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%。     

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（1,1）模型在地下水位动态预测中的应用

运用灰色系统理论建立GM（1,1）预测模型,以1990-2007年民勤盆地地下水位下降最为严重的下游湖区站点资料,预测了2007-2012年湖区地下水水位动态。结果表明：预测数据和实测数据达到了较好的拟合,其中逐年相对误差最大的年份（1993年）不超过15%,精度为90%,后验比为0.246。若不采取有效措施而任其发展,至2012年该湖区地下水位埋深将达到50 m,严重威胁到下游人畜的饮水问题。     

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。     

黄土坡滑坡变形的灰色预测模型

灰色系统预测模型的本质是对已知数据序列进行类型为指数形式的曲线拟合,然后将此曲线延伸到未来,由此对未知的数据做出预测。本文建立了黄土坡滑坡水平位移预测的GM(1,1)模型,实际应用表明,该模型具有精度高、适用性广等特点。      

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。     

改进欧拉算法的GM(1,1)模型预测滑坡变形

在传统的GM(1,1)模型建模的基础上,采用改进欧拉算法简化GM(1,1)模型中参数的求解过程,进行滑坡变形动态预测。本文根据某高速公路滑坡治理过程中的变形监测数据,应用改进的模型进行滑坡变形动态预测,通过预测结果和实际监测数据进行对比分析,结果表明:改进欧拉算法的GM(1,1)模型参数计算简单,且预测精度为一级;不仅适用于滑坡变形等时距监测数据的低增长序列预测,也适用于高增长序列预测,证明该改进欧拉算法的有效性。     

灰色理论模型在矿区滑坡变形预测中的应用

灰色理论模型具有利用“少数据”、“小样本”的优点,使得其在滑坡预测分析中显示出极大的优势。利用矿区滑坡监测数据建立起GM(1, 1)模型,通过数据对比、验证和分析,证明了灰色理论模型能更好的反映观测目标的变形趋势。     

考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究

滑坡变形预测对于指导灾害的预防工作、保护人民的生命和财产安全具有重大实用价值。从系统论观点出发,结合岩土体流变理论和时序分析原理,在深入研究影响滑坡变形的主控环境变量基础上,将位移时序分解为趋势项和偏离项。采用灰色系统模型提取位移时序趋势项,结合遗传算法和人工神经网络建立起进化神经网络模型,逼近主控环境变量与位移偏离项之间的非线性关系。根据蠕变阶段和变形对环境变量响应情况,实时调整模型,建立起滑坡变形预测的动态灰色-进化神经网络（GM-ENN）模型。将此预测思路和方法应用于三峡库区某滑坡变形预测研究中,证实了模型的有效性和实用性,显示了动态预测的重要性。     

地面沉降的GM(2,1)模型预测研究

运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。采用非等时距GM(2,1)及GM(1,1)模型对西安市地面沉降观测点进行安全预测。计算结果表明,非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,预测结果与实际吻合较好。     

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。     

BP模型在区域滑坡灾害风险预测中的应用

滑坡灾害具有整体性、动态性、开放性和随机性的特点,而人工神经网络属于非线性动态系统,具有符合区域滑坡灾害风险预测的研究特点。应用BP模型,建立了区域滑坡灾害风险的预测流程,并与GIS技术相结合,对三峡水库蓄水条件下巴东新县城的滑坡灾害进行了危险性、易损性、风险性综合预测研究,证明了BP模型在区域滑坡灾害风险预测中的应用可行性,同时指出了所存在的问题及可能解决的途径。     

基于灰色理论的变形智能预测模型库研究

针对传统GM(1,1)模型在变形预测中精度不高和适应性不强的问题,将传统GM(1,1)模型从多个角度进行改进,并将传统模型及其改进模型进行集成,建立了预测模型库。利用灰色评价模型对模型库的预测结果进行评价,从而实现智能预测,并利用编程语言对模型库和评价模型进行了程序实现。最后利用盘古山钨矿变形数据对该模型库进行检验,结果表明,该模型库能根据不同特点数据,智能化地得到最佳预测结果,具有重要的应用价值     

SHALSTAB模型在浙南林溪流域滑坡预测中的应用

受台风暴雨影响,浙南林溪流域滑坡频发。针对该区域滑坡规模小、长度与厚度比值大的特点,采用浅层滑坡稳定性模型(SHALSTAB)对潜在滑坡进行了预测,以log(降雨量q/土壤的导水系数T)作为划分标准,结果显示随着log(q/T)值的提高,预测的滑坡区域逐渐扩大,预测捕获率升高的同时,误判率也随之上升。以log(q/T)≤-3.1作为预测滑坡的判别标准,模型效果较好,预测捕获率为62.50%,误判率(17.79%)较低。预测结果显示,滑坡潜在区域主要位于斜坡下部、土体厚度大和坡度陡峭的地区,山体顶部、土体厚度薄和地形平坦的区域斜坡稳定。