共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
非等间距GM(1,1)模型在不等时间间隔序列的趋势分析和预测方面具有重要作用,在此基础上,提出一种基于非等间距加权GM(1,1)模型和自回归AR(p)模型相结合的非等间距加权灰色自回归模型(非等间距WGM-AR模型).将基坑周边建筑物沉降监测数据视为具有确定趋势的非等时间序列,对序列进行平滑处理,利用非等间距加权GM(1,1)模型提取该时序中的确定性趋势项,用自回归AR(p)模型分析生成的等间距序列中的随机项,并采用内插法得到沉降监测序列的随机项.将组合模型与非等间距GM(1,1)模型计算结果对比分析,结果表明,组合模型具有更高的预测精度,在基坑周边建筑物沉降预测中具有较高的应用价值. 相似文献
7.
高速铁路路基的工后沉降严重影响着行车安全。在已有的预测模型中,所采用的初始数据往往不能满足等时间周期采集,而且还会伴随着一系列不可避免的观测误差,模型本身的误差累计,不能进行长期预测。文中利用最小二乘原理对初始值进行拟合改进,采用Lagrange插值方法将非等间隔序列转为等间隔序列,并基于新陈更替GM(1,1)模型利用MATLAB建立沉降预测模型;在此基础上,提出对模型残差进行GM改正以提高模型精度的方法。研究表明,通过对初始值序列改正后的模型具有较好的适应性,优化改进后的模型预测误差小,预测精度优于新陈更替GM(1,1)模型。 相似文献
8.
9.
10.
《测绘科学技术学报》2020,(2)
针对非等间距GM(1,1)模型的拟合和预测问题,考虑灰作用量的时变特征,系统地证明了一种优化灰作用量的非等间距GM(1,1)模型,并提出通过粒子群算法选取拟合模型最优的背景值权重参数来构造优化模型的最优背景值。以典型的变形监测数据为算例,构建了非等间距GM(1,1)模型、优化灰作用量的非等间距GM(1,1)模型和优化灰作用量与背景值的非等间距GM(1,1)模型。通过算例的分析与对比,结果表明优化灰作用量的非等间距GM(1,1)模型和优化灰作用量与背景值的非等间距GM(1,1)模型对原始数据的拟合和预测具有较高的精度,优化模型具有可行性和有效性。 相似文献
11.
将非等间距数列转化为等间距数列,并建立无偏GM(1,1)模型.通过对非等间距数列的处理,得到适合GM(1,1)建模的等时距数列,并在GM(1,1)模型的基础上,给出非等间距无偏GM(1,1)建模的具体步骤.从理论上证明无偏GM(1,1)能消除GM(1,1)模型的固有偏差,拓宽GM(1,1)的使用范围.最后将模型应用于实际建筑沉降预测中,研究结果表明非等间距无偏(1,1)模型精度高、实用性强. 相似文献
12.
13.
变异时序回归GM(1,1)模型 总被引:1,自引:0,他引:1
鉴于在GM(1,1)预测模型中,灰参数与背景值导致的GM(1,1)模型的残差,本文提出将残差引入到时序中,对时序进行变异,利用不同的曲线回归方程对变异时序进行估计.基于对不同回归方程估计结果的误差分析,选用最佳的回归方程作为GM(1,1)变异时序预测方程;并将预测结果作为GM(1,1)模型的变量k.实例计算表明,变异时... 相似文献
14.
陈兵 《测绘与空间地理信息》2020,(2):222-224
针对GM(1,1)模型预测结果精度低的问题,提出原始序列卡尔曼滤波处理的优化模型方法,结合指数函数构造背景值,进行灰色模型预测分析。结合苏州站综合楼基坑沉降监测结果,探讨了GM(1,1)模型原始序列的选择,分析了优化GM(1,1)模型的精度,验证了优化模型在提高预测精度上的可行性。 相似文献
15.
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
16.
简述了全最小一乘准则下的参数估计理论和灰色GM(1,1)模型建模原理,介绍了全最小一乘准则下的灰色GM(1,1)模型参数估计和利用线性规划模型进行参数计算的方法。通过实例与最小二乘准则下灰色GM(1,1)模型计算出的各项指标进行对比,结果显示,利用全最小一乘准则下的灰色GM(1,1)模型进行变形预测,不论有无异常值存在,其预测值均有较强的稳健性。因此,该模型对工程变形监测的预报具有重要的意义。 相似文献
17.
为了研究提高GM(1,1)模型预测精度的方法,本文首先讨论了GM(1,1)模型对初值的不敏感性和拟合预测序列增长率的恒定性;其次,根据GM(1,1)的性质提出新陈代谢反演预测的方法;最后,通过工程实例对比不同模型的预测精度。结果表明:GM(1,1)反演预测方法具有很高的预测精度,适用于沉降变形预测。 相似文献
18.
19.
20.
加权灰色预测模型及其计算实现 总被引:21,自引:2,他引:21
鉴于GM(1,1)灰色预测模型中背景值取值方法的不足,引入背景值最佳生成系数,得到新的背景值计算式,从而将GM(1,1)预测模型扩展为加权灰色预测模型--PGM(1,1)预测模型;并对PGM(1,1)预测模型中的最佳生成系数p及灰参数的估计计算进行了详细论述,应用迭代法来确定要应的数值。实例表明,此方法的拟合精度和预测效果均优于GM(1,1)模型。 相似文献