共查询到16条相似文献,搜索用时 453 毫秒
1.
基于灰色GM(1,1)模型的城市生活用水量预测 总被引:1,自引:0,他引:1
介绍灰色理论建模原理和模型参数辨识方法,并以上海市为实例建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达97.25%。用所建立的模型对上海市2003~2007年城市生活用水量进行预测。结果表明,该灰色模型用于城市生活用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与实际情况比较吻合。 相似文献
2.
基于灰色模型的城市用水量预测 总被引:3,自引:0,他引:3
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... 相似文献
3.
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。 相似文献
4.
5.
通过利用灰色理论预测柳河水系的干旱年,阐述了灰色理论预测随机水文要素的基本方法。并对预报模型进行了精度检验。 相似文献
6.
7.
基于GM(1,1)的组合灰色模型预测软基沉降 总被引:2,自引:0,他引:2
以灰色系统理论为基础,建立了沉降预测的组合灰色模型,对一般灰色模型具有的无限增长特性进行了改进和修正。在求解过程中,采用spline插值函数对现场观测沉降数据进行插值变换生成等时距序列,并对沉降预测模型的初值进行了优化选择,以提高预测精度。运用MATLAB语言编制模型计算程序,通过沉降预测实例及后验差法检验模型精度,表明沉降预测的组合灰色模型预测精度较高,具有较强的适用性。 相似文献
8.
9.
针对矿井涌水量研究中存在的问题,提出并论述了灰色预测理论应用于矿井涌水量预测的可行性和必要性,通过对井陉矿区的预测实践,建立了相应的 GM(1,1)模型,给出了提高灰色模型预测精度的方法。 相似文献
10.
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 总被引:1,自引:0,他引:1
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。 相似文献
11.
12.
13.
由于影响因素的复杂性及参数选取的问题,基于固结理论的沉降计算值与实测值有较大差异,沉降预测有着重要的研究意义。灰色系统理论成功地解决了许多信息不完全的预测问题,并得到了广泛的应用。灰色模型的建立,是以等时距原始数据作为前提条件的。由于在实际应用时所获取的数据往往不是等时距的,难以建立其预测模型。为了克服灰色模型以上缺点,对灰色模型进行了改进,建立了不等时矩的预测模型。将不等时距灰色预测模型应用于武汉阳逻电厂烟囱基础沉降中,并采用FLAC3D有限差分程序对烟囱基础沉降全过程数值模拟,通过跟踪关键监测点的位移与实际监测值对比研究,结果表明,不等时距灰色预测模型精度较好,可以运用到实际工程中。 相似文献
14.
加权函数组合预测边坡变形模型的研究 总被引:1,自引:0,他引:1
边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。 相似文献
15.
基于AGA的SVM需水预测模型研究 总被引:1,自引:0,他引:1
需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统.其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策.作为一种集中参数预报方法,支持向量机方法具有对未来样本的较好的泛化性能,对于这类资料缺乏、系统结构尚欠清晰的问题可以取得较好的模拟和预测结果.基于此,本文将支持向量机方法引入需水预测领域,建立了需水预测支持向量机模型.同时,本文将加速遗传算法和支持向量机方法耦合起来,构造了支持向量机模型参数的自适应优化算法.模型在珠海市的应用实例表明:与简单遗传算法比较,AGA的模型参数寻优效率更高;与BP神经网络模型相比,SVM模型较好地解决了小样本、经验性等问题,并取得了较高的预测精度. 相似文献