pGM(1,1)模型在变形预测中的应用

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。     

灰色GM(1,1)模型在高铁线下工程沉降变形预测中的应用

讨论了GM(1,1)预报模型的建立及应用问题,并通过对贵广铁路某高架桥沉降变形数据进行研究,结果表明,利用GM(1,1)建模进行预报具有理论的可行性和现实意义,说明灰色理论在线下工程沉降变形监测中具有实用价值。     

改进的GM(1,1)模型在大坝变形预测中的应用

针对大坝安全监测数据存在贫信息、小样本的问题,通过对原始数据、初始值以及背景值进行优化改进传统的GM(1,1)模型。以某大坝实测径向水平位移数据为例,分别用改进前后的模型进行预测,并与实测值进行对比。验证改进的GM(1,1)模型的优越性与有效性,相对于传统GM(1,1)模型,其预测精度更高。     

GM(1,1)模型在深基坑变形预测中的应用

为研究基坑工程的变形规律,合理预测基坑未来的变形趋势,针对基坑工程变形中存在的各种变形因素复杂、变形大小不确定等情形,采用灰色系统理论建立基坑变形分析模型,结合工程实例,通过GM(1,1)模型群的建立确定最佳预测模型,然后在最佳模型基础上分别建立全数据模型、新信息模型、自动更新三种模型;预测结果表明应用灰色模型进行基坑工程变形分析的可行性和可靠性,为基坑工程的变形分析和安全性诊断提供了可靠的理论依据和科学的分析方法。     

改进的GM(1,1)模型在公路隧道沉降预测中的应用

根据灰色系统理论,可以将公路隧道的沉降过程看做一个灰色系统。本文对传统的GM(1,1)模型中的初始值、背景值进行改进,得到改进的GM(1,1)模型,并将其应用到公路隧道的沉降预测中。通过实例验证,改进的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型有显著提高。     

GM(1,1)模型在建筑物变形预测中的应用

通过对某楼群变形预测的实例,阐述了如何利用现场采集的数据信息,按灰色理论的ＧＭ（１,１）模型建立预测模型,对建筑物变形进行预测预报的方法。     

pGM(1,1)预测模型及其参数估计

从分析GM(1，1)预测模型的背景值取值不足入手，根据误差处理理论，对GM(1，1)预测模型进行扩展，提出一种基于比例因子来确定背景值的pGM(1，1)预测模型。同时，讨论该模型参数的最佳估计方法。最后对实例进行分析和比较。     

GM(1,1)模型反演预测方法在沉降预测中的应用

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。     

改进灰色GM(1,1)模型在滑坡预测中的应用

滑坡形成因素复杂,具有典型的灰色不确定性。为研究滑坡发展趋势,在已有滑坡预测技术的基础上,分析了典型灰色GM(1,1)模型在运算过程的误差原因,建立了改进灰色GM(1,1)模型;并运用滑坡实例验证了改进模型,直观显示曲线拟合情况。结果表明,改进后的模型预测精度等级明显提高,相对误差减小;说明所建滑坡预测模型效果好,在滑坡位移预测中有效可行。     

GM(1,1)多项式拟合模型在变形监测中的应用

GM(1,1)具有要求样本数据少,运算方便,短期预测精度高等优点,因此而得到广泛应用;但它也存在一定的局限性,其主要适用于单一的指数增长的模型,对序列数据出现异常情况很难预测。为了改善这一局限性,将其与多项式拟合进行组合,通过实例分析证明组合模型比单一模型拟合精度更高,达到比较好的效果。     

基于新陈代谢的PGM(1,1)模型在建筑物变形监测中的应用

针对目前灰色理论模型在变形监测中的应用,本文分析了PGM(1,1)模型中的参数及其求解的方法;对于建模时前期观测值对后期预测值的影响,引入新陈代谢理论,通过整体最小二乘求解得到模型的背景值。结合高层建筑物沉降监测的实例进行计算分析,结果表明,基于新陈代谢的PGM(1,1)模型相比于传统的GM(1,1)模型,在建筑物沉降预测方面具有较好的效果。     

GM(1,1)残差修正模型在建筑形变预报中的应用

通过对比建筑形变监测数据的GM(1,1)模型和改进的GM(1,1)残差修正模型建模的预报结果,表明残差修正GM(1,1)模型的预报精度明显高于传统GM(1,1)模型的预报精度,并且二次残差修正GM(1,1)模型的预报精度远高于一次残差修正GM(1,1)模型的预报精度,从而为准确形变预报提供了一种简单而有效地新实践。     

变形监测双重加权DPGM(1,1)预测模型的建立

针对GM(1,1)建模过程中背景值、时间因素两方面存在的不足,文中提出双重加权DPGM(1,1)预测模型,通过对背景值进行加权生成新的背景值,建立PGM(1,1)模型;在PGM(1,1)基础上考虑到时间因素在求解灰参数时进行第二次加权建立DPGM(1,1)模型。通过实例分析,比较GM(1,1)、PGM(1,1)、DPGM(1,1)三种模型在变形监测数据处理中的拟合和预测结果。表明,双重加权DPGM(1,1)模型拟合效果更好、预测精度更高。该模型具有前两种模型的优点,同时弥补了传统GM(1,1)的不足。     

GM(1,1)模型在建筑物沉降分析中的应用

采用灰色理论中的GM(1,1)模型,对建筑物的沉降数据进行拟合,并以此模型进行预报。通过实例分析,GM(1,1)模型具有较高的拟合精度以及预报精度,能够准确预报建筑物未来沉降趋势,在确保建筑物安全方面,具有较高的实际指导意义。     

非等间距多点变形预测模型及其应用

将彼此关联的多个变形监测点纳入整体建模,将单点的变形分析扩展到空间多点的整体变形分析,采用非等间距等距化处理的改进方法,建立了基于非等间距的多点变形预测模型。本文通过实例分析与对比,验证了非等间距多点变形预测模型的可行性和有效性,是一种非线性时空整体变形分析与预测的新方法。     

灰色GM(1,1)与Kalman滤波模型用于变形预测的比较分析

通过运用灰色GM(1,1)和Kalman滤波模型分别对某高层建筑物的沉降变形趋势进行分析,得出灰色GM(1,1)适用于短期且变形趋势呈线性变化的变形分析与预测,而Kalman滤波模型不仅适用于短期预测,对于长周期预测也有较高的精度。因此,在观测周期较短时,灰色GM(1,1)和Kalman滤波模型对线性变化的高层建筑物都有较高的预测精度,但是对于较长周期的观测,Kalman滤波模型预测的精度和可靠性要高于灰色GM(1,1)模型。