宁县典型测井地下水埋深的灰色预测研究

采用灰色系统理论中灰色动态模型GM（1,1）,对一观测孔地下水位埋深进行灰色动态模拟。利用观测孔2011年实测地下水位埋深数据建立GM（1,1）预测模型,并对2012年地下水位埋深进行预测。经验证,模型预测精度较高,具有一定的实用价值。     

基于灰色理论的地下水埋深预测分析

根据灰色理论预测的基本原理,建立GM（1,1）预测模型,对河北省沧州市东辛店乡地下水位埋深进行实例预测,并对预测结果进行精度检验,分析灰色理论模型在地下水位埋深预测的可行性,结果表明：灰色GM（1,1）可以在数据较少的情况下进行短期预测,且预测精度高,计算简单;另外,通过预测结果和采取措施后的实际水位埋深的比较,可以清晰的看到所采取措施的效果。     

灰色新陈代谢GM(1,1)模型在高速公路滑坡中的变形预测研究

传统GM(1,1)模型用于预测时,该模型在初始的少量数据中,才能充分利用有限的数据反映系统的发展变化,越往后监测,该模型的预测精度就越弱。而在实际应用中,必须不断考虑那些随时间相继进入系统的扰动或驱动因素,随时将每一个新得到的数据置入系统中,建立新信息GM(1,1)模型进行动态预测。因此,针对传统GM(1,1)模型存在的不足,文章建立了灰色新陈代谢GM(1,1)滑坡预测模型,并利用该模型对巴达高速公路滑坡位移变形进行了预测。结果表明,灰色新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的工程应用价值。     

灰色系统理论在地面沉降预测中的应用

本文以厦门石湖山软土地基沉降预测为例,用灰色系统理论的方法,对现场观测数据进行了计算机模拟,建立该地基地面沉降的GM(1,1)预测模型,并用该理论提供的检验方法,对该模型进行了检验和可信度分析,证明用此法预测的地面沉降精度很高。同时,还运用传统的方法,建立了三种预测模型,对比和验证了GM(1,1)模型的精度,结果是GM(1,1)模型的精度最高。为地面沉降的预测找到了一种切实可行的方法。     

基于灰色支持向量机残差修正模型的地面沉降量预测

沉降现象在各地区普遍发生,地面沉降量预测越来越受到重视。本文通过结合灰色(GM(1,1))预测模型和支持向量机(SVM)模型各自的优点,建立灰色支持向量机(GM(1,1)-SVM)残差修正模型,在突出时间序列发展趋势影响的同时降低序列中异常值的消极作用。以某高层建筑的18次地面沉降量数据为实例,检验GM(1,1)-SVM模型的预测效果。结果表明:相对单一的GM(1,1)沉降量预测模型,GM(1,1)-SVM模型相对误差小,预测精度高,对地面沉降量预测有一定指导意义。     

灰色新陈代谢GM(1,1)模型在滑坡变形预测中的应用

由于常规GM(1,1)模型用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测精度就越弱。针对常规GM(1,1)模型存在的不足,文章建立了灰色新陈代谢GM(1,1)滑坡预测模型,并利用该模型对向加坡滑坡和链子崖危岩体GA监测点位移变形进行了预测。结果表明,灰色新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的利用价值。     

中心逼近式灰色GM(1,1)模型在滑坡变形预测中的应用

黄龙西村滑坡位于甘肃天水,属黄土高势能滑坡,滑体体积3.9105m3,基底为花岗闪长岩。为了提高滑坡灰色GM(1,1)模型的预测精度,采用一种改变背景值的方法--中心逼近式灰色GM(1,1)模型。通过黄龙西村滑坡实例验证分析,结果表明中心逼近式灰色GM(1,1)模型的预测值与该滑坡实际监测值十分接近,且其残差平方和及平均误差百分比明显比传统灰色GM(1,1)模型的残差平方和及平均误差百分比小,具有较高的预测精度。同时,可通过调整模型中参数m的取值,使中心逼近式灰色GM(1,1)模型具有更高的预测精度。经计算,当m=6时,中心逼近式灰色GM(1,1)模型的预测精度比传统灰色GM(1,1)模型提高了5.34%。     

改进的GM(1,1)模型在滑坡变形预测中的应用

为了提高GM(1,1)模型在滑坡变形预测中的预测精度和普遍适用性,论文首先分析了GM(1,1)模型的数学特点,并根据建模机理所存在的固有缺陷探讨了几种合理实用的改进方法。在此基础上,结合呈对数型曲线的链子崖危岩体变形监测数据和呈指数型曲线的黄龙西村滑坡变形监测数据,分别了建立了传统GM(1,1)、无偏GM(1,1)、中心逼近式GM(1,1)、重构背景值的GM(1,1)和灰色神经网络组合等预测模型。预测结果表明:针对不同数学特点的滑坡变形数据,特定改进的GM(1,1)模型较传统模型预测精度更高,适用性更强。     

