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%。     

Coastal Gravity Anomalies from Retracked Geosat/GM Altimetry: Improvement, Limitation and the Role of Airborne Gravity Data

We process geophysical and waveform data records of the Geosat/GM (geodetic mission) satellite altimeter mission for waveform retracking and applications. An improved threshold retracker is developed. The performances of the Beta-5, threshold and improved threshold retrackers are assessed over waters around Taiwan. The improved threshold retracker outperforms the other two. The improvement in the accuracy of sea surface height (SSH) is investigated according to marine zone and the distance of waters to the shore. The improvement rate increases closer to the land, with the largest improvement rate of about 20% in waters within 10 km of the shore. Over waters around islands and coasts, there are still retracked SSHs with large errors. Least-squares collocation is used to compute gravity anomalies from the Geosat/GM altimeter data. Use of retracked SSHs improves the accuracy of gravity anomalies by about 11%. Adding airborne gravity data further improves the accuracy, especially in the immediate vicinity of the coasts. Tide model errors over coastal waters remain a problem in altimetry applications, even if the waveforms are properly retracked.     

GM（1,1）模型在矿井水动态预测中的应用

本文以灰色系统理论为基础，建立了矿井地下水涌出的ＧＭ（１，１）动态预测模型，并用该模型进行了实际预测。     

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。     

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。     

���ڿ������˲���GM(1,1)ģ���ڸ�������������η����е�Ӧ��

????и?????????????η????????????????????????С?????????????????????????????????????????????“С??????????”???????????????????????????????????????????????????GM(1,1)??????????????г??????η????????????????????????????????????????????????Ч???????????????е???????????????????????????????????????????????????GM(1,1)???????????????????GM(1,1)??????????????????????η?????????????????????????     

西北太平洋柔鱼丰度的灰色灾变预测

柔鱼(Ommastrephes bartramii)为短生命周期的头足类,其资源丰度极易受海洋环境变化影响,年间波动较大。根据1995-2017年西北太平洋柔鱼渔业生产统计数据,以单位捕捞努力量渔获量(CPUE)作为资源丰度指数,运用灰色灾变预测方法对上、下限灾变年份建立GM(1, 1)模型,预测未来灾变年份。结果显示,以GLM模型标准化CPUE建立的下限灾变预测模型的平均相对误差为15.32%,上限灾变预测模型的平均相对误差为8.19%,模型精度检验等级均为Ⅰ级。研究认为,下一个资源丰年(CPUE大于2.39 t/(船·a))将出现在2021年,资源歉年(CPUE小于2.13 t/(船·a))将出现在2027年;太平洋年代际涛动与El Ni?o-La Ni?a事件是驱使柔鱼丰度大幅度波动的重要因素。该预测结果可为西北太平洋鱿钓生产企业和管理部门提供参考。     

GM(1,1)模型在建筑物沉降量预测中的应用

根据建筑物的沉降变形特征 ,引用GM (1,1)建模思想来建立沉降预测模型。利用较少的前期观测数据建立模型来预测建筑物最终沉降量 ,然后据此判断其是否满足建筑物的变形要求 ,以便较早地提出工程防治措施。     

GM（1.1）模型与矿床深部评价

本文应用ＧＭ（１．１）模型建立矿床深评模型,并引进淡化常数ρ,从而提高了拟合精度,降低了拟合差ζ。     

一种改进灰色预测模型在变形预测中的应用

针对传统的单一模型和非线性GM(1,1)-AR组合模型无法实现对非平稳、含噪时间序列信号进行优化处理的问题,该文提出了一种新的基于小波的GM(1,1)-AR模型预测算法。采用小波变换原理对监测数据进行消噪处理和不同频带的分离,有效地获取了实际变形量;利用GM(1,1)模型和AR时序分析模型对具有确定性的趋势项和不确定性的随机项进行建模组合,较好地综合了灰色模型拟合功能强大和时间序列善于处理细节信息两者优势。通过工程实例对比分析结果表明:基于小波的GM(1,1)-AR模型不仅有效剔除了多余噪声,还利用各种模型有机嵌套组合实现优势互补,新算法预测结果比各单一模型、非线性GM(1,1)-AR模型结果更为精确。