灰色系统与神经网络组合模型在地下水水位预测中的应用

灰色GM(1,1)模型与人工BP神经网络对于预测非线性数列变化趋势都具有很好的适用性,但同其他预测方法一样也存在各自的局限性。本文采用灰色GM(1,1)模型与人工神经网络相结合的方法,对GM(1,1)模型预测结果进行了修正。以收集到的某地区1996～2006年的地下水水位埋深数据为算例,计算结果表明,经人工神经网络修正后的灰色系统的预测值比原预测值的预测精度有了很大提高。     

基于灰色理论的地下水埋深预测分析

根据灰色理论预测的基本原理,建立GM（1,1）预测模型,对河北省沧州市东辛店乡地下水位埋深进行实例预测,并对预测结果进行精度检验,分析灰色理论模型在地下水位埋深预测的可行性,结果表明：灰色GM（1,1）可以在数据较少的情况下进行短期预测,且预测精度高,计算简单;另外,通过预测结果和采取措施后的实际水位埋深的比较,可以清晰的看到所采取措施的效果。     

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。     

金华市某岩质滑坡成因机制分析及发展趋势预测

为探究金华市某岩质滑坡成因机制,多方面分析表明该滑坡是在固有内部因素条件下由地下水活动诱发产生的。为评价滑坡发展趋势,解决陈旧信息和波动性数据造成的传统灰色GM(1,1)模型预测精度较低的问题,提出一种利用动态新陈代谢和马尔科夫模型对原始灰色GM(1,1)模型改进的方法。通过新陈代谢理论来实现数据的动态更新,使得灰色GM(1,1)动态模型的预测值更加接近最新的变化趋势。利用马尔科夫模型对得到的灰色动态新陈代谢GM(1,1)模型预测值进行修正,提高了模型的预测精度。预测结果表明,灰色-马尔科夫动态新陈代谢GM(1,1)模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色GM(1,1)模型降低了70%。对于波动性较大的滑坡监测数据,灰色-马尔科夫动态新陈代谢GM(1,1)模型预测精度远优于传统灰色GM(1,1)模型,具有实际的参考价值。金华市某岩质滑坡监测数据和预测结果研究表明,该滑坡发展趋势不稳定,需采取适当的防治措施。     

灌区地下水年最高水位的灰色预测

本文简述了灰色预测 GM(1,1)模型、残差建模原理。应用建立的模型对宝鸡峡灌区周城——苏坊地区的地下水年最高水位进行了预测,预测值和实际观测值相比较,结果甚为满意。     

GM（1，1）模型预测地下水位时间序列应用研究

在灰色理论基础上,详细阐述了地下水水位时间序列GM（1,1）动态模型的建立过程。以无锡市为例,对模型进行了评定和检验。结果表明,模型的预测精度较高,具有一定的实用价值。     

优化GM(1,1)模型在地下水埋深预测中的应用

合理的开发和利用地下水对平原水库周边地区的可持续发展具有重大的意义.本文采用优化GM(1,1)模型,对地下水埋深进行了预测,拟合精度较高,预测效果较好,对于指导该水库合理开发利用地下水提供数量指标和科学理论依据.     

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。     

考虑滞后作用的地面沉降阿尔蒙分布预测模型

地面沉降相对于地下水水位变化具有滞后性。本文尝试建立了考虑滞后作用的地面沉降阿尔蒙分布滞后模型,并对收集到的沧州地区某时段内的地面沉降量进行了模拟预测,预测结果与灰色GM(1,1,)预测模型和神经网络预测模型的预测精度进行了对比。结果表明,阿尔蒙分布滞后模型的预测结果优良,预测精度相比较另两种方法均有提高,可以应用到地面沉降的预测问题中。     

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。     

灰色GM（2,1）模型在滑坡变形预测中的应用

应用灰色模型对滑坡变形进行预测,目前常用灰色GM(1,1)模型,而灰色GM(2,1)模型应用较少.在实际建模中发现,取不同长度的数据序列,建立的模型也不一样,所得的预测结果也有所不同.针对上述问题,本文基于统计的方法,得出白店子滑坡灰色预测模型最佳数据序列长度,在此基础上建立GM(2,1)模型对该滑坡深部位移进行预测,并与GM(1,1)模型预测结果进行了对比.结果表明,总体精度上GM(2,1)模型略高,预测误差较小,有很好的应用价值.     

