共查询到15条相似文献,搜索用时 156 毫秒
1.
2.
3.
4.
为了改善传统MGM模型背景值选择以及模型误差问题,提出了半参数补偿及背景值优化的MGM预测模型。选取同一变形体上3个相关性较高的监测点实测数据,分别利用传统MGM模型、背景值优化MGM模型、半参数MGM模型以及半参数补偿及背景值优化MGM模型对其进行预测。实验结果表明,本文模型预测值的均方误差为0.61,比传统MGM模型的1.12、背景值优化MGM模型的0.66和半参数MGM模型1.01,分别降低了0.51、0.05和0.40;且3个点残差标准差的均值分别比传统MGM模型、背景值优化MGM模型和半参数MGM模型小0.21、0.03和0.15。这说明本文模型的预测精度有所提高,且更加稳定。 相似文献
5.
针对目前的地铁隧道沉降变形预测方法忽略了对沉降变形影响因素的综合协调考虑这一问题,该文将遗传算法(GA)结合极限学习机(ELM)的方法引入地铁隧道沉降变形预测。该方法借助最大信息熵理论,充分挖掘地铁隧道沉降主要影响因素与沉降量间的信息特征,并将遗传算法与极限学习机相耦合,利用遗传算法的全局搜索能力获取ELM神经网络优化的初始权值和阈值,形成熵权遗传算法-极限学习机模型,并编制相应计算程序。采用该模型对西安某地铁隧道沉降变形进行预测,并与遗传算法-极限学习机、极限学习机、传统的BP神经网络预测结果进行比较,结果表明熵权遗传算法-极限学习机模型与实测值吻合更好,预测结果更稳定。 相似文献
6.
阐述了引入时间距离权的传统GM(1,1)模型的建模过程以及灰色模型等级的判断方法,深入分析了白化背景参数λ取值对建模精度的影响;同时针对传统λ取值的缺陷,提出使用基于实数编码的改进遗传算法(IRCGA)对其进行优化处理,并用多个工程实例分析验证了优化后的GM(1,1)模型相对传统的灰色模型及其优化模型拟合效果更好,更加贴近真实数据序列。 相似文献
7.
针对武器装备实验与训练活动中无人机等运动目标位置测量数据少、概率分布未知的工程背景,提出了一种基于MGM(1,N)模型的轨迹预测方法,建立了针对运动目标3个位置坐标的MGM(1,3)模型。数值仿真结果表明,基于MGM(1,N)模型的运动目标轨迹预测方法合理可行,可以预测该周期内任一时刻的位置信息。 相似文献
8.
时变参数PGM(1, 1)变形预测模型及其应用 总被引:7,自引:1,他引:7
汪孔政 《武汉大学学报(信息科学版)》2005,30(5):456-459
在GM(1,1)模型的基础上,考虑参数随时间的变化,用多项式逼近模型参数,同时针对GM(1,1)模型背景值取值方法的不足,引入背景值最佳生成系数,建立了时变参数PGM(1,1)变形预测模型。多项式中的待定系数采用最小二乘法确定,背景值最佳生成系数采用搜索法确定。实例计算表明,时变参数PGM(1,1)变形预测模型具有较高的模拟精度和预测精度,适合用于变形体的变形预测。 相似文献
9.
观测误差影响最小二乘解算MGM(1,n)模型的灰色参数精度,基于此,现采用总体最小二乘(Total Least Square,TLS)对MGM(1)模型的灰色参数解算进行优化。通过对某高层建筑沉降变形观测数据进行试算,结果表明,TLS优化后的MGM(1)模型能够有效地提高预报精度。 相似文献
10.
pGM(1,1)模型在变形预测中的应用 总被引:1,自引:0,他引:1
分析了GM(1,1)模型在背景值取值上的不足,提出了一种基于权的pGM(1,1)模型,通过模型比较,表明pGM(1,1)模型具有更好的预测效果,并用该模型进行了实际的变形预测。 相似文献
11.
针对大坝变形系统的非线性、复杂性以及不确定等特点,提出一种优化多核相关向量机的大坝变形预测模型方法。通过对实验数据进行归一化处理,核函数的加权组合以及遗传算法对模型参数的优化,建立遗传算法优化多核相关向量机的大坝变形预测模型。实验结果表明:数据归一化能归纳统一样本的统计分布性,加快梯度下降求解最优解速度和提高预测精度;优化的加权核函数能有效提高模型预测精度;各项精度指标值均优于BP神经网络方法、多项式核相关向量机方法预测精度,证实优化的多核相关向量机模型是一种精度较高的大坝变形预测方法。 相似文献
12.
13.
14.
15.
基于 Markov 理论的加权非等距GM(1,1)预测优化模型 总被引:1,自引:0,他引:1
背景值的构造方法是影响加权非等距GM(1,1)预测模型的精度和适应性的关键因素。文中通过等分函数法构造新的背景值对传统的加权非等距GM(1,1)模型进行优化,优化后的模型使其同时适应于高增长指数序列和低增长指数序列,提高传统模型的预测精度和适应性能力。但是优化后的模型依然易受建模数据随机扰动影响。马尔科夫(Markov)模型具有削弱建模数据的随机扰动性的优势。基于此,将优化的加权非等距GM(1,1)模型和Markov理论有机结合,构建优化的加权非等距Markov-GM(1,1)预测模型。最后,结合秀山湖二期工程的变形实测数据,运用新陈代谢的计算模式进行预测验证。结果表明:优化的加权非等距Markov-GM(1,1)预测模型的拟合和预测精度都优于传统的加权非等距GM(1,1)预测模型,新的预测模型的适用性更强,具有实际的参考价值。 相似文献