�˼���ͬ��ʼ������GM(1��1)���ν�ģ�о�

??о?GM(1,1)???????????????????????????????????????GM(1,1)????????????????Σ?????3′?л???????????????????????????????????RnGM???????????????RnGM????????е????????????GM(1,1)????????????б????????????RnGM???н????????????????????     

���ڹ۲�ֵ��Ȩ��λƽ��α��ı���α���ֶ�λ

????????????У?????????λ???α??????С??·??Ч???α??????????????????е????????????????????????????α??????????????????·??Ч????????????α?????λ???????????????????????λ???α??????????????????????÷??????????????????????λ?????     

��L���κ�C����SAR�����о��봨�����ͬ���α�

???ALOS PALSAR??Envisat ASAR?????????????α?????????L???κ?C????SAR?????????????????????L?????????????????????????????????????????α??????????α???????????PALSAR??????????????е?????????????????λ????????????????     

InSAR��ϻ��߹��Ʒ����о�

??????????????λ???α??????????????????????????????InSAR???????е????????????3?????????????????????????飬?о??????????????????????????????????????о????б????????????????????????????????????????????????????????????????????????????????????????????????????     

ʱ���������д�����ֱ�ֲ��ӳ�У���о�

????????????????InSAR?????????????????????????α?????????????????????????????????????????????????????????????????????α???????????Щ???????????????????????α?????????????α???λ??????????????????Las Vegas??????о????????????????????????????????????????????????????????????????????????Ч??????????????е??????????????     

���ö̻��߲�ָ�����ͼ�����ر��α䳡

????????????????????????е?????????????????????????????????????????????α???????м??α???????????????????????????????????????????????????????????????????????????????????????????Delaunay??????????????С?????????????λ????????????????????λ???????????????????????α???λ???н?????С???????????α?????????????С????????????????α??????????????????????????????α????仯?????????Ч??     

L���߷��ڵȼ�Ȩ���������ģ���е�Ӧ��

??????????????????????????????????????????????????L???????????????????????????????????????????е????????????????????t???Cholesky?????е?λ?????????????????????????????????????????????????е?λ???????L???????????????е????????á????????????????????????Ч?????????????????     

ͬʱ����x(1)(1)��x(1)(n)ΪGM(1,1) ��ģ��ʼ������Ԥ�ⷽ���о�

????GM(1,1)???????????????????о????????????????x⁽¹⁾(1)??x⁽¹⁾(n)??????????GM(1,1)??????????????????x⁽¹⁾(1)??x⁽¹⁾(n)?GM(1,1)????????????·???????x⁽¹⁾(t)?????????????????1-AGO???е???????????С?????????????????????????????????????????????????????????????????з?????????????????????????????÷?Χ?????????????????????????????????????GM(1,1)????????????????????GM(1,1)????     

LAMBDA������ CR-InSAR��λ����е�Ӧ��

??????????????????????????????α????????????????????λ?????????????????λ??????????λ????????λ?????????????CR??InSAR??????λ???????????GPS?????????????е???С????????????????????λ??????????????????InSAR???????????????????????????????????????????????????????????????????????????????????????????     

�봨�����α䳡��������ģ�����

??????????????????????????????е????λ????????????????????????????????α???????????????????????????????????????Ч???????????????????λ???????????????????????????λ???????????????????????????????t???λ???????????????????40%???????????????λ??????????2.7%?????????????????????????????????     

优化背景值的非等间距线性时变参数GM(1,1)幂模型在变形监测中的应用

为弥补传统GM(1,1)幂模型背景值等权构造的缺陷,针对原始变形序列的非等距振荡特征构建背景值加权优化的非等间距线性时变参数GM(1,1)幂模型,并采用具有全局优化特性、收敛速度快的粒子群算法求解模型的幂指数和背景值权重。以2组矿区监测点累积沉降观测数据为例进行沉降分析与预测,结果表明,本文模型的平均绝对百分比误差分别为2.33%和4.70%,预测误差分别为2.10%和6.38%,计算结果均优于其他3种模型。工程应用表明,优化模型在小样本非等距振荡序列应用中具有优越性,适用于地表沉陷的短期预测与时变分析。     