基于改进的GM(1,1)模型的辽宁锦州地区地下水时空预测研究

以辽宁锦州地区为研究实例,对比分析改进前后GM(1,1)模型在区域地下水预测的精度。结果表明:改进的GM(1,1)模型可实现各量权重的动态设定,在年和月尺度的地下水预测精度相比传统模型均有明显改善,其中年均预测误差降低12. 5%,月均预测误差降低11. 8%,地下水空间分布预测结果也更符合区域实际情况。成果对于其他区域地下水预测具有重要的参考价值。     

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%。     

GM（1，1）动态模型在吴江市地下水水位预测中的应用

以吴江市地下水水位预测为例,详细阐述了地下水水位时间序列的GM（1,1）动态模型的原理和建立过程,并根据模型的预测值和实测值,对模型的精度进行了检验,结果表明,模型的预测精度达到了99．27％,等级属于Ⅰ级,具有实际的应用价值,为地下水资源的科学管理提供了依据。     

非平稳时序模型在地下水动态预报中的可行性分析

以陕西省宝鸡峡灌区一典型井的水位埋深数据为资料,运用回归分析,傅立叶级数频谱分析及自回归模型分析等方法,建立地下水埋深的非平稳时序模型。采用该模型对该典型井未来水位埋深进行预测,将预测结果与实测数据进行对比。分析该模型的预测精度及其误差来源,阐述其应用于地下水动态预报的可行性,从而对如何提高该模型预测精度提出建议。     

基于灰色系统算法在攀枝花钒钛磁铁矿预测中的应用

使用改进的GM(1,1)模型,即滚动灰色GM(1,1)模型,其中模型初始点是动态且最佳的,并减少了系统误差。通过对攀枝花市2004年~2015年的钒钛磁铁矿供需进行预测后,提高了整个预测的精度和可靠性,最后还给出了攀枝花加深利用钒钛资源的对策和建议。     

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。     

灰色系统理论在地面沉降预测中的应用

本文以厦门石湖山软土地基沉降预测为例,用灰色系统理论的方法,对现场观测数据进行了计算机模拟,建立该地基地面沉降的GM(1,1)预测模型,并用该理论提供的检验方法,对该模型进行了检验和可信度分析,证明用此法预测的地面沉降精度很高。同时,还运用传统的方法,建立了三种预测模型,对比和验证了GM(1,1)模型的精度,结果是GM(1,1)模型的精度最高。为地面沉降的预测找到了一种切实可行的方法。     

灰色双向差分模型在地下水动态预测中的应用

应用双向差分方法建立GM(1,1)灰色预测模型,并用于地下水动态预测中。实例应用结果表明,该方法对具有波动性和周期性的地下水动态预测时,比传统的灰色模型更有效。     

灰色线性回归组合模型在北京地面沉降分层预测中的应用

灰色系统理论GM(1,1)模型,应用于地面沉降模拟和预测中只能分析数据的指数变化规律。对于地面沉降发展过程中,存在的线性关系不能有效地反映。本文利用灰色组合模型中的第一类灰色组合模型即GM(1,1)与线性回归模型相融合。选取北京东部某地面沉降监测站2004～2012年的分层监测数据建立模型,计算出各监测层位沉降的数学模型,并以此预测各监测层位地面沉降量。结果表明：利用灰色线性回归组合模型在对地面沉降进行分层模拟和预测是可行的。在已有数据的基础上,利用数学模型进行沉降模拟时,两种模型的精度均很高,但通过模型预测未来一年沉降量时,灰色线性回归组合模型的精度,要远高于普通均值GM(1,1)模型。