基于Matlab建筑物沉降的灰色预测

由于影响建筑物沉降的因素有明确的部分,也有不明确的部分。文章把建筑物沉降看作一个灰色系统,以灰色理论中的GM（1,1）作为模型,采用相对误差检验模型的精度,编制Matlab程序,能快速得到预测值,并具有较高的精度。通过实例能很好的验证建筑物沉降过程,对建筑物后期沉降控制有着重要意义。     

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。     

基于灰色模型的节水灌溉面积非线性组合预测

对数据进行建模预测分析时,较多采用单个模型,而单个模型难以全面反映数据的变化规律.为发挥单个模型自身优势,利用组合原理将单模型组合形成组合预测模型,以提高预测精度.组合模型中常采用线性组合方法,然而被组合模型拟合值与原始数据不具有线性关系时采用该方法效果较差.利用神经网络的高度非线性拟合能力,构建BP神经网络的非线性组合模型,并应用到我国节水灌溉面积年度数据预测上.实证表明,非线性组合预测模型精度优于单模型及基于最优加权的线性组合预测模型.     

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GM(1,1)模型和灰色关联度的组合预测新方法

在一般GM(1,1)灰色预测模型的基础上,为了及时补充和利用灰信息,采用等维灰色递补的方法从而得到n-m个单个灰色预测模型进行组合预测建模,然后基于灰色关联度这一相关性指标来确定权重,得出组合预测模型值.最后,通过实例分析和精度检验表明它是一种有效的组合预测方法,且结果比较理想.     

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.     

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．     

基于传导模型的2010年价格指数预测

为了研究价格传导规律,准确预见2010年价格变化趋势,运用差分回归分析建立传导模型、GM(1,1)模型的方法,以1994-2009年各月原材料、燃料、动力购进价格指数(PPR)、工业品出厂价格指数(PPI)、商品零售价格指数(RPI)、居民消费价格指数(CPI)为基础,预测2010年这四种指数变化情况,研究结果表明:当前通货膨胀已经非常明显,需要适时引导通胀预期,防止出现严重的通货膨胀。该研究成果为宏观经济决策提供依据。     

基于组合预测模型的我国天然气需求预测

在世界能源低碳化的要求下,天然气以其碳含量优势成为低碳能源的重要组成部分,天然气需求预测也随之成为焦点.运用多项式趋势面分析法与GM(1,1)灰色预测法对原始数据序列进行处理,并将两模型下处理后的数据以及二氧化碳排量数据拟合回归方程建立组合预测模型,随后以我国2003—2011年人口、GDP、天然气消费量及二氧化碳排量数据作为原始数据序列进行实例分析,通过残差检验发现,该组合预测模型的预测精度在99.96%以上,属于较好的预测模型,预测数据可靠.最后,运用该模型对2012—2018年我国的天然气需求量进行预测.     

灰色组合预测模型及其在人口预测中的应用

分别以原始数据的一次累加生成序列中的每个数据作为初始条件,建立了多个GM（1,1）预测模型,进一步建立了线№组合预测模型,组合模型的权系数利用蚁群算法确定．最后给出了我国人口数量的组合预测模型,计算结果表明,灰色组合预测模型的拟合和预测精度要优于单个传统预测模型．     

基于GM(1,1)模型的山西省人口预测

根据2001年至2009年的山西省人口变化特征,选择GM(1,1)模型的3种形式并借助EX-CEL、MATLAB等软件对山西省人口总量进行了数值拟合分析,并利用这3种模型对山西省人口总量作预测。通过检验分析,模型的预测精度大都大于99.9%,其中指数模型的预测精度最高。并预测在今后一段时间内,山西省人口将继续保持低自然增长率,山西省人口总量到2030年预计将增加到3 866.024 2万人。     

最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.     

基于GM（1，1）模型的河南省民用汽车需求预测模型

利用灰色系统理论研究了河南省民用汽车数量的预测问题,根据近几年河南省民用汽车数量的数据,运用灰色系统理论的GM（1,1）模型建立了时间序列模型建立了时间序列预测模型,并通过实际数据进行仿真,证实了所建模型是可靠和可行的．     

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.     

灰色模型与自回归模型组合在钟差短期预报中的应用研究

研究卫星钟差预报的精度及稳定性对增强卫星导航系统的导航、授时等功能有重要作用。针对GM(1,1)模型在卫星钟差短期预报时存在的问题,引入AR模型对其预报结果进行修正,以提高钟差预报结果的精度和稳定性。实验结果表明：组合模型的预报精度较单一GM(1,1)模型有一定提高,其中铷钟的精度提高较为明显,铯钟的精度则提高较少;此外,组合模型的误差变化趋势与GM(1,1)模型相似,但稳定性相对更高。     

基于灰色GM(1,1)模型的河南省农村劳动力预测

基于河南省统计年鉴2006—2013年的数据,运用灰色预测理论,建立了河南省农村总人口以及农村劳动力的灰色预测模型.结果显示:在未来几年,河南省农村总人口及农村劳动力人口将有所减少,劳动力的比重呈现下降趋势,但是供应规模依然较大.     

灰预测模型在连续梁桥施工监控中的应用研究

为保障桥梁施工线形与设计线形一致性及施工过程的安全性,采用灰色系统理论,以实际连续刚构桥梁施工过程中不同工况下的挠度及应力数值模拟结果及现场实测结果作为原始微分序列建立GM(1,1)模型,以Matlab作为计算工具编制相应的计算程序,预测悬臂施工过程中的挠度及应力变化,并以此来指导桥梁现场施工.结果表明:预测结果与现场实际测试结果较为吻合,施工过程各节段应力均在设计容许范围内,最终成桥线形与设计线形保持了较好的一致性.     

基于灰色GM(1,1)模型的河南省城镇化水平预测

首先根据河南省人口城镇化数据的特点,将2008—2012年的城镇化水平作为原始数据,建立河南省人口城镇化水平灰色预测模型;其次采用残差估计进行模型检验,结果表明该模型的预测结果较好;最后,根据GM(1,1)模型预计2020年河南省城镇化水平将达到58%左右.     

关于山西煤矿百万吨死亡率GM(1,1)模型预测研究

根据灰色系统预测理论,建立了煤矿百万吨死亡率的GM(1,1)动态预测模型对山西省近几年的煤矿百万吨死亡率进行统计预测,并验证了预测精度。结果表明:该预测模型的构造是准确的,对煤矿的安全生产提供了科学的理论依据。