MVMD-ARMA残差修正电离层预测模型的研究及应用

针对变分模态分解端点效应处理方法的缺陷和分解过程中需要人为地控制输入参数,会严重影响预测结果,且ARMA模型本身在极值点附近预测精度就不高的问题,该文提出了MVMD-ARMA残差修正电离层预测模型,加强对分解时端点效应的控制,并通过阈值条件,自动选取最优参数,且对预测结果进行了残差修正。实验结果表明,改进模型的绝对残差均值为0.95TECU,分别比ARMA模型和VMD-ARMA模型小0.20TECU和0.11TECU;残差标准差均值为0.67,分别比ARMA模型和VMD-ARMA模型小0.17和0.09;平均相对精度的均值为88.64%,分别比ARMA模型和VMD-ARMA模型高2.56%和2.23%。     

傅里叶级数残差修正的TDGM(1,1)模型预测基坑地表沉降

基坑地表沉降预测是城市化进程中的难点问题,由于地表沉降的影响因素众多,使用单一模型预测难度较大.提出一种基于傅里叶级数残差修正的TDGM(1,1)模型(线性时变参数离散灰色模型),利用TDGM(1,1)模型对前期沉降数据进行建模,得到初始预测值和残差后,利用傅里叶级数对残差进行修正,以此修正预测结果.分析对比2组实验,结果表明,改进模型能够有效提高地表沉降预测精度.     

极移时间序列建模及预测

基于自回归滑动平均(auto-regressive and moving average,ARMA)模型以及一阶差分ARMA模型分别对极移的X分量和Y分量进行了模型拟合,并利用所拟合的模型对极移进行了预测.通过与国际地球自转服务发布的实测极移数据以及其他方法对比,证明了所建立的拟合模型在短期预报上的有效性.且X分量的ARMA模型在39 d预报跨度内的整体精度优于一阶差分ARMA模型,而Y分量45 d内的一阶差分ARMA模型预报精度比ARMA模型预报精度更高.     

马尔可夫残差修正模型的高铁路基变形预测

针对灰色系统模型在变形预测中存在预测结果不理想的问题,给出马尔可夫残差修正模型,首先应用灰色预测模型对未来的沉降变形进行预测,然后用马尔可夫过程对预测结果修正,提高预测精度。应用表明:马尔可夫残差修正模型的预测值与观测数据的拟合结果优于传统灰色系统预测模型以及残差修正模型,其预测精度明显提高,沉降预测值更为可靠,可为工程监测提供科学决策依据。     

改进的修正预测法预报电离层

利用自回归移动平均ARMA模型的线性最小方差预测法预报电离层存在的主要问题是极值点处预测误差较大。通过对模型阶数上限及定阶准则的选取进行实验分析,确定了合适的模型阶数并建立了相应模型。修正预测法可利用新信息对线性最小方差预测法的预测结果进行修正。这是一种短期预报方法,每次向前预测一步即2 h,但结果并不理想。考虑到电离层变化的周期性,为了进一步减小极值点处预测误差,提出了改进的修正预测法。实验表明,改进的修正预测法预测结果与原始值符合较好。     

灰色系统理论用于矿震极值预测的初步研究

研究应用灰色系统理论,结合矿震极值数据,建立GM(1,1)预测模型,在此基础上进一步应用残差修正主模型,由构造出的新模型推测出未来的矿震极值。预测结果有较高的精度,为矿震极值预测提供一种可行性方法。     

基于小波分析的灰色-神经网络组合模型在大坝变形预测中的应用

监测序列经小波分解后可以得到各层分量。对低频分量采用灰色GM(1,1)模型进行建模预测,对高频分量采用BP神经网络进行建模预测,最后将各分量进行小波重构,得到监测序列的预测值。将预测值分别与没有进行小波分解直接用GM(1,1)模型预测的值和经小波分解的低、高频系数都采用GM(1,1)模型预测的值进行对比,发现经小波分解的灰色-神经网络组合模型预测精度更高。     

改进局部均值分解及在建筑物变形监测中的应用

局部均值分解(Local Mean Decomposition,LMD)算法在对建筑物变形监测数据进行噪声抑制时存在端点效应及阈值设置困难问题,提出一种基于噪声辅助和奇异值分解(Singular Value Decomposi-tion,SVD)改进的LMD噪声抑制方法,首先通过对原始变形数据加入受控高斯白噪声再进行LMD分解的方式解决传统LMD方法的端点效应问题,然后利用连续熵差值特征确定LMD分解的高频分量和低频分量分界点,其中低频分量为变形趋势信息,高频分量包含噪声分量和变形信息,最后利用SVD对高频分量进行噪声抑制,并将其与低频分量叠加得到噪声抑制后的建筑物变形信息.采用仿真数据和实际工程实例对所提方法的噪声抑制性能进行验证,结果表明相对于传统LMD方法,经验模态分解方法(Empirical Mode Decomposition,EMD),所提方法可以获得更好的噪声抑制性能,能够明显提升建筑物变形预测精度.     

一种状态区间取值修正的灰色-马尔科夫链预测模型研究

提出了一种对灰色-马尔科夫链预测模型的状态区间取值修正方法.考虑实测值在状态区间中的位置分布情况作为先验知识,对状态区间的端点重新定权,修正预测值在状态区间中的取值,从而获得更高精度的预测结果.结合某建筑物的实测沉降数据,与原始GM(1,1)、残差修正G M(1,1)、灰色-马尔科夫链预测模型进行对比,结果表明:本文预测模型精度更高,状态区间取值修正方法对灰色-马尔科夫链的精度改善有一定的实用性.     

一种抑制边界效应的EMD方法及其在滑坡监测中的应用

滑坡位移序列的正确分解对滑坡的预测、预警有重要影响。经验模态分解是一种常用的时间序列分解方法,但该方法在分解过程中存在端点效应,建立的预测模型端点发散,导致预测误差出现较大偏差。为此,本文基于函数延拓的原理对经典经验模态分解方法进行改进,提出一种抑制端点效应的经验模态分解方法,利用金沙江白格滑坡数据对改进方法进行分析验证。试验结果表明,改进方法的端点效应抑制效果良好,预测精度较经典方法有一定的提高。