最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。     

基于最优权组合方法的北斗卫星钟差预报

基于北斗卫星全球服务开通运行,北斗精密定位与导航中钟差预报至关重要。本文深入研究灰色模型与神经网络模型钟差预报之后,通过最优权组合方法将二者有效的结合,最优权组合模型融合二者预报模型的优点,实现北斗钟差精准预报。最后,以北斗钟差数据为例,通过北斗三种卫星携带的原子钟,建立最优权组合钟差预报模型,确定组合模型中单模型的权重值,最终预测钟差结果验证了该组合模型预报精度高于单模型,该组合模型对北斗钟差预报具有适用性与有效性。     

基于粒子群算法的组合模型在变形分析中的应用

在构建并联组合模型进行变形预测时,单项模型权值的确定是个关键问题。为了提高变形预测的精度,以基坑监测数据为例,采用GM(1,1)模型与ARMA模型进行组合,在拟合误差平方和最小的准则下,使用粒子群算法求解两单项模型的最优权值,进而构建并联组合模型进行变形预测。结果表明,该方法融合各单项模型的优势,可以提高预测精度,避免求解线性规划问题,具有较好的实用性。     

组合预测模型在矿区沉降预测中的应用

为了准确掌握矿山开采面上部地表的沉降变化规律,预测沉降发展趋势,提出一种双曲线法与三点法的组合预测模型进行矿区沉降预测的方法。结合矿山沉降观测实例,采用单一的双曲线法、三点法以及两者的组合预测方法对沉降数据进行预测分析,对比其预测精度。结果表明,组合预测模型能够满足矿区沉降预测的精度要求,且预测精度优于单一预测方法。     

变权组合模型在沉降预测中的应用

为探讨变权组合预测模型在沉降预测中的应用,以某大楼实测等时距沉降观测数据为研究对象,根据实测建筑物沉降数据所呈现的规律性,选取Logistic和Gompertz曲线模型对实测沉降数据进行了拟合;求取曲线模型的参数后,建立预测模型并进行预测。在此基础上,利用最小二乘法原理建立变权组合预测模型。根据各模型的预测结果及其计算出的模型精度显示,变权组合预测模型的拟合精度比Logistic和Gompertz曲线的拟合精度高,更适合于作为建筑物的沉降预测模型。     

变权组合模型在沉降预测中的应用

为探讨变权组合预测模型在沉降预测中的应用,以某大楼实测等时距沉降观测数据为研究对象,根据实测建筑物沉降数据所呈现的规律性,选取Logistic和Gompertz曲线模型对实测沉降数据进行了拟合;求取曲线模型的参数后,建立预测模型并进行预测.在此基础上,利用最小二乘法原理建立变权组合预测模型.根据各模型的预测结果及其计算出的模型精度显示,变权组合预测模型的拟合精度比Logistic和Gompertz曲线的拟合精度高,更适合于作为建筑物的沉降预测模型.     

基于灰色神经网络模型修正矿区地表变形数据

针对矿区地表变形数据间断缺失的现象,分析了矿区地表变形数据特点,提出了一种灰色神经网络组合模型对间断数据进行预测。首先,利用非等间距灰色模型计算灰预测平面,再采用BP神经网络模型对预测平面区间进行加权组合,得到最终的预测值。实验表明:灰色神经网络组合模型预测精度高于灰色模型,对矿区地表变形数据处理的适应度更高。     

贴近度的诱导有序加权平均算子最优组合模型

针对由路基沉降观测数据建立的各种沉降预测模型各有优缺点的问题,该文提出了将基于贴近度的诱导有序加权平均算子最优组合模型应用于路基沉降变形预测分析中的方法。该文将贴近度与诱导有序加权平均算子进行结合,建立基于贴近度的诱导有序加权平均算子最优组合预测模型,并用于沉降预测分析。对各模型的预测精度进行比较分析,结果显示:该组合模型效果优于单项模型的预测精度,预测相对误差小,最大误差5%;其各项误差指标也低于参与组合的各单项预测方法。     

变权组合模型在工程变形预测中的研究

随着变形预测在工程中的广泛应用,很多单一预测模型预测精度较低,因此,很多学者对组合预测模型进行探讨研究。本文主要研究定权和变权两种确定权重系数建立组合预测模型的方法,以灰色GM(1,1)模型和时间序列模型两种单一模型为基础建立定权组合预测模型和变权组合预测模型进行拟合预测,并通过实例验证分析,得出变权组合预测模型拟合预测精度高于定权组合预测模型拟合预测精度,得到了较好的拟合预测结果,从而可以更好地应用到工程变形预测当中。     

