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。     

改进GM(1,1)模型在路基沉降预测中的应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。为此从传统GM(1,1)预测模型建模原理出发,分析存在的理论缺陷,指出在形成预测公式时规定 , 0.5为已知条件是不合理的,应当根据实际情况选用其他数据。通过引入平均斜率来计算 序列,并利用MATLAB程序进行数据处理,寻找最合适的 以及最佳维数区。某高速公路实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。     

灰色GM(1,1)模型在汶川县泥石流活动趋势预测中的应用

泥石流的发生是一个动态变化的过程,灾变时间及活动强度具有明显的非线性特征,认识和掌握泥石流发生、发展规律,对未来泥石流活动趋势进行预测,是地质灾害防灾减灾与宏观规划防灾预案工作的基础。本文以四川省汶川县1960~2010年50a的泥石流灾情数据作为原始数据序列,建立灰色GM(1,1)灾变预测模型,采用2011~2019年9a泥石流灾情数据来验证模型预测精度。为了提高预测精度,采用傅里叶变换修正误差残值。经计算GM(1,1)模型的预测结果相对误差为3.582%,傅里叶变换误差修正后相对误差为0.073%,预测结果与实际发生年份一致,并预测未来一段时间汶川县将于2033年或2034年、2051年或2052年发生大规模群发性泥石流。     

GM（1,1）模型在矿井水动态预测中的应用

本文以灰色系统理论为基础，建立了矿井地下水涌出的ＧＭ（１，１）动态预测模型，并用该模型进行了实际预测。     

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%。     

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。     

灰色GM(1,1)模型在山东焦家金矿床深部含矿性预测中的应用

运用灰色理论,以焦家金矿床矿体品位、厚度代表矿化的白化值,经过数据生成处理,建立了矿体品位、厚度灰色GM(1,1)模型.通过残差、后验差、关联度检验,研究了模型的可靠性,对影响预测模型精度的因素进行了分析,并提出了提高模型精度的方法;通过GM(1,1)模型预测,焦家金矿床Ⅰ,Ⅲ矿体金矿化强度自浅部向深部逐渐增强,Ⅱ号矿体品位自浅部向深部逐渐增高,但厚度有逐渐减小的趋势,总体矿化强度不及Ⅰ,Ⅲ矿体.     

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。     

基于灰色模型的城市用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并结合实例建立灰色GM(1,1)预测模型,运用残差检验与后验差检验2种方法对模型进行精度检验,其模型拟合精度达99％.用所建立的模型对某市2010-2013年城市用水量进行外推预测.结果表明,该灰色模型用于城市用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测...     

灰色系统GM（1，1）模型在天津地下热水水位预测中的应用

天津是我国开发利用地热资源较早的城市之一,二十世纪九十年代开始大规模的将地热资源应用于供暖、洗浴、养殖等方面。但随着地热资源开采规模的不断扩大,地下热水的水位正在逐年下降。通过整理和分析以往的动态监测资料,介绍了天津地区地热地质条件,总结了天津地区地下热水水位动态变化的基本特征,并利用灰色系统GM（1,1）模型对地下热水的未来水位变化趋势进行了预测,提出GM（1,1）模型在地下热水水位短期预测中的优势和应用前景。     

基于回归分析的地下水水质预测研究

影响地下水水质变化的因素较多,且地下水由于水体循环周期比较长,自净能力比较脆弱,地下水一旦受到污染,就很难恢复原状,并且会对生态环境造成严重影响,直接危害人类健康,因此应对地下水资源进行监测,建立动态预测模型。根据地下水水质与其影响因素之间存在的相关关系,运用回归分析理论和方法,建立了一个基于回归分析法的地下水水质动态预测模型,并将该模型用于研究区地下水水质的动态预测。结果表明预测精度较高,建立的模型较符合研究区的实际情况。     

基于灰色GM（1，1）模型的城市生活用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以上海市为实例建立灰色GM（1,1）预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达97．25％。用所建立的模型对上海市2003～2007年城市生活用水量进行预测。结果表明,该灰色模型用于城市生活用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与实际情况比较吻合。     

地下水污染趋势预测研究

在水量平衡及物料平衡的基础上,利用概念性模型,预测了山西省大同市近几十年的地下水污染情况,并结合模型结果,讨论了地下水恶化的主要原因是地下水超采形成降落漏斗、污水灌溉,以及有些地区不允许已使用过的地下水出境等。本文的研究可为地下水水质保护工作提供科学依据。     

pGM(1,1)灰色预测模型及其应用

分析了pGM(1,1)模型在背景取值上的不足，给出了一种基于权的pGM(1,1)模型，并用该模型进行了实际的变形预测。     

地下水水质实时预报系统开发及应用——以下辽河平原为例

地下水数值模拟需要大量的监测数据作为支撑,数据的录入耗时耗力,存在出错的可能,且不能第一时间进行实时快速预报。采用VB语言编程技术,以识别和验证后的下辽河平原地下水流数值模型和地下水溶质运移数值模型为基础,重新编译后的MF2K和MT3DMS为内核计算程序,Microsoft SQL Server 2000为数据库,开发了模型与地下水实时监测系统的接口,集成建立了下辽河平原地下水水质实时预报模型,并开发了操作界面下的操作系统,实现了下辽河平原地下水水质的实时预报功能。该系统将地下水实时监控技术与地下水数值模拟技术结合,操作简便、时效性强、出错概率小,能够实时获取地下水水位、水质监测数据,对地下水流场和地下水溶质浓度场的演化进行快速预报。同时,本系统预留了更新接口,可根据逐步积累的地下水监测数据和系统计算数据进行进一步验证,不断提高系统预报的精度。     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

组合评价模型在地下水水质评价中的应用

基于主观赋权法和客观赋权法对于水质评价有各自的优点和缺点,采用基于遗传算法的组合评价模型,通过该模型将多种评价方法进行组合,并利用遗传算法优化各评价方法的权重,根据评价指标函数值评价出各样本的优劣.通过对评价实例的对比分析,表明该组合评价模型的评价结果更符合实际.