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%。     

灰色系统GM(1,1)模型在预测汾河水库淤积中的应用

在分析汾河水库降水、来水及淤积特性的基础上,运用灰色系统理论建立了汾河水库淤积灰色模型,并对汾河水库的淤积量进行了预测,结果表明,汾河水库在未来10 a内淤积量将进一步减少,表明第一期水保措施发挥了明显的作用,并提出了相应的保护措施,为汾河水库的开发利用提供了可靠依据。     

溢油物理化学性质灰色模式的研究

应用灰色系统理论对海面溢油物理化学性质(蒸发率、溶解率、表面张力、黏度和密度)在风化过程中的变化进行研究,建立了溢油物理化学性质在风化过程中的预测模式GM(1,1)和GM(0,m).结果表明,在风化过程中,溢油物理化学性质的GM(1,1)和GM(0,m)模式预测精度令人满意,皆符合统计学检验的要求;在风化过程中,溢油物理化学性质所具有的灰色相关性可用GM(0,m)模式的灰色辨识参数来表征;在风化过程中,溢油的蒸发率和溶解率可分别用表面张力、黏度和密度作为预报因子。     

�˼���ͬ��ʼ������GM(1��1)���ν�ģ�о�

??о?GM(1,1)???????????????????????????????????????GM(1,1)????????????????Σ?????3′?л???????????????????????????????????RnGM???????????????RnGM????????е????????????GM(1,1)????????????б????????????RnGM???н????????????????????     

混合模型在沉降监测中的组合预测方法

对建筑物沉降数据进行建模预测,以便掌握其变形规律并预测变形趋势,保障建筑物的安全。单一预测模型有自己的适用情形,也存在各自的缺点,已经不能满足当前的精度要求。选取灰色GM(1,1)和自回归两种常用的预测模型,通过两种不同的方式进行组合预测,并结合南京市地铁一号线百家湖段沉降监测数据进行计算分析,结果表明两种组合方法与单一预测模型相比精度均有所提高。     

GM(1,1)在储罐充水沉降预测中的应用

对大型储罐充水量与罐基础的沉降量关系进行了论述,提出了采用GM(1,1)模型对储罐在充水预压过程中进行罐基础的沉降量预测的方法,并对预测模型的进行了检验,证实了GM(1,1)模型在储罐充水预压过程中进行等水位间隔沉降量预测的可行性。     

基于等式的等间隔GM(1,1)模型比较研究

本文归纳了基于等式的2种等间隔GM(1,1)模型,比较了这2种模型与常规模型的精度,算例显示:当发展系数a较小时,3种模型的后验差比值C和小误差概率P的精度一致;当发展系数较大时,基于等式的模型比常规模型的后验差比值C和小误差概率P的精度高,且基于等式的这2种模型的后验差比值C和小误差概率P精度基本相当.     

GM trees on trial in a field: Reductionism, risks and intractable biological objects

Identification of GM plants with their internal molecular-genetic qualities serves transformation of living organisms into identifiable commodities and objects of regulation. From molecular reductionist assumptions it also follows that scientific research is to be based on experiments that allow analysis of genetic influence in isolation. In this paper, I analyse molecular reductionism ‘in action’ by means of an ethnographic case study, focusing on the practices and transformations through which a field trial of transgenic trees created understanding of the risks or risklessness of the trees. The results show how the mobilisation of the field trial design, choosing of key analytical scales and formation of the research team stabilised the paths that experimentation was to follow. The scientists took the emerging inconsistencies and surprises calmly, indicating that unexpected events are an essential part of a scientific process. However, surprises could matter only in relation to the testing arrangements. Therefore, what could become visible and what could make a difference for the constitution of risk/risklessness were the fluctuations that the particular analytical assemblages defined as significant from the outset. Meanwhile, it was impossible to treat the trees and the field ecosystem as mutually constitutive. Nevertheless, there is no reason to think of knowledge production concerning transgenic organisms in deterministic terms. First, scientists are bound to be complexly engaged with the ecosystems that they are supposed to sort out. Second, consideration of the public lessons of experiments may elicit problems and limitations of molecular reductionism.     

人类活动对柳林泉域水文过程影响研究

20世纪50年代以后,柳林泉流量日益减少,人类活动成为其衰减的主要原因。通过分阶段应用灰色系统模型,定量地描述人类活动对柳林泉水文过程的影响。第一阶段(1957~1973年),柳林泉水流量只受自然条件的影响,第二阶段(1974~2009年)柳林泉水流量受自然条件和人类活动的双重影响。运用灰色关联分析和GM时滞模型,通过比较分析得到人类活动对柳林泉水文过程的影响。结果显示:人类活动导致泉水流量相对于降水量的时间滞后由0年增长到4年,即地下水压力波在传播过程中受到人类活动的干扰,强度被削弱,传播速度变缓。降水量对泉水流量的灰作用系数由第一阶段的1.127 2×10-2下降到了第二阶段的7.75×10-3,说明由于人类活动使降水量对泉水流量的补给强度减弱。     

灰色系统与神经网络组合模型在地下水水位预测中的应用

灰色GM(1,1)模型与人工BP神经网络对于预测非线性数列变化趋势都具有很好的适用性,但同其他预测方法一样也存在各自的局限性。本文采用灰色GM(1,1)模型与人工神经网络相结合的方法,对GM(1,1)模型预测结果进行了修正。以收集到的某地区1996～2006年的地下水水位埋深数据为算例,计算结果表明,经人工神经网络修正后的灰色系统的预测值比原预测值的预测精度有了很大提高。