GOM和时间序列组合模型在地表沉降预测中的应用

一般灰色模型是基于正向累加数据建立的,针对沉降系统的特点采用反向累加模型并且改进模型背景值的计算方法建立改进GOM模型,进行数据序列趋势项的提取,结合时间序列反映随机性的优点建立GOM和时间序列的组合模型进行沉降系统的数据预测,验证了方法预报的精确性和实用性。     

灰色模型GM（1，1）中积分参数的确定

灰色模型GM（1,1）中主要有3个参数,其中积分参数直接影响着灰色模型的短期预报,对其求解需要一个约束条件。给出了灰色模型中基于一次累加序列约束和基于原始序列约束条件下积分参数的确定方法,并通过实际算例进行了比较。结果表明,总体而言,不同准则下获取的c值对短期预报结果相差较小,实际应用中可以采用最常用、最简单的过第一点准则来确定。     

改进GM(1,1)模型在建筑沉降变形观测中的应用

灰色预测模型GM（1,1）的建模思想是：原始序列（非负序列）经过一次累加生成后,形成一个单调递增数列,新序列中各数据点的连线可以用指数函数y=ae^bx进行拟合。根据这个指数函数可以推导出下一个累加值的预测值（即第一个预测期）,最后通过累减生成将累加序列预测值还原为原始序列预测值。本文通过对原始序列进行指数-幂函数变换,增加了原始序列的光滑度;并在灰参数求取过程中对原始序列赋以权重,利用迭代计算的方法推导出了模型精确背景值;最后通过使预测序列残差平方和最小的方法计算出最优初始条件,进而提出了一个改进后的GM（1,1）模型。利用改进后GM（1,1）模型对某大厦沉降监测数据进行模拟与分析,并对改进前后的模型进行对比与分析,结果表明,改进后模型的各项精度因子相比于传统模型均有所提高,且时间序列越往后的预测值,精度越高。     

基于灰色时间序列分析的建筑物变形预报研究

提出一种基于灰色时间序列分析的建筑物变形预报方法。对建筑物变形观测数据进行累加,削弱其随机扰动的影响。通过增强建筑物变形观测数据规律性,达到提高时间序列分析预报模型精度的目的。实测数据分析表明,该方法能够有效提高变形预报的精度与可靠性。     

改进不等时距权重的灰色残差组合修正模型及其应用

为提高传统不等时距灰色模型（TUTGM）的预测精度，提出了一种改进不等时距权重的灰色残差组合修正模型（IUTWGM-RCC）。首先在传统不等时距灰色模型中引入时距权重分配系数，按照累加生成和累减还原过程的生成序列不同，构建了4种不同的预测模型，并依据相似度准则确定最优拟合序列和预测值；然后采用正弦函数和谐波变化生成的周期序列函数修正残差序列，进一步提高模型的预测精度；最后对建筑物3个观测点的沉降量进行预测。结果表明，累减还原过程引入不等时距权重的灰色模型预测精度最高，经残差组合修正后，预测结果的后验差比分别为0.04、0.11和0.05，精度等级为1级。     

灰色模型在非等步长变形监测数据处理中的应用

常规变形监测数据处理中的GM(1,1)灰色模型是以等时间间隔观测值为原始序列,经一次累加处理,建立生成数列的一阶微分方程,并利用最小二乘求解未知参数的建模方法;但实际监测过程中,因受诸多因素影响,采集到的原始数据多呈现非等间隔分布,引入时间权重思想建立改进的GM(1,1)灰色模型,通过对沉降数据进行建模分析及精度检验,扩大了灰色模型的适用范围,验证了该模型的可靠性和科学性。     

非等间距GM(1,1)模型背景值优化方法在沉降预测中应用

基于初始条件、背景值等是灰色建模精度和适应性的重要影响因素,本文针对非等间距GM(1,1)模型中的背景值进行了优化改正,提出一种带有适应因子λ的背景值构造方法。根据灰色模型的一次累加生成序列的近指数特征计算了模型发展系数a与适应因子λ。结合实例,与非等时距GM(1,1)的初始条件优化模型对比分析,结果表明经过优化背景值的非等时距GM(1,1)模型有效地提高模拟预测精度,同时也适用于等间距模型,具有较强的适用性。     