变权组合模型两种定权方法精度探讨

以指数曲线模型和泊松曲线模型为基础,对基于绝对误差平方和最小与绝对误差绝对值之和最小的两种定权方法进行比较分析,分别对两种模型进行变权组合。文中就确定最佳变权系数的方法进行分析研究,并以某大楼的等时距沉降观测数据为例进行验证,最后得出两种定权方法拟合精度大致相等。     

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。     

GPS三频组合探测与修复周跳的研究

通过GPS三频组合观测值周跳检验量,提出了利用最小二乘原则选择最优组合观测模型的方法,选择了一组最优组合模型。通过各载波间的频率关系,模拟出L5频数据,编制了周跳探测软件,通过实例验算,结果表明组合模型探测周跳精度优于其他模型。     

一种北斗卫星钟差短期预报组合方法

针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型. 该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报. 最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.      

各组合模型在GPS高程拟合中的应用研究

针对单一模型自身存在的局限性,提出了最优非负变权GPS高程拟合模型。该模型以最小二乘拟合估计、主成分估计、半参数估计3种单一模型的预测结果为组合预测值, 以预测误差平方和最小为目标, 通过规划法求解变权系数, 并与最优加权组合模型、BP神经网络组合模型进行了对比。结果表明, 最优非负变权组合模型能有效综合单一模型的优点, 利用动态的权值进行预测, 综合精度较高, 能够提供更准确的结果, 在GPS高程拟合中的应用是可行的。     

GPS/GLONASS单频伪距单点定位的权比分析

GPS和GLONASS存在系统差异,组合定位时,采用方差分量估计可得到更加准确的结果。由于Helmert方差分量估计算法效率较低,难以满足动态定位的需要。因此,GPS/GLONASS组合定位时要求对两类观测值先验定权。GDOP是GPS单系统定位中的精度指标。提出基于加权GDOP公式得到GPS观测数据的GDOP阈值自适应确定两类观测值的权比值,并用实测数据验证其可行性。     

基于遗传算法初值优化的反向灰色模型在沉降监测中的应用

反向灰色模型在具有单调递减趋势的时间序列预测中取得了较好的效果,但是初始值较为陈旧,影响了模型的精度。利用遗传算法对x(1)(n)序列初始值进行全局搜索,确定最优初始值,对反向灰色模型进行了优化。并利用高层建筑实际沉降观测数据对该方法进行了验证。结果表明,该优化灰色模型提高了原模型的预测精度,具有较高的实用价值。     

高速铁路沉降变形的组合预测方法

为实现各种预测模型的优势互补,提高沉降预测精度,分析单项沉降预测模型各自的特点,将组合预测方法应用到高速铁路沉降变形预测分析中;介绍组合预测基本方法和常用的定权方法,提出模型建立的步骤和具体原则,研究出一种变权最优预测的方法。通过工程实例验证表明,该组合方法预测精度较高,拟合能力更强,可作为高速铁路的沉降预测模型。     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。     

矿区似大地水准面拟合模型适用性分析

为提高GPS/水准数据拟合高程异常的逼近精度,利用某矿区控制网观测的GPS/水准数据,计算控制点高程异常值,分别用加权平均法、Shepard插值、多项式曲面拟合和多面函数法4种方法对矿区似大地水准面进行拟合。对各种拟合模型的原理和拟合精度进行比较分析。在此基础上,根据似大地水准面物理和几何特性,采用组合拟合的方法进一步改善似大地水准面的拟合精度,利用该模型内插高程异常值与实测GPS/水准点的高程异常值比较,其均方根误差不超过0.02 m,结合GPS观测成果可以取代四等及以下几何水准测量。     

利用预测残差和选权滤波构造的分类因子在GPS/INS组合导航中的应用

针对组合导航观测个数少、采用单因子自适应滤波会损失间接可测参数精度的问题,利用预测残差和选权滤波思想构造了分类自适应因子。实测算例计算结果表明,该算法不仅能够很好地控制状态扰动异常影响,而且还能避免损失间接可测参数的精度,进一步提高了导航精度。