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。     

室内多区域气载颗粒物动态行为研究Ⅰ:定性分析

采用状态空间法预测多区域室内环境中颗粒物的动态传输过程;在状态空间模型里,通过矢量、矩阵等概念,刻画颗粒物演化规律的微分方程组以状态方程的形式紧凑地表示;基于状态空间法的解析解,对气载颗粒物的动态传输特性进行了详细的定性分析。通过定性分析表明系统的原点平衡状态是渐进(李亚普诺夫意义下)稳定的;导出了计算系统最小衰减率的公式,该公式将系统矩阵的特征值与最小衰减率直接联系起来;进一步分析了系统参数对衰减率的影响,分析表明可以定义一个新的综合去除系数。     

基于粒子群算法的GM(1,1)在经济发展预测中的应用

采用粒子群算法对GM(1,1)模型中的参数进行优化求解,然后将得到的模型应用于四川省经济发展预测,并和传统采用最小二乘法求解参数的GM(1,1)的预测结果进行了对照.结果表明,采用粒子群算法优化参数的GM(1,1)模型预测效果明显优于传统采用最小二乘法求解参数的GM(1,1)的模型预测效果.     

一类分数阶非线性系统的输入输出到状态稳定性分析

基于Mittag-Leffler型稳定和整数阶非线性系统的输入到状态稳定理论,在Caputo分数阶导数意义下,对于导数阶数在0到1开区间的分数阶非线性系统,给出全新的输入输出到状态稳定定义,进而建立非线性系统实现输入输出到状态稳定的Lyapunov定理。举例证明该理论的正确性和实用性。     

GM(1,1)幂模型的改进及其在沉降预测中的应用

GM(1,1)幂模型可用于趋于稳定或具有S型变化趋势的沉降预测,但其存在灰色建模的固有缺陷、非等间隔数据的不适用性和参数求解复杂性等不足之处。结合幂函数变换与无偏GM(1,1)模型和非等间隔无偏GM(1,1)模型,建立了无偏GM(1,1)幂模型和非等间隔无偏GM(1,1)幂模型。基于Matlab程序,以拟合结果的平均相对误差最小作为优化目标,提出参数的优化求解方法,同时提出采用Origin拟合函数SRichards2的替代方法。实例分析结果显示,两种方法拟合效果相当,均可用于沉降预测。结合两者的应用效果和建模特点,建议人工处理数据时采用Origin拟合函数SRichards2;对于有特殊优化目标的情况或自动化监测设计时,可采用无偏GM(1,1)幂模型或非等间隔无偏GM(1,1)幂模型。     

加权复合分位数自回归模型在隧道围岩变形预测中的应用

提出加权复合分位数自回归模型对隧道围岩变形进行预测的新方法,并给出其原理和实现算法。以昆明市阳宗隧道为例,对加权复合分位数自回归预测模型进行计算,并与其他模型进行对比分析。结果表明,新方法预测效果优于非加权复合分位数估值的AR(2)模型、基于最小二乘参数估计的自回归预测、经遗传算法优化的支持向量机等预测方法。     

半参数回归与平差模型

从数据处理几种回归模型出发，对参数、非参数、半参数回归模型进行了讨论，指出了它们的适用前提条件。论证了半参数回归模型的最小二乘核估计与附加系统参数平差、补偿最小二乘准则与最小二乘配置之间的联系与区别，阐述了半参数回归估计在测量平差中的应用前景。     

GM(1,1)模型的遗传算法优化及效果检验

对平稳的数据和非平稳数据两种数据序列建立的GM（1，1）模型，分别用加速遗传算法（AGA）和最小二乘法（LSM）对模型参数求解。结果表明：对平稳变化数据序列，两种方法建立的预测模型的拟合优度和预测精度无显著差异；对变化幅度较大的非平稳数据序列，基于AGA的GM（1，1）模型的拟合优度和预测精度高于基于LSM的GM（1，1）模型的拟合优度和预测精度。     

基于双曲线模型的卡尔曼滤波法在建筑物沉降预测中的应用

利用最小二乘法求出双曲线模型的模型参数,将此参数看作带有动态噪声的状态向量,建立基于双曲线模型的卡尔曼滤波模型,对建筑物的沉降量进行预测。卡尔曼滤波过程中,模型的参数不断发生变化,增强了其适应观测数据的能力,从而减小了拟合误差。计算表明,用基于双曲线模型的卡尔曼滤波模型对建筑物的沉降量进行预测,误差较小,效果较为理想。     

