基于熵权-IOWGA算子的变权组合预测新方法

针对熵权法组合权重分配固定不变的问题,提出一种基于IOWGA算子的权重分配方法,建立基于熵权-IOWGA算子的变权组合模型。该方法以各单一模型的预测精度作为诱导值,按每一期诱导值的大小对单一模型进行有序赋权,并将其应用到变形数据分析中。实验表明,该方法赋权过程合理,模型预测精度更高,更加适用于变形分析预测过程。     

基于二阶预测有效度IOWGA算子的变形组合预测研究

针对一阶预测有效度未能考虑预测精度的方差以及权数不变的问题,提出一种基于二阶预测有效度IOWGA算子的变权组合预测方法。该方法以二阶预测有效度作为目标函数,根据预测精度赋权,然后将其运用于变形数据分析中。实验结果表明,该模型预测精度高,适用于变形预测与分析。     

优化组合预测模型在桥梁变形预测中的应用

为提高桥梁变形预测的精度,探讨不同预测模型在桥梁变形预测中的效果,结合桥梁变形监测数据及组合预测思路,构建桥梁的MC误差修正优化组合预测模型。通过实例验证得出,组合预测较单项预测具有更高的预测精度及稳定性,其中以RBF神经网络组合的预测精度最高;同时,误差优化修正模型进一步减小了预测误差,优化后预测结果的相对误差期望值为0.86%,方差值为0.097 3 mm2,准确预测了桥梁变形,验证了该思路的有效性。     

变形预测中的组合预测思想与模型探讨

可用于变形预测的模型众多,但因预测的不确定性问题存在,对预测的精确性产生了很大影响。本文基于组合预测方法,对这一预测方法的思想进行了详细分析与探讨,提出了组合变形预测模型,对变形预测技术的发展提供了理论参考。     

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。     

改进的最优非负变权组合模型及其应用

根据GM(1,1) 、BP神经网络、卡尔曼滤波的特点,建立以灰色关联度最大为准则的最优非负变权组合预测模型,在一定程度上抑制了误差“放大”的效应。与以误差平方和最小为准则的变权组合模型、各最优加权组合模型、各单一模型进行对比分析,结果表明,本文模型预测精度最高。     

常系数非齐次微分方程特解的算子解法和注释

本文对常系数非齐次微分方程特解的算子解法进行了比较系统地论证和归纳,并对某些问题作了必要的注释。     

基于PPLN的时序数据组合预测模型

针对观测数据时间序列,综合组合预测与投影寻踪学习网络的优点,提出一种新的预测模型.即采用静态预测法提取多组趋势项部分,自回归模型提取周期项部分,将它们都作为投影寻踪学习网络的输入部分,然后利用PPLN具有逼近复杂非线性函数的能力,通过网络学习与训练解决传统方法定权困难的问题.沉降预测的实验结果表明,与传统的曲线拟合法、变权重组合预测法相比较,该预测模型精度更高、具有实用性.     

基于MRVM的多输出边坡变形预测模型

为解决多输出边坡变形预测问题,提高预测模型的精度及计算效率,提出基于多输出相关向量机（MRVM）的边坡变形预测新模型。通过将标准RVM的单输出功能拓展到多维输出功能的方式建立MRVM,并利用PSO算法优化其参数。以某大型干坞边坡变形为例,基于MRVM建立边坡坡顶水平变形与沉降变形预测模型,并对其精度及计算效率进行分析。实验结果表明,MRVM的精度高于BP 神经网络、支持向量机（SVM）、RVM,证实拓展RVM所采用的方法可行,并具有较好的边坡预测精度;MRVM的计算时间远小于BP 神经网络、支持向量机（SVM）、RVM,具有较高的计算效率,并简化了建模程序,实现了对边坡的多个变形量进行同时预测。     

最优化分数阶算子EGM(1,1)模型在变形监测预报中的应用

针对传统灰色模型在形变监测中数据序列拟合和预测精度不理想的情况,提出粒子群算法优化的分数阶算子EGM(1,1)模型。通过粒子群算法选择拟合EGM(1,1)平均相对误差最小的分数阶次,构建最优分数阶算子EGM(1,1)模型。用典型的变形监测数据验证优化模型,结果表明,优化模型对变形监测数据的拟合和预测都达到较高的精度,说明优化模型在变形监测数据的处理中具有可行性和有效性。     

基于多元整体最小二乘优化的多点灰色动态变形分析模型

提出一种多元整体最小二乘优化的多点灰色动态模型,并结合实例验证优化的MGM(1,n)模型的优越性。将优化的MGM(1,n)模型与一般的MGM(1,n)模型进行对比,分析两种模型的建模值和预测值。结果表明,优化的MGM(1,n)模型在建模数据多于4期的情况下建模精度更高,预测精度更准确,更符合实际情况。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

�����������α�����������Ӱ���������������

?????????????α??????????????????????????????????????????????????????鷽??????????в????????????????????о?????????1)?????????????????α?(?????NS??)???????????????????????????????????????????2)?????????????????NS?????????????????????????????????????????????3)????????????????????????????4)?????NE??EW?????????3?????????????????5)?????NS??????????и?????????????????????????????6)??????NE?????????????????????????????????????????7) ??????????????????????????????????????????????????     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。     

一种基于熵权法的小波去噪复合评价指标

传统的评价指标在真值未知的情况下不能满足小波去噪质量评价的要求。为此,借助变化率特征重新构建均方根误差变化量和平滑度变化量两个指标,利用熵权法定权将归一化后的两个指标线性组合,所得到的新指标即为复合评价指标。该方法借助指标的变化率随分解层数的增加表现出明显的收敛特性来确定去噪最优分解层数。实验表明,该方法能够在真值未知的情况下准确地指导小波分解,确定去噪最优分解层数,从而达到最优去噪效果。