秦岭北麓现代泥石流灾害活动周期的灰色预测

本文应用灰色系统理论,在对控制泥石流形成的内、外营力要素灰色关联度进行分析的基础上,分别建立了秦岭北麓现代泥石流灾害活动周期的长期、短期及近期灰色动态时间序列预测模型(GM),并进行了灰色灾变预测。结果表明,影响本区泥石流活动的主要因素是雨量强度,其次为地震活动性。并预测出本世纪后半叶泥石流灾害出现的年份为:1962,1966,1982,1988,1994～1995,前四次已与泥石流实际活动年份相符。近期泥石流活动期的预测,对泥石流灾害的预防有实用意义。     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

山区地震数据采集方法的技术难点与对策

山区地形复杂,浅层地震地质条件变化较大,成孔形式不一,数据采集困难。通过对岩石出露区、坡积物堆积区及黄土覆盖区进行试验分析,采用了封孔、压孔、组合炮及特殊观测系统等手段,有效地压制了干扰,提高了信噪比,使目的层反射波明显,得到了较理想的野外原始数据。     

洛阳市浅层地下水硬度的灰色数列预测

洛阳市浅层地下水硬度上升问题突出。要解决水质硬化问题，必须掌握市区浅层地下水硬度的时空发展趋势。灰色数列预测是一种较好的趋势预测方法，不需要大量数据，而且是一种动态的分析过程。本文将市区的浅层地下水硬度作为灰色量，用已有的硬度数据建立GM（1，1）灰色模型，预测其未来的变化趋势。目的在于为改善洛阳市浅层地下水质，解决水质硬化问题提供一个参考依据。预测结果显示，灰色模型具有较好的预测效果。除局部地段外，洛阳市大部分地方的浅层地下水硬度呈上升趋势；硬度在空间分布上会发生变化。     

嵌岩抗拔桩承载性状研究

嵌岩桩抗拔承载性状的研究目前仍较缺乏。运用灰色系统理论和非线性有限元方法,探讨了桩径、桩长、嵌岩深度对嵌岩桩抗拔承载眭状的影响规律。结果表明：桩径对嵌岩桩抗拔承载力的影响最大,嵌岩深度次之,桩长最小;桩径和嵌岩深度在一定范围内与桩抗拔割线刚度呈非线性递增关系,桩长则与之呈非线性递减关系。     

GM(1,1)模型初始条件优化及其在GNSS钟差预报中的应用

针对现有改进GM(1,1)模型在导航卫星钟差预报中性能无明显提升的问题,提出通过优化初始条件来提高钟差预报精度的方法。首先构建初始条件未知的GM(1,1)预报模型,然后采用原始序列的最新分量求解初始条件,最后利用该模型对IGS提供的精密钟差数据进行预报实验。结果表明,将初始条件优化后的GM(1,1)模型用于钟差预报切实可行,且预报精度比传统GM(1,1)模型有较大提高。     

RTK和全站仪联合采集数据应用于濮阳污水处理系统有关问题的探讨

用RTK采集数据,受卫星状况、天空及周边环境、数据链传输等影响,许多地方数据难以采集。全站仪作业时,视线遮挡使得个别点数据需要多次搬站才能采集,劳动强度大,作业效率低,精度难以保证。RTK和全站仪联合采集数据,利用RTK效率高、精度好、误差不积累、数据处理快等优势,随时为全站仪设置测站,克服全站仪的不足,同时用全站仪的优势来弥补RTK的劣势。本文通过实例介绍RTK和全站仪联合采集数据应用于生产的作业流程,分析图根点与碎部点数据采集、分离和处理的方法。分离后的图根点数据以原始测量数据形式参与平差,获取图根点坐标。碎部点数据经处理后以*.dat格式输入计算机编辑成图。该方法避免了作业员重复进入同一作业区域,达到了优势互补,简化程序,减少误差,提高效率,保证精度,节省人力和物力的目的。     

基于支持向量回归机算法的海水富营养化过程中藻类繁殖状态软测量研究

提出了利用支持向量回归机算法(SVR)建立海水叶绿素-a浓度的软测量方法,采用灰色关联分析法获取叶绿素-a软测量模型的主要辅助测量变量。将基于支持向量回归机的叶绿素-a软测量结果与BP神经网络和T-S模糊神经网络方法进行了对比,结果表明,这种基于支持向量回归机的软测量方法能够有效测量海水叶绿素-a的浓度。     

顾及温度因子的PDL模型及其组合模型在桥梁挠度预测中的应用

桥梁挠度影响因素的不确定性导致了挠度预测的复杂性,本文介绍了一种考虑温度因子影响的多项式分布滞后(PDL)模型,并与灰色模型进行加权组合,结合长江某大桥挠度监测数据进行分析,结果表明,两者的组合模型能明显提高挠度预测精度,其预测结果更为可靠。     

果蝇优化算法优化灰色神经网络的卫星钟差预报

针对导航卫星短期钟差预报精度不高的问题,文章提出了一种基于果蝇优化算法(FOA)优化灰色神经网络的卫星钟差预报方法.利用FOA较强的全局寻优能力对灰色参数进行迭代动态微调,改善随机初始化所导致网络进化易陷入局部最优的问题,以提高灰色神经网络的预报精度;选取IGS产品中典型的卫星钟差数据,分别采用FOA优化灰色神经网络模型、神经网络模型、灰色系统模型和灰色神经网络模型进行短期钟差预报.仿真结果表明:FOA优化灰色神经网络模型的预报精度优于其他三种模型,性能满足卫星短期高精度钟差预报的要求.