非等时距GM(1,1)在变形预报中的应用

本文应用灰色理论建模原理,探讨了非等间距GM(1,1)模型的建模步骤;通过几种不同参数下的建模方式,利用MATLAB编程进行计算比较,着重分析影响非等间距GM(1,1)模型预报精度的因素,并探讨模型的改进方法。结果表明,对于较均匀的非等间距数据,灰色模型具有较高的预报精度。在间距间隔变化较大的情况下,灰色模型进行改进后也能得到比较满意的预报结果。     

灰色-马尔科夫模型在大坝内部变形预测中的应用

传统的灰色-马尔科夫模型一般都是等时距的。针对样本不能满足等时距的需要,通过一定方法将样本等时距化,用多变量灰色模型MGM(1,n)与马尔科夫转移矩阵相结合对等时距样本进行建模,建立非等时距的灰色-马尔科夫模型。文中结合某大坝内部水平位移实测数据,用此模型进行建模。结果表明,灰色-马尔科夫模型不仅比灰色模型的拟合精度高,而且提高了预测精度。     

灰色-时序组合模型在地表变形预测中的应用

通过对某地铁监测点小波去噪后的数据建立灰色预测模型,分析了灰色预测的优缺点,针对灰色预测对波动性数据预测的不足,建立了灰色-时序组合模型。首先,利用灰色模型提取时间序列中的趋势项;然后,用时序模型对残差项进行建模分析,兼顾了数据的趋势性和波动性,弥补了灰色预测的不足,提高了预报精度。     

卡尔曼滤波算法的灰色理论模型在变形监测中的应用

本文针对灰色理论模型在建模过程中受到随机扰动影响这一问题,提出了利用卡尔曼滤波处理建模数据的方法.经过实例检验,证明基于滤波算法的灰色理论模型在一定程度上可以提高预测值的精度,更好地反映了观测目标的变形趋势,在变形监测中具有一定的优势.     

反向累加灰色模型的建立及其在沉降预测中的应用

基于已有灰色建模的思想,分析了反向累加序列特点及建立GM的方法,一定程度上改进了预测结果。通过两个沉降监测序列实例,表明了其特别适合于多次累加序列的灰色预报。     

基于ARMA模型的GPS钟差预报改进研究

以导航卫星钟误差预报钟常用的传统预测方法(二次项拟合模型与灰色模型)为基础,依据各自适用的特点,对IGS提供卫星钟差的时间序列进行了分解并建模分析。二次多项式模型参与建模的观测数据多,模型比较稳定,但是模型是关于时间的函数,随着时间的增长,预报误差也会积累,因此适合短期预报。灰色模型仅利用4个数据即可建立模型,因此可以加快建模的速度,模型的精度与时间没有直接关系,因此适合长期预测。传统预测模型二次多项式拟合与灰色模型建模时忽略了钟差中的随机项,利用时间序列模型对随机项进行了时间序列分解分析。     

基于GM(1,1)灰色模型卫星钟差短期预报的精度分析

为了提高GPS快速单点定位的精度,必须及时获得高精度的精密星历。基于卫星钟差变化的灰色特性,建立GPS卫星钟差GM(1,1)灰色模型,对卫星钟差进行短期预报。计算结果表明,灰色模型GM(1,1)用于卫星钟差短期预报,只需要使用少数几个历元的已知卫星钟差进行建模,不仅减少建模数据量,提高建模速度,而且预报精度较高,可以满足GPS快速单点定位的实际需要;并对卫星搭载的原子钟精度进行分析,得出基于灰色模型GM(1,1)分析的Rb钟的精度和稳定性要优于Cs钟。     

变形预测模型在地铁保护区监测中的应用

结合某地铁保护区隧道监测工程,对沉降数据进行了分析及建模预测,以掌握其变形规律并预测变形趋势。由于单一预测模型存在弊端,较难达到预测要求,所以将灰色预测模型与时间序列模型进行组合,并将新陈代谢的思想引入组合模型进行建模预测。结果表明,新陈代谢灰色-时序组合模型预测结果可靠,具有较高应用价值。     

GM(1,1)最佳维数建模法在露天矿边坡变形预测中的应用

露天矿边坡变形是一个复杂的系统,许多影响边坡变形的因素具有灰色信息性质,因此应用灰色模型对边坡变形进行预测是一种很好的研究手段。在灰色模型预测实践中,发现建模数据的维数对模型预测精度有较大影响。从变形预测精度研究入手,提出最佳维数建模法。通过实例应用证明,该法具有较高的预测精度和可信度。     

