基于灰色支持向量机残差修正模型的地面沉降量预测

沉降现象在各地区普遍发生,地面沉降量预测越来越受到重视。本文通过结合灰色(GM(1,1))预测模型和支持向量机(SVM)模型各自的优点,建立灰色支持向量机(GM(1,1)-SVM)残差修正模型,在突出时间序列发展趋势影响的同时降低序列中异常值的消极作用。以某高层建筑的18次地面沉降量数据为实例,检验GM(1,1)-SVM模型的预测效果。结果表明:相对单一的GM(1,1)沉降量预测模型,GM(1,1)-SVM模型相对误差小,预测精度高,对地面沉降量预测有一定指导意义。     

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。     

改进的灰色Verhulst GM(1,1)建筑物沉降模型

造成建筑物的沉降因素是复杂多样,沉降机理与过程是非线性的,从理论上给出符合实际的建筑物沉降公式很困难,许多安全等级很高的重要建筑物在施工期间均需进行沉降观测,以保证建筑物的安全而及时修改设计。根据建筑物沉降观测数据列特征,综合分析了影响建筑物沉降的因素,应用灰色理论关于连续非线性数据列的建模方法,经过二次拟合,建立了能描述高层建筑沉降过程的非等间距灰色Verhulst GM(1,1)模型。该模型经重庆地区某高层建筑沉降观测实例验证,能较准确预测建筑物的沉降过程和最终沉降量。表明利用少数高层建筑沉降的观测数据建立非等间距的灰色Verhulst GM(1,1)模型能较准确模拟建筑物沉降过程和预测最终沉降量,其建模方法较简单、精度高,具有一定的实用性。     

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。     

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.     

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。     

灰色GM(1,1)模型应用于金矿床定量预测研究及其效果评析

介绍了灰色GM (1,1)模型基本原理及建模程序,列举了该模型应用于金矿床深部定量成矿预测研究的3个具体实例,通过对预测结果的综合对比分析,认为矿体自身变化程度及模型本身单调性函数特征是影响预测精度的主要因素,提出了矿体变化程度及规律研究是有效应用GM (1,1)模型进行成功预测的前提和基础.     

灰色理论在快速法载荷试验数据处理中的应用

探讨了灰色理论方法在快速法载荷试验数据处理中的应用,并运用此理论对快速载荷试验各级荷载下的t-s曲线及总体的P-S曲线进行预测,以得到荷载作用下与慢速法一致的稳定沉降量。用VB语言编制了实用计算程序,通过对实例计算,得到的预测值与稳定沉降进行对比,证明了该法对于两种曲线的预测是可行的。同时评价了GM(1,1)以及等维灰数递补GM(1,1)两种模型对于远距离预测的精度。算例表明,对于P-S曲线的外推预测,最好只进行2～3级,外推级别较多时,精度不高,若应用于远距离预测,必须对模型作进一步改进。     

BP神经网络-灰色系统联合模型预测软基沉降量

目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。     

深基坑施工变形预测VAR建模与应用分析

在实际施工过程中,基坑变形发展与多种因素有关,很难用力学模型进行定量分析,而根据已有的监测数据建立模型预测未来一段时间内的变形发展趋势,进而对当前施工方案进行评价、调整,方法更可靠。首先,分析深基坑施工实际监测数据的发展规律,由经济预向量自回归测VAR模型（vector auto regression,VAR）建立基坑施工变形预测VAR模型,并结合监测数据进行模型精度评价和预测比分析。根据分析结果,模型精度排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型,模型预测比排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型。     

基于灰色模型的城市用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并结合实例建立灰色GM(1,1)预测模型,运用残差检验与后验差检验2种方法对模型进行精度检验,其模型拟合精度达99％.用所建立的模型对某市2010-2013年城市用水量进行外推预测.结果表明,该灰色模型用于城市用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测...     

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。      

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。     

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。     

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%。     

基于灰色GM（1,1）模型的城市工业用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例（抚顺地区1994~2004年工业用水资料）建立灰色GM（1,1）预测模型,运用残差检验与后验差检验2种方法对模型进行精度检验,其模型拟合精度达98.72%。用所建立的模型对抚顺2001~2004年工业用水量进行外推预测。结果表明,该灰色模型用于工业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

基于GM(1,1)优化模型的岩石边坡变形预报

岩石边坡系统是一典型灰色系统，其变形发展过程可以用灰色预测模型完成。尽管传统GM（1，1）模型预测有很多成功的实例，但是也存在一些预测偏差过大的情况，必须对其进行优化。逐步迭代法GM（1，1）模型不仅收敛速度快，而且与原始数据库序列的凹凸性保护一致。利用自编的计算程序对马步坎边坡预测测点G1沉降和开裂进行预测分析，结果表明逐步迭代法GM（1，1）优化模型计算精度较传统GM（1，1）模型和背景构造法GM（1，1）优化模型高，较好地反映了岩石边坡的变形趋势。