新的SAR数据时,采取渐进...