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。     

改进的灰色Verhulst GM(1,1)建筑物沉降模型

造成建筑物的沉降因素是复杂多样,沉降机理与过程是非线性的,从理论上给出符合实际的建筑物沉降公式很困难,许多安全等级很高的重要建筑物在施工期间均需进行沉降观测,以保证建筑物的安全而及时修改设计。根据建筑物沉降观测数据列特征,综合分析了影响建筑物沉降的因素,应用灰色理论关于连续非线性数据列的建模方法,经过二次拟合,建立了能描述高层建筑沉降过程的非等间距灰色Verhulst GM(1,1)模型。该模型经重庆地区某高层建筑沉降观测实例验证,能较准确预测建筑物的沉降过程和最终沉降量。表明利用少数高层建筑沉降的观测数据建立非等间距的灰色Verhulst GM(1,1)模型能较准确模拟建筑物沉降过程和预测最终沉降量,其建模方法较简单、精度高,具有一定的实用性。     

急倾斜煤层开采地表沉陷的渐近灰色预测

煤层开采所引起的地表沉陷是一种严重的矿区地质灾害。煤层的倾角、厚度等物理条件是地表沉陷的主要影响因素。在水平煤层或缓倾斜煤的开采过程中，由于地层倾角小，地表沉陷具有较完整的规律性，其预测效果也比较理想。但是，在急倾斜煤层的开采中，由于地层倾角较大，赋存条件和地质体物理力学性质的差异，增强了地表下沉的非线性特征，使地表沉陷具有不确定的表现规律。文章对重庆市南桐矿区东林矿的地表沉陷非线性特征进行了探讨，得到了东林煤矿地表下沉曲线的分形维数是1．07。在岩层移动这个系统当中，既含有已知的又含有未知的或非确定的信息，可以作为一个灰色系统来研究。岩层控制系统的状态、结构和边界条件难以精确描述，属本征性灰色系统。文章针对东林煤矿地表下沉曲线非线性较弱的性质，提出用一种基于GM(1，1)的渐近预测模型对东林煤矿42个月的地表下沉量时间序列进行探讨。结果表明，这种模型对急倾斜层开采地表沉陷的预测是一种行之有效的方法。通过对其他工程实例的应用分析，进一步证明这种渐近的灰色预测方法具有相对较高的精度，是一种比较实用的地表沉陷预测方法，具有广泛的工程实用空间。     

改进欧拉算法的GM(1,1)模型预测滑坡变形

在传统的GM(1,1)模型建模的基础上,采用改进欧拉算法简化GM(1,1)模型中参数的求解过程,进行滑坡变形动态预测。本文根据某高速公路滑坡治理过程中的变形监测数据,应用改进的模型进行滑坡变形动态预测,通过预测结果和实际监测数据进行对比分析,结果表明:改进欧拉算法的GM(1,1)模型参数计算简单,且预测精度为一级;不仅适用于滑坡变形等时距监测数据的低增长序列预测,也适用于高增长序列预测,证明该改进欧拉算法的有效性。     

参数累积估计灰色模型及地面沉降预测

基于传统GM（1,1）地面沉降预测模型的非稳定性,引入参数累积估计方法来代替最小二乘法,构建了参数累积估计的灰色沉降预测模型。通过对上海市地面沉降的预测,证实模型降低了矩阵条件数,提高了沉降预测的稳定性,进而对上海市分层沉降进行了预测,并给出相应的模型稳定性判别,预测结果给出了上海沉降的发展趋势,为地面沉降的合理防治提供了帮助。     

A genetic algorithm-based grey method for forecasting food demand after snow disasters: an empirical study

Determining the food supply after natural disasters is necessary to ensure the safety and social stability of people in disaster areas. An accurate prediction of food demand can help in the creation of a rational food supply program after natural disasters. This study proposes a grey prediction method to deal with irregular fluctuations in food demand after snowstorms. A GM(1,1) model with adaptive background values was established, and the Fourier series was applied to describe the irregular fluctuations in residuals. A genetic algorithm was designed based on GM(1,1) and Fourier series to optimize model parameters and to minimize the mean absolute percentage error. An optimal predictive function was also constructed by using the combined GM(1,1), Fourier series, and optimal parameters. The proposed forecasting method was used to predict three vegetables demand after the 2008 Chinese winter storm and was compared with the traditional GM(1,1) model. Results show that the proposed method has superior forecasting performance over traditional grey methods.     