非线性半参数模型最小二乘核估计的直接解法

基于非线性半参数模型最小二乘核估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的计算公式。用实测数据进行计算,证明了对于非线性半参数模型最小二乘核估计,可采用顾及二次项的直接解法。     

基于ANN-CA模型的土壤侵蚀时空演化分析

土壤侵蚀是中国乃至世界的主要环境问题之一。到目前为止,应用于土壤侵蚀研究的模型仅仅能够做一些事后的预报,并不能实现真正意义的土壤侵蚀预报,更不能反映土壤侵蚀的时空演化规律。本研究利用元胞自动机强大的空间动态模拟功能,建立了土壤侵蚀的元胞自动机模型,实现了对研究区2010年土壤侵蚀类型的空间预测,从微观的元胞状态的变化,反映了研究区土壤侵蚀的宏观变化规律。利用2000年计算出的土壤侵蚀强度类型与模拟的2000年土壤侵蚀强度类型对比,评价了土壤侵蚀强度预测的准确率,并对准确率相对较低的类型分析了原因,增加各个土壤侵蚀类型的训练样本,改进土壤侵蚀强度类型的分类标准,将大大提高ANN- CA模型的精度。同时指出,本研究建立的模型可以推广到其他土壤侵蚀区的预测研究。     

改进的边坡变形非线性时变系统的不确定性分析

大地测量数据往往包含许多不确定性,可能导致所建立的函数模型产生病态,影响参数估计的准确性和可靠性。通过研究边坡变形非线性时变系统的力学原理,利用多项式拟合方法改进原模型,在参数解算过程中,考虑到测量数据的不确定性给解算结果带来消极影响,通过限制不确定度,利用min-max准则,提高参数解算的准确性,并将预测变形结果与实测边坡位移数据对比。结果表明,带不确定性的平差算法（least-square with uncertainty,ULS）与最小二乘平差（least-squares,LS）和整体最小二乘平差（total least-square,TLS）相比,其预测结果更接近实际测量数据,证明了改进的边坡变形非线性时变系统预测变形的有效性。     

分数阶傅里叶变换联合支持向量机的建筑物变形预测

提出一种分数阶傅里叶变换(fractional Fourier transformation, FrFT)与支持向量机(support vector machine, SVM)相结合的建筑物变形组合预测模型。首先利用FrFT对变形时间序列进行多尺度分析,将复杂时间序列分解为一系列结构较为简单的子序列;然后利用SVM对每个子序列分别建立预测模型,通过将各个子序列的预测结果进行综合叠加,得到最终预测结果;同时考虑到SVM模型参数选择的难题,提出一种改进果蝇优化算法(improved fruit fly optimization algorithm, IFOA)对其进行全局寻优,提升预测性能。以西南地区某混凝土坝变形实测数据为例开展验证实验,结果表明,本文组合预测模型能够充分挖掘数据中隐含的趋势性和规律性信息,获得较高的预测精度。     

GRACE RL06与RL05时变重力场模型数据初步比较分析

简要介绍CSR、GFZ和JPL机构的GRACE RL06时变重力场模型数据,并对比分析RL06和RL05数据的解算模型。从全球陆地水储量变化反演结果、时变重力场模型阶方差和C20项时间序列3个方面,对2004-01~2014-11期间RL06和RL05时变重力场模型数据进行对比分析。结果表明,GRACE RL06时变重力场模型数据质量的和精度较RL05有明显提高,其全球陆地水储量变化反演结果去条带噪声效果更好、信噪比更高;在高阶项部分,RL06模型数据的阶方差小于RL05;RL06模型数据的C20项时间序列幅值变化小于RL05,与SLR所得C20项数据也更接近。相同条件下,采用CSR RL06模型阶方差最小,利用RL06模型所得全球陆地水储量变化反演结果信噪比值最大。     