灰色系统与神经网络组合模型在地下水水位预测中的应用

灰色GM(1,1)模型与人工BP神经网络对于预测非线性数列变化趋势都具有很好的适用性,但同其他预测方法一样也存在各自的局限性。本文采用灰色GM(1,1)模型与人工神经网络相结合的方法,对GM(1,1)模型预测结果进行了修正。以收集到的某地区1996～2006年的地下水水位埋深数据为算例,计算结果表明,经人工神经网络修正后的灰色系统的预测值比原预测值的预测精度有了很大提高。     

GM(1,1)模型在丰县地下水水位预测中的应用研究

灰色GM(1,1)模型是基于灰色系统理论的一种预测方法,具有对历史样本数量要求少、计算简便、验证方便等优点,在诸多领域得到广泛应用。本文建立GM(1,1)模型对江苏省丰县III承压地下水水位埋深进行预测,详细阐述了地下水水位埋深时间序列的GM(1,1)模型的原理和建立过程,根据模型的预测值和实测值,对模型的精度进行检验,并对预测结果进行了分析。结果表明:丰县各水位埋深监测点GM(1,1)数学模型精度均达到I级,预测2018-2020年丰县地下水水位呈现逐年下降趋势,水位降落漏斗将不断扩大。丰县应积极寻求地表水源,在徐州市区域供水一体化形势下尽快启用小沿河地表水,科学合理开发利用地下水资源,保证区域水资源均衡发展。     

西北地区高填方地基沉降的预测模型研究及分析

沉降变形一直都是困扰填方工程的关键问题,原始地基中存在的湿陷性黄土与粉质黏土会导致沉降增大以及不均匀沉降等现象的发生.因此,做好工程的沉降监测和工后预测,对于保障高填方地基的稳定性至关重要.笔者以西北某机场迁建工程中高填方沉降监测数据作为依据,分别应用双曲线、对数和指数拟合曲线对填方地基的沉降进行预测、分析与对比,总结...     

灰色理论在矿井涌水量预测中的应用

运用灰色理论建立煤矿涌水量预测的GM (1,1)模型,在某矿井太原组工作面涌水量资料的基础上,通过增加观测频率和数据密度的方法对模型进行修正,使精度提高到96.26%。将模型预测值与实际数据比较,证明所建立模型较为可靠。结合其实际的水文地质条件及排水能力,设定该工作面的上灾变阈值为15 m3/min,得出工作面的涌水量大小、灾变时间和数值的预测值,为工作面安全开采和监管提供了数据支持。      

基于R/S分析法的等维灰数递补动态GM(1,1)模型预测矿井涌水量

针对矿井涌水量时间序列的分形与灰色特征,采用重标极差分析法（R/S分析法）确定涌水量时间序列的Hurst指数和平均循环周期,在一个周期内建立等维灰数递补动态GM（1,1）预测模型。充分利用最新信息,提高模型预测精度。运用基于R/S分析法的GM（1,1）模型对陕北某矿矿井涌水量进行分析预测,结果表明,模型拟合程度好,预测精度高,能够为矿井安全生产提供决策依据。      

未达到破坏的单桩极限承载力的灰色预测

如何利用未达到破坏的试桩资料来确定其极限承载力是一个重要的工程问题。根据灰色系统理论的预测模型,建立了预测单桩竖向极限承载力的非等步长GM(1,1)模型群。工程实例表明,该模型能够满足工程的需要,且带有残差修正的自调整非等步长GM(1,1)模型的精度最高。     

黄土坡滑坡变形的灰色预测模型

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将此曲线延伸到未来,由此对未知的数据做出预测。本文建立了黄土坡滑坡水平位移预测的GM(1,1)模型,实际应用表明,该模型具有精度高、适用性广等特点。      

基于灰色系统算法在攀枝花钒钛磁铁矿预测中的应用

使用改进的GM(1,1)模型,即滚动灰色GM(1,1)模型,其中模型初始点是动态且最佳的,并减少了系统误差。通过对攀枝花市2004年~2015年的钒钛磁铁矿供需进行预测后,提高了整个预测的精度和可靠性,最后还给出了攀枝花加深利用钒钛资源的对策和建议。     

New grey prediction model and its application in forecasting land subsidence in coal mine

Mining subsidence destroys environment seriously and is difficult to forecast because the parameters in prediction model are difficult to obtain. As there are many uncertainties in mining subsidence, we forecast it by grey prediction model. Traditional GM (1,1) model predict for a time series. In this paper, the panel data are studied and are viewed as a sequence in which elements are matrix based on cross-sectional data, and the mean sequence of row vector GM (1,1) model, mean sequence of column vector GM (1,1) model and the cell volume sequence GM (1,1) model are established, respectively. Combining these grey models, we build prediction model of cross-sectional data matrix sequence. Thus, the scope of grey prediction has been expanded, and grey forecasting theory has been enriched. Using the newly built predictive models, we study the land deformation due to mining of Pingdingshan coal mine in Henan Province. Practical verification and model accuracy test show that the grey model can make accurate predictions, with a good agreement between the predictive value and actual value. It can provide effective and accurate information and also can provide an important reference for the reclamation planning of surface environment.