灰色GM(1,1)模型和Verhulst模型在喀斯特地区耕地预测中的应用——以毕节生态试验区为例

毕节生态试验区是典型的喀斯特地区,人口密度大,生态环境脆弱,水土流失严重,耕地保护尤为重要。本文以毕节地区1998—2006年常用耕地面积统计数据为基础,分别利用灰色GM(1,1)模型和Verhulst模型对该喀斯特地区常用耕地面积变化进行预测。预测结果表明,GM(1,1)模型和Verhulst模型都揭示了毕节地区常用耕地面积在未来几年呈逐年递减的趋势。但是通过模拟精度验证,研究区耕地面积原始数据变化曲线呈S型,就灰色GM(1,1)模型与Verhulst模型模拟预测结果相比较,对于原始数据的模拟,GM(1,1)模型预测精度较高,而Verhulst模型更适合研究区未来几年耕地面积变化的预测。该研究结果可为区域合理利用土地资源、编制土地利用规划和耕地保护提供依据。      

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%。     

Application of grey theory-based model to prediction of land subsidence due to engineering environment in Shanghai

Land subsidence is a common geological hazard. The long-term accumulation of land subsidence in Shanghai has caused economic loss to the city. Since the 1990s, the engineering structures have become a new cause of land subsidence. Many factors affect the process of land subsidence. Although such a process cannot be explicitly expressed by a mathematical formula, it is not a “black box” whose internal structure, parameters, and characteristics are unknown. Therefore, the grey theory can be applied to the prediction of land subsidence and provides useful information for the control of land subsidence. In this paper, a grey model (GM) GM (1, 1) with unequal time-intervals was used to predict the subsidence of a high-rise building in the Lujiazui area of Shanghai, and the results were compared with the monitored data. The prediction of subsidence was also corroborated by laboratory tests and the results were compared with measured data and the predicted data by the adaptive neuro-fuzzy inference system (ANFIS). It is found that the GM (1, 1) with unequal time-intervals is accurate and feasible for the prediction of land subsidence.     

灰色预测在地下水位预测中的应用

针对小南海泉域地下水位的预测影响因素多,数据量少,不确定性较大的特点,本文由实测的数据按照井号,每月为一组,由方差的已定范围来选择置信度,并求出灰度值,从而得出,灰色理论适用于地下水位的预测。然后,用GM(1,1)为预测模型对小南海泉域的地下水位进行了预测,每四个数据一组得到预测数据,对比原始数据与预测数据,其变化趋势基本一致,误差在允许范围内,用GM(1,1)模型进行地下水位的预测,能够得到较为准确的预测结果,可以应用于实际的预测工作。     

洛阳市浅层地下水硬度的灰色数列预测

洛阳市浅层地下水硬度上升问题突出。要解决水质硬化问题，必须掌握市区浅层地下水硬度的时空发展趋势。灰色数列预测是一种较好的趋势预测方法，不需要大量数据，而且是一种动态的分析过程。本文将市区的浅层地下水硬度作为灰色量，用已有的硬度数据建立GM（1，1）灰色模型，预测其未来的变化趋势。目的在于为改善洛阳市浅层地下水质，解决水质硬化问题提供一个参考依据。预测结果显示，灰色模型具有较好的预测效果。除局部地段外，洛阳市大部分地方的浅层地下水硬度呈上升趋势；硬度在空间分布上会发生变化。     

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。     

龙潭隧道围岩收敛变形灰色系统预测模型

基于龙潭隧道开挖过程中的围岩收敛变形资料,通过对具有一定随机离散性和波动性的位移-时间顺序的数据列进行累加处理,建立了GM(1,1)灰色预报模型,预测了围岩收敛变形的未来趋势,并对预测位移进行一次累减,得到位移速率预测公式,预测围岩收敛趋于稳定的时间。两个断面的预测值和实测值的比较结果表明所建预测模型可取得比较好的效果。     