GNSS UTCO参数演变分析与对比评估北大核心CSCD

全球导航卫星系统(GNSS)发播的协调世界时偏差参数(UTCO)随着导航系统现代化升级而更新,尤其是GPS和BDS的UTCO参数具有明显变化。从模型上看,一阶溯源模型改为二阶溯源模型,兼容一阶模型;从分辨率上看,参数分辨率普遍变小,从而提高对UTCO微小变化的敏感性。通过研究GPS、BDS、Galileo、GLONASS四大导航系统GPS LNAV电文、GPS CNAV电文、BDS D1/D2电文、BDS B-CNAV电文、Galileo电文、GLONASS电文中的UTCO参数,基于国际计量局(BIPM)国际时间公报(T公报)UTCr-UTC(k)数据,将GNSS UTCO参数统一到快速协调世界时(UTCr),分析不同系统发播的UTCO参数性能。同时以国家授时中心(NTSC)监测的GNSS系统时差和BIPM快速T公报作为参考,评估GNSS系统发播的协调世界时偏差误差(UTCOE)。结果表明,在实验时段内,GPS CNAV电文的UTCO参数性能优于GPS LNAV电文,BDS B-CNAV电文的UTCO参数性能优于BDS D1/D2电文;GPS、Galileo的UTCO参数性能优于BDS、GLONASS,BDS和GLONASS在UTC溯源中具有一定的系统误差。     

基于SAFA-FDGM(1,1)模型的BDS钟差预报

为建立高精度的BDS钟差预报模型,提出一种基于改进的萤火虫算法优化的分数阶离散型灰色系统SAFA-FDGM(1,1)钟差预报模型。为避免萤火虫算法陷入局部最优解,提高萤火虫算法的优化能力,本文引入惯性权重因子,同时对吸引力因子、步长因子进行改进;利用改进的萤火虫算法自动优化选取FDGM(1,1)分数阶因子来提高FDGM(1,1)数据拟合精度。分别采用C02(GEO)、C09(IGSO)、C12(MEO)三种不同类型卫星的钟差数据进行实验分析,结果表明,本文预报模型优于传统二次多项式模型与GM(1,1)模型,其中3~6 h预报误差小于1 ns,9~12 h预报误差优于2 ns,对建立高精度的BDS卫星通用钟差预报模型具有重要参考价值。     

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。     

多维参数反演遗传算法的元胞自动机模型与应用

城市是一个自组织的复杂系统,其扩展受许多不确定性因素影响。元胞自动机(CA)模型具有强大的空间运算能力,可以有效地模拟复杂的动态系统,在模拟城市扩展及其他地理现象中,得到了良好的效果。转换规则是CA模型的核心,其利用由地理元胞的状态及空间关系得出的空间参数计算元胞的变化。空间参数权重的确定是模型应用的难点。现有的权重确定方法存在可靠性不高,运算量大等不足。通过一种改进的遗传算法--实数编码遗传算法可以自动获取参数的权重。分析表明,所提出的方法在CA模型运算时间、模拟精度方面均有所提高。     

灰色预测模型在高层建筑物沉降预测中的应用研究

详细讨论了一阶一元灰色预测模型GM(1，1)的基本内容及建模过程，并成功地将GM(1，1)模型应用于高层建筑物沉降监测的预测预报，相应地编写了基于MATLAB的灰色系统沉降预测程序，便于实际应用。实践证明，灰色预测模型GM(1，1)在沉降预测中具有较高的应用价值。     

一种耦合进化算法与FLUS模型的土地利用变化模拟模型

研究如何在土地利用变化模拟过程中更为科学、客观地设置模型参数，对于避免复杂模型由于参数设置不当导致模拟效果不佳的问题具有重要意义。本文通过耦合进化算法（Evolutionary Algorithm,EA）与FLUS模型，构建了具有参数寻优功能的EA-FLUS模型。该模型首先通过进化策略对FLUS模型中人工神经网络模型的参数进行寻优，以提升对各土地利用类型出现概率分布的预测准确率，在此基础上结合地理分区，利用带精英策略的遗传算法与进化策略的组合对FLUS模型中元胞自动机模型的参数进行调整，以提升模拟精度。在实证研究阶段，本文以桂林市为实验区，通过对土地利用变化进行分区模拟来分析EA-FLUS模型的改进效果，此外还设置了自然发展、耕地保护、生态优先3种情景来模拟桂林市2020—2030年的土地利用变化。结果表明：(1)进化算法对参数的寻优结果相比于基于经验以及土地利用变化历史特征的参数设置，更加贴近实验区的政策导向，更能体现各土地利用类型在不同区域间多样的发展趋势；(2) EA-FLUS模型相较于FLUS模型，在加入地理分区的土地利用变化模拟中更具优势，其模拟结果总体精度、Kappa系数、...