动态灰色-时序模型在建筑物沉降预测中的应用

针对灰色模型和时间序列都无法准确预测建筑物波动性沉降的问题,本文采用动态灰色模型和时间序列相结合的方法来预测分析其沉降趋势。首先根据监测数据建立灰色模型,在此基础上构建动态灰色模型来拟合时间序列中的趋势项,然后依据时间序列进行预测。结果表明:动态灰色-时序模型能够准确预测建筑物的变化趋势。     

动态灰色模型在变形预测中的应用

本文在引入序列算子成功构造灰色序列的基础上,详细讨论了灰色预测模型的基本内容和两种动态灰色预测模型的实现,并成功将其应用于广州地铁变形监测的数据预报。实践及理论证明,新陈代谢灰色预测模型由于实时加入系统的最新信息,提高灰区间的白度,预测精度最高;灰数递补模型通过引入灰数,一定程度上也提高了预测的精度。新陈代谢灰色预测模型实践证明预测精度可达到一级。     

灰色-时序组合模型在建筑沉降预测中的应用

以实际地面沉降数据为基础,分别用灰色模型、时间序列模型对实测数据进行预测,然后按照一定方法对灰色模型、时间序列模型赋予合理权值,建立了灰色-时序组合模型~([1])。预测结果表明,组合模型的预测精度更为准确、可靠,说明该组合模型具有一定的可适用性。     

灰色预测模型若干改进方法

从基本灰色模型出发,归纳和讨论了影响正确建立灰色模型的诸多因素以及相应的改进方法。     

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。     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。     

改进的GM-AR组合模型在地铁沉降预测中的应用

灰色预测模型对沉降的整体趋势有很好地预测结果,时序模型针对随机性的数据进行预测,二者结合一定程度上可提高预测的精度。文中通过改进GM-AR模型并将其应用于地铁沉降预测中,同时与灰色预测模型和GM-AR组合模型的预测精度进行对比分析。结果表明,改进后GM-AR模型可以有较好的预测效果。     

小波去噪的灰色动态模型在变形预测中的应用

针对GM(1,1)模型对随机波动性较大的数据拟合较差、预测精度低的缺点,提出了基于小波去噪的灰色动态模型。首先运用小波滤波消除数据噪声,使数据更具规律性;再利用灰色动态模型预测变形;最后对高层建筑物沉降监测数据的预测值与实测值进行对比分析。结果表明,该模型的预测误差较小、精度较高,适合在变形预测中应用。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

基于Matlab的灰色回归组合模型在沉降监测中的应用

基于Matlab的灰色回归组合模型,是对灰色GM(1,1)模型以及线性回归模型的补充和改善,通过对某工程沉降监测数据进行分析和处理,并且与单一模型的预测精度相比较,从预测结果可知该组合模型的预测精度与单一模型相比有较大提高,这对于预测工程时间有一定的指导意义。     

非等时空距GM(1,1)模型在建筑物沉降预测中的应用

以灰色理论为指导，GM（1，1）模型为基础，提出用最小二乘原理对灰色模型进行优化，大大提高非等时距GM（1，1）模型的预测精度，并对某海堤监测数据进行预报，检验结果表明预测值达到很好精度，由此证明，此方法有较大的应用价值。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

灰色幂模型在基坑变形监测中的应用

灰色幂模型又称非线性灰色伯努利模型(NGBM(1,1)),是灰色GM(1,1)模型的一种改进模型,具有非线性特征,在拟合和预测非线性特征数据方面具有优势.NGBM(1,1)模型相比于GM(1,1)模型具有更高的预测精度和更广的适用范围,它在经济、农业、气象等方面已有较广应用,但是在变形监测领域的应用还比较少.本文在已有...