阶跃型位移特征滑坡时间预测预报研究

滑坡时间预测预报目前主要以滑坡最终破坏的时间为目标函数,但对于变形特征为阶跃型的滑坡却难以准确地预测其破坏时间。为此,提出以位移作为此类滑坡时间预报的目标函数。将滑坡位移分解为蠕变位移和波动位移,采用二次移动平均法分别提取,然后采用多项式拟合和灰色GM(1,1)模型分别对蠕变位移和波动位移进行预测,最后将两部分预测位移相加得到滑坡预测的总位移。以典型阶跃型位移特征滑坡——三峡库区八字门滑坡为例,运用其位移监测数据进行验证,并对多模型预测结果进行对比分析,结果表明,该位移预测模型预测精度良好,能较好地预测阶跃型位移特征滑坡位移。     

灰色-进化神经网络模型在深埋隧道围岩变形预测中的应用

由于深埋隧道围岩的变形受到构造、应力场、地下水、开挖方式等复杂因素的综合影响,具有位移时间序列的单调增长的特殊性和非线性,运用响应成分模型将隧道围岩位移量分解成具有确定性的趋势项和具有不确定性的随机项。建立灰色–进化神经网络模型对趋势项和随机项进行预测,既结合GM（1,1）模型较好预测序列增长趋势的特点,又结合神经网络利用自适应实现网络总体误差最小的特点,进而解决了单一利用GM（1,1）模型时预测值的随机偏离量较大的问题,保证了预测的精度。将该模型应用于基于实测位移资料的堡镇隧道围岩水平收敛位移短期预测,较好地揭示了隧道围岩收敛位移演化的规律,为合理选取二次衬砌时机提供了参考。     

工程环境效应引起上海地面沉降预测

地面沉降是目前常见的地质灾害之一,其长期的积累给城市带来巨大的经济损失,成为制约城市发展的主要因素。进入20世纪90年代以来,工程环境效应诱发的沉降已经成为上海地面沉降的新趋势,对于外荷载引起的地面沉降过程而言,影响因素较多,既无法用明确的数学关系式表达,又非黑箱那样内部结构、参数和特征一无所知,因此可将灰色预测理论应用于地面沉降的预测。针对监测和观测时间的非等时性,本文应用非等时距灰色理论模型对上海陆家嘴地区某高层建筑的沉降进行预测,并和实际监测沉降量进行了比较;对室内模型试验进行沉降预测,并和实验观测数据以及自适应神经网络系统(ANFIS)预测结果进行了比较。研究发现,对于工程环境效应引起的地面沉降,应用非等时距灰色理论模型进行沉降预测是可行、精确的。     

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。     

灰色系统在地面沉降分析中的应用

该文将灰色系统理论引入地面沉降的研究之中。根据上海地面沉降的历史数据建立了上海地面沉降发展的GM(1,1)模型以及地面沉降与地下水位变化的映射GM(1,2)模型,最后运用所建立的模型对地面沉降的发展态势进行了预测。     

带权GM(0,h)模型在地下水开采-地面沉降研究中的应用

从灰色理论建模特点出发,用加权均值生成数方法生成新数列,然后用生成的新数列建立改进的灰色加权GM(0,h)模型,根据该模型进行地下水开采量与地面沉降量的关最分析、沉降量预测,结果证明该方法具有很好的效果.     

基于灰色理论的变形智能预测模型库研究

针对传统GM(1,1)模型在变形预测中精度不高和适应性不强的问题,将传统GM(1,1)模型从多个角度进行改进,并将传统模型及其改进模型进行集成,建立了预测模型库。利用灰色评价模型对模型库的预测结果进行评价,从而实现智能预测,并利用编程语言对模型库和评价模型进行了程序实现。最后利用盘古山钨矿变形数据对该模型库进行检验,结果表明,该模型库能根据不同特点数据,智能化地得到最佳预测结果,具有重要的应用价值