基于灰色理论的滑坡变形反演与预测研究

以紫阳县城滑坡为例，采用灰色理论的单序列一阶线性动态模型，在探讨滑坡变形规律的基础上，着重研究了滑坡变形的趋势预测及主要特征点变形的位移反演，为全面研究滑坡各阶段的变形规律提出了一种分析方法     

灰线性加权非等距GM(1,1)形变预测模型

结合加权非等距GM(1,1)模型与线性回归理论,构建灰线性加权非等距GM(1,1)预测模型,并给出对模型预测精度起决定性作用的灰指数v和参数m的优化方法。与加权非等距GM(1,1)模型和线性回归预测模型相比,灰线性加权非等距GM(1,1)预测模型的精度更高,预测有效时间更长,模型的稳定性更好。优化v和m后,灰线性加权非等距GM(1,1)预测模型的实用性、稳定性进一步提高。     

�ϲɿ������������GM-MarkovԤ��ģ���о�

?о???????????????????????????????????????GM-arkov????????????????????PSO?????GM??1??1???????????????????????????????????е???????????н??????????????????????????????????????????????GM-arkov?????GM(1,1????????????б????????????????GM-arkov????????????????????GM??1??1????     

GM(1,1)模型初始条件优化及其在GNSS钟差预报中的应用

针对现有改进GM(1,1)模型在导航卫星钟差预报中性能无明显提升的问题,提出通过优化初始条件来提高钟差预报精度的方法。首先构建初始条件未知的GM(1,1)预报模型,然后采用原始序列的最新分量求解初始条件,最后利用该模型对IGS提供的精密钟差数据进行预报实验。结果表明,将初始条件优化后的GM(1,1)模型用于钟差预报切实可行,且预报精度比传统GM(1,1)模型有较大提高。     

�˼�ģ��������GM(1,1) ����Ԥ�⽨ģ

????GM(1,1)?????????????????????????????????????????GM(1,1)?????????????????????????GM(1,1) ??????GM(1,1)??PGM(1,1)?????GM(1,1)????????????б???????????????????????GM(1,1)????????????     

GM(1,1)幂模型的改进及其在沉降预测中的应用

GM(1,1)幂模型可用于趋于稳定或具有S型变化趋势的沉降预测,但其存在灰色建模的固有缺陷、非等间隔数据的不适用性和参数求解复杂性等不足之处。结合幂函数变换与无偏GM(1,1)模型和非等间隔无偏GM(1,1)模型,建立了无偏GM(1,1)幂模型和非等间隔无偏GM(1,1)幂模型。基于Matlab程序,以拟合结果的平均相对误差最小作为优化目标,提出参数的优化求解方法,同时提出采用Origin拟合函数SRichards2的替代方法。实例分析结果显示,两种方法拟合效果相当,均可用于沉降预测。结合两者的应用效果和建模特点,建议人工处理数据时采用Origin拟合函数SRichards2;对于有特殊优化目标的情况或自动化监测设计时,可采用无偏GM(1,1)幂模型或非等间隔无偏GM(1,1)幂模型。     

白鹤滩和乌东德库区蓄水前形变分析

利用白鹤滩和乌东德库区2018～2019年两期最新地壳形变监测资料对两个库区在监视期的形变特征进行分析,其中水准和重力资料采用相对基准分析法,谷宽和跨断层测距资料采用投影面相对坐标分析法。结果表明：1）白鹤滩库区上游左岸中部存在16 km范围的沉降区,乌东德库区上游右岸水准支线所在地区隆升较大,两个库区其他地区均相对稳定,垂直形变量均小于5 mm;2）两个库区重力场变化基本平稳,无显著性异常变化,个别测点重力值变化较大是周围环境改变导致;3）两个库区4个谷宽网各点的相对坐标变化均不大,但4个谷宽网均显示相对收缩,量值在1~2 mm;4）两个库区6处跨断层场地中有5处比较稳定,监视期间断层无显著垂直活动和水平活动迹象,乌东德库区洛佐场地监视区断层两侧存在一定的差异性垂向运动并伴随水平向挤压运动。该结果可为水库蓄水后形变以及水库诱发地震的研究提供背景参考。