基于加权改进灰色模型的建筑物变形预报

针对灰色模型在建筑物变形预报中存在的问题,提出了改进灰色模型的要求。该模型运用了距离最近影响最大的原则,对建模数据赋以一定的权,以体现各个数据的重要性不同;同时给出了三种不同的加权方法;最后,结合工程实际,比较了经典灰色模型和加权改进灰色模型的预报效果。结果表明本文的方法能很好地改善预报精度。     

模糊神经网络在变形分析与预报中的应用研究

研究了模糊神经网络的网络建模,提出了单点建模、分组建模和整体建模3种建模方法,为变形分析和预报提供了新思路。结合滑坡变形实例,指出了模糊神经网在工程变形分析和预报中的可行性。     

利用混沌理论与神经网络方法进行变形预测研究

利用混沌理论与神经网络方法,对变形监测数据进行了研究分析,最后实现了变形监测数据的建模及预测。     

基于时间序列模型的沉降监测预报分析

时间序列模型预测具有可靠性与高效性的特点。本文结合沉降监测工程,采用Matlab进行建模预报分析,分别基于预测模型(AR、MA、ARMA)进行应用。对比自回归模型、滑动平均模型及自回归滑动平均模型预测结果的精度,表明3种模型可预测期连续分布,模型组合可提高预测精度。     

一种串联式组合模型在沉降预测中的应用

通过分析建筑物沉降变形规律,并参考相关文献,提出一种基于二次平滑和指数曲线的串联式组合预测模型,核心思想是汇集两种方法的优点,对变形数据进行处理,以期能够最大限度地提高拟合、预测精度。文中就基础理论和建模流程进行详细介绍,并以工程实例加以验证,结果表明,组合方法建模简单,计算结果有效、可靠。     

灰时序GM-AR模型在建筑物沉降变形预测中的应用

本文以现代高层建筑沉降变形预测为主要研究目的,讨论了灰色GM(1,1)模型和时序AR模型的特点和适用范围,从预测的角度对灰色和时序模型进行了比较和分析;提出了基于优化灰参数α、u的GM(1,1)模型和AR组合模型预测高层建筑物沉降变形的新方法;将变形量分解成具有确定性的趋势项和具有不确定性的随机项,建立GM-AR模型分别对趋势项和随机项进行预测,应用结果表明,该方法使预测结果更为可靠、准确。     

基于时间序列分析的桥梁变形监测预报研究

时间序列分析方法对短期建筑物变形预报具有较高的模型拟合及预报精度.本文从时间序列预测算法原理出发,阐述了使用此方法对所获得的桥梁变形监测数据进行模式识别、模型建立及预报的过程,并利用MATLAB实现了编程代码.通过对某桥梁变形监测预报的应用表明,该方法实用性较强,可以及早为桥梁变形做出预警,以避免或减少灾害的发生..     

建筑物动态变形的模型辨识与预测

本文在传统时间序列分析建模方法的基础上,提出了用ＡＲ模型的新的完整而又简单的辨识方法,参数采用计算简单的序贯最小二乘解法,并提出了决定模型阶的Ｆ检验判决中得节省参数模型并用于预测。     

季节指数及其在季节性监测资料分析和预报中的应用

基于灰色模型的诸多优点，作者选用GM(1，1)模型分析和预报形变监测序列。然而直接应用GM(1，1)灰色模型分析和预报具有季节性的监测序列时往往精度不高。因此，作者提出运用基于季节指数的“去季节波动”法与GM(1，1)混合建模，对监测资料进行分析与预报。基于均方差和平均绝对误差两个精度准则，作者对此方法与周期函数拟合模型进行了比较。结果表明，此方法提高了具有季节性波动监测序列的预报精度，且建模方法简便、快捷。     

非平稳时序分析的B-J建模法在变形预测中的应用

本文简要介绍了时序分析的基本原理,论述了非平稳序列的B-J建模法的步骤,包括数据预处理、模型识别、参数估计及预报等;分别用时序分析B-J法和回归分析法进行了实例建模及预报,并对预报结果进行了分析比较,论证了单纯的时序分析法短记忆预报的特点,讨论了时序分析的优缺点,最后总结了在进行变形预报时必须根据数据的数学特征选择相应的数学模型。     

灰色理论应用于轨道交通一号线一期工程承重墩沉降分析

介绍了沉降监测数据处理理论方法,讨论了灰色模型法预测沉降的过程,分析了武汉轨道交通一期工程承重墩沉降监测数据,结果表明其基础是基本稳定的。