基于灰色-马尔柯夫链预测模型的耕地需求量预测研究

讨论了耕地总量预测的方法，在分析现有耕地预测方法的基础上，针对灰色GM(1，1)预测与马尔柯夫链预测的优点和不足，提出了基于灰色一马尔柯夫链的耕地需求量预测模型，并以湖北省耕地需求量为例，时该模型进行了实例验证和应用。     

地球科学相关论文摘要

04 0 5 0 1　基于谱运算的复相关函数在干涉复图像配准中的应用 /曾琪明 (北京大学 )…∥测绘学报 .- 2 0 0 4 ,33(2 ) .-1 2 7～ 1 31引入了基于谱运算的复相关函数算法 ,实现控制点的亚像元级精确定位 ,比较了算法的计算复杂度 ,对我国某地区ERS 2的SLC数据进行了实验 ,生成了干涉图像并进行了相干性分析 ,证明了算法的可行性和稳健性。0 4 0 5 0 2　基于灰色 马尔柯夫链预测模型的耕地需求量预测研究 /刘耀林 (武汉大学 )…∥武汉大学学报·信息科学版 .-2 0 0 4 ,2 9(7) .- 5 75～ 5 79讨论了耕地总量预测的方法 ,在分析现有耕地预…     

耕地需求量预测的加权模糊-马尔可夫链模型

以耕地利用动态度为度量，利用模糊有序聚类方法将耕地需求量划分为不同的模糊状态区间，利用模糊集理论构建马尔可夫链状态转移概率矩阵，以规范化的各阶自相关系数为权重改进传统的马尔可夫链预测模型，用改进后的模型对土地利用规划中耕地需求量进行预测。实验结果表明，改进后的方法较传统的预测方法更具科学性和实用性。     

一种状态区间取值修正的灰色-马尔科夫链预测模型研究

提出了一种对灰色-马尔科夫链预测模型的状态区间取值修正方法.考虑实测值在状态区间中的位置分布情况作为先验知识,对状态区间的端点重新定权,修正预测值在状态区间中的取值,从而获得更高精度的预测结果.结合某建筑物的实测沉降数据,与原始GM(1,1)、残差修正G M(1,1)、灰色-马尔科夫链预测模型进行对比,结果表明:本文预...     

改进灰色马氏组合模型在建筑物沉降预测中的应用

结合青岛某工程大厦实测数据,提出了基于小波去噪的改进灰色-马尔柯夫组合模型,对建筑物进行沉降预测。首先,采用小波变换理论对数据进行小波去噪;然后,利用Matlab建立新陈代谢灰色模型,并对去噪数据进行沉降预测;最后,将新陈代谢灰色模型得到的相关预测值划分为不同的状态区间,再利用马尔科夫模型来确定最终的沉降预测值。结果表明,组合模型的预测精度和预测结果要优于其他两个模型,且其稳定性和可靠性都有很大提高。     

非等时距灰色-马尔科夫链模型在深基坑变形预测中的应用

针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。     

基于粮食安全策略的耕地需求量预测研究--以湖北省为例

常见的耕地需求量预测方法主要是采用回归分析法、灰色预测法,缺乏对自然和社会因素的内在分析,忽略了国家粮食安全策略的影响。但是耕地保护与粮食安全之间存在着相当密切的联系,因此,本文基于国家粮食安全策略考虑进行耕地需求量的预测。结合国民经济发展及各用地部门需求,考虑规划期间耕地减少和增加的各种可能性,最终确定耕地需求的合理规模。     

地籍学

CH20051707 多尺度耕地供需动态平衡模式研究= MODEH OF DYNAMIC BALANCE BETWEEN CULTIVATED LAND DE- MANDS AND SUPPLIES AT MULTI-SCALES／刘艳芳(武汉大学资源与环境科学学院)／／武汉大学学报(信息科学版)．-2005, 30(3)．-194-198,203 从耕地生态经济系统角度,指出耕地供需动态平衡实质上是指耕地经济量和生态量的供需动态平衡并根据耕地供需动态平衡的多尺度特征,提出衡量耕地供需动态平     

基于EMD方法的组合预测模型在建筑物基坑沉降监测中的应用

为了对建筑物基坑沉降进行准确预报,在传统的时间序列预测模型的基础上,提出了一种基于经验模态分解（EMD）方法的差分灰色神经网络-AR模型。该模型充分结合EMD方法在信号自适应分解中的优势,通过EMD方法将监测数据分为不同频段的分量,使用差分灰色神经网络模型对序列更为稳定的低频分量进行预测,消除了由于灰色预测模型预测残差不稳定导致预测结果精度较低的问题;使用AR时间序列模型对稳定性较低的高频分量进行预测,重构由不同模型预测得到的结果,得到最终预测结果。将灰色GM(1.1)模型、差分灰色神经网络模型与本文提出的组合模型应用于某在建建筑物基坑沉降预测中,试验结果表明相比于灰色GM(1.1)模型与差分灰色神经网络模型,本文提出的组合模型预测精度更高,可以有效预报建筑物基坑沉降,在实际工程中有较高的推广价值。     

基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场（MRF），对光谱矢量在二维空间的映射模式予以描述，建立了基于马尔柯夫随机场的多波段纹理模型，提出了在多波段遥感影像中吉布斯（Gibbs）分布势函数和吉布斯参数的计算方法，并提出了一种迭代修正的多波段遥感影像纹理分割方法。     

