优化的灰色离散Verhulst模型在基坑沉降预测中的应用

基于传统的灰色Verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散Verhulst模型。在基坑沉降监测中,由于有新的监测沉降值不断补充到原始数据序列中,各种因素会带来新的扰动,原来的模型精度降低,为避免由此产生的误差,用新陈代谢方法建立优化灰色离散Verhulst一维、二维新陈代谢模型。将传统Verhulst模型、优化的灰色离散Verhulst模型及优化灰色离散Verhulst一维、二维新陈代谢模型进行比较。研究结果表明:该模型通过采用离散化思维对原数据序列进行倒数变换,从连续形式向离散形式变化,减小了传统Verhulst模型建模过程中从微分方程到差分方程带来的误差;采用新陈代谢方法的优化灰色离散Verhulst模型精度更高,可选用该模型对基坑进行沉降预测。     

改进的Verhulst沉降预测模型及其参数估计方法

为提高软土路基沉降预测灰色Verhulst模型的预测精度,首先从沉降初始实测值修正和增加时间指数项两个方面对灰色Verhulst模型的离散时间响应式进行了改进;然后基于最小二乘原理,利用差分进化算法对改进的灰色Verhulst模型时间响应式进行直接地优化估计,避免了灰色Verhulst模型常规估计方法中因背景值选取问题而导致的计算误差.实例计算结果表明,改进的灰色Verhulst模型较原模型具有更好的灵活性和适应性,比Gompertz模型、Logistic模型、Bertalanffy模型、Weibull模型及原灰色Verhulst模型这几种沉降预测模型具有更高的预测精度,可供工程设计参考.     

基于平移变换的改进灰色Verhulst模型

根据标准S形曲线的数据特征和平移变换的数学性质,提出倒数一阶差分级比方差的函数变换准则.针对灰色Verhulst模型对初始值选取的依赖性,以新信息x(1)(n)作为初始条件,构建了基于倒数一阶差分级比方差缩小的平移变换灰色Verhulst模型.实例的计算结果验证了模型的有效性.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明：改进的灰色Verhulst模型较好地反映了告诉公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明:改进的灰色Verhulst模型较好地反映了高速公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

基于背景值和初值改进的灰色Verhulst 模型

针对灰色Verhulst模型的理论缺陷,在优化背景值的基础上,将X(1)的第n个分量作为灰色Verhulst模型的初始条件,改进灰色Verhulst模型.应用实例表明,在一定程度上,改进的灰色Verhulst模型消除了灰色Verhulst模型在背景值获取和初值选取时造成的误差,具有较高的模拟精度.     

基于灰色Verhulst模型的粮食物流量预测

针对粮食物流量预测的特点,引入灰色Verhulst预测模型理论,并分析此理论应用于粮食物流量预测的可行性,在此基础上建立粮食物流量预测的Verhulst模型。通过实际案例分析,及与其他方法预测结束的对比,表明灰色Verhulst模型在粮食物流量预测方面具有较高的预测精度。     

基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练.仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度.     

灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。