Fisher算法及加权马尔可夫链模型的耕地需求量预测方法——以山东省聊城市为例

根据聊城市1949-2007年的耕地数据,以耕地变化率来描述耕地数量变化的速率,借助Fisher最优分割法将耕地变化率状态分为5个等级,利用规范化后的各阶自相关系数为权重,运用加权马尔可夫链模型对聊城市耕地需求量进行预测。结果表明,预测值与实际值的相对误差为0.01%,预测结果非常理想,同时也验证了加权后的马尔可夫预测法更具科学性和实用性。     

基于Markov-CA的土地利用变化预测研究

综合集成土地利用变化模型,提出基于Markov（马尔柯夫）模型和CA（元胞自动机）模型土地利用变化预测模式并对其进行实证研究。研究结果是：从1987年到2013年,皇甫川流域土地利用格局变化的总体态势是：城镇用地、林地、耕地和灌丛的面积逐渐增加,其增加速率依次减小;水体、草地、沙地和裸砒砂岩面积逐渐减小,其中水体缩减的幅度最大。     

组合预测模型在武汉市地铁施工监测中的应用

以武汉市地铁6号线施工沉降监测为例,利用多种预测模型对第十一标段武胜路站—汉正街站区间的沉降量进行了预测。通过对比分析可知,灰色GM(1,1)模型的拟合值与实地观测趋势大致吻合,但灰色线性回归组合预测模型的拟合效果更好,平均相对误差可达2.564×10~(-3)%。为得到精度更高、鲁棒性更好的预测模型,对灰色线性回归组合预测模型进行了加权优化。结果表明,利用改进模型进行预测的平均相对误差为1.769×10~(-3)%,验证了该模型的可靠性,对地铁施工过程中的安全稳定性评价具有一定的参考价值。     

利用三点法-灰色组合模型预测铁路路基沉降

针对三点法与灰色GM(1,1)模型在沉降预测中的优势与不足,该文结合组合模型的构建理念,提出误差平方和最小的三点法-灰色GM(1,1)组合模型的预测方法。最后通过在实验中分析相关系数和预测误差,将组和模型预测和单预测模型进行对比,结果表明该方法能较好用于某铁路客运专线路基的沉降预测,为相关研究提供参考。     

适用于高斯-马尔柯夫模型的信息扩散估计及其性能

基于信息扩散原理的估计方法 ,从一维推广到多维 ,提出了适用于高斯 -马尔柯夫模型 (G- M模型 )的信息扩散估计方法 (Information Spread Estimation- ISE)。并对其性能作了大量模拟试验研究 ,可以认为采用 ISE法消除了实际观测误差分布偏离假定分布的风险 ,抗差性能优越 ,并且不须迭代 ,从而较为成功地实现了信息扩散原理在测量数据处理中的应用。     

基于灰色模型和指数平滑法的地面沉降预测

提出了在灰色模型GM(1,1)和三次指数平滑法基础上的组合预测方法。地面沉降是一种渐变性地质灾害,可以预测其发展趋势。文章结合灰色系统理论预测模型及指数平滑法预测模型的特点,提出了在灰GM(1,1)和三次指数平滑法的基础上采用加权组合预测地面沉降预测的方法。     

一种马尔可夫的非等间距多点灰色预测模型

针对非等间距单点灰色预测模型在处理多点变形预测时,没有考虑点与点之间的关联性和它们之间的相互影响,而且容易受建模数据随机扰动性影响这一问题,该文提出了一种基于马尔可夫的非等间距多点灰色预测模型。首先,结合某基坑的变形实测数据,建立非等间距多点灰色预测模型和非等间距单点灰色预测模型,通过两种模型预测结果对比验证非等间距多点灰色预测模型在处理多点变形预测问题上的优越性,然后运用马尔可夫模型建立状态转移概率矩阵对预测结果进行修正,最后建立基于马尔可夫的非等间距多点灰色预测模型。结果表明,基于马尔可夫的非等间距多点灰色预测模型的拟合及预测精度更高,适应性更强,更符合实际变形情况,具有实际参考价值。     

马尔科夫理论的优化灰色模型预测建模

针对GM(1,1)模型易受建模数据随机扰动影响,且模型稳定性较差的问题,该文提出了基于马尔科夫(Markov)理论的GM(1,1)预测优化模型。首先,通过最小二乘原理选取GM(1,1)模型的最优初值,利用指数函数法构造新的背景值,同时利用正化残差序列法进一步修正残差。然后,将优化的GM(1,1)模型和马尔科夫理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建了优化的灰色马尔科夫预测模型。最后,以某建筑物的变形实测数据为基础,进行了传统GM(1,1)预测模型、优化的GM(1,1)预测模型和优化的灰色马尔科夫预测模型的实例计算比较,结果表明:优化的灰色马尔科夫预测模型的拟合精度和预测精度优于传统GM(1,1)预测模型和优化的GM(1,1)预测模型,且适用性更强,稳定性更好。     

改进的卡尔曼灰色模型在隧道沉降预测中的应用

为提高地表沉降预测精度,针对灰色预测模型(GM(1,1))易受随机干扰影响致使预测精度不高的问题,建立了基于卡尔曼滤波的灰色理论预测模型。考虑到沉降量受到温度和时间因素影响较大的特点,将地表的沉降看作时间、温度的相关函数来建立卡尔曼滤波模型,并利用迭代滤波理论和LevenbergMarquardt优化滤波,构建改进的卡尔曼滤波模型。改进的卡尔曼滤波模型与灰色模型相结合,应用于地表沉降预测中,并将改进的卡尔曼滤波灰色模型预测结果与卡尔曼滤波灰色模型的预测结果进行对比。实例计算表明,使用改进的卡尔曼滤波对消除检测数据扰动误差后的数据进行灰色模型预测的精度相比于单纯灰色预测的预测精度更高。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。