首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 198 毫秒
1.
滑坡预报模型主要用来预报滑坡发生的时间,但是如何检验效果是滑坡预报者和决策者面临的一个重要课题。本文通过提出滑坡拟合效果指标(包括后验差指标、模型拟合效率指数和均方根误差)和试预报效果指标(包括试报效果指标和相关系数指标),初步建立了滑坡的预报质量检验模型。依据建立的检验模型,针对链子崖危岩体监测资料分别采用灰色GM(1,1)数学模型、三次指数平滑模型和时间序列模型进行预报。预报结果表明:三种模型中,综合指标GM(1,1)数值最高,建议该滑坡采用GM(1,1)进行预报。通过模型的综合分析评判,不仅分析了模拟效果,而且直接比较了模型间的拟合效果,并为建立模拟效果好的模型提供了充分的依据,从而表明滑坡预报质量检验模型是一种有效、实用的方法。  相似文献   

2.
本文简要介绍了灰色系统的基本理论和方法并以石家庄市地下水动态特征为例,建立GM(1,1)模型,进行了地下水位预报。  相似文献   

3.
改进的GM(1,1)模型在滑坡变形预测中的应用   总被引:4,自引:1,他引:3       下载免费PDF全文
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。  相似文献   

4.
中心逼近式灰色GM(1,1)模型在滑坡变形预测中的应用   总被引:6,自引:0,他引:6  
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%。  相似文献   

5.
基于灰色马尔柯夫预报模型地下水动态预报研究   总被引:1,自引:0,他引:1  
随着社会经济发展,地下水超采日益严重,为了科学地保护和合理利用地下水,本研究讨论了地下水动态预报方法.针对 GM (1,1) 灰色预报和马尔柯夫预报的优缺点,提出了灰色与马尔柯夫相耦合的灰色马尔柯夫预报模型,最后以河南某地区地下水埋深为例,验证了该方法的可行性.  相似文献   

6.
灰色新陈代谢GM(1,1)模型在滑坡变形预测中的应用   总被引:7,自引:0,他引:7       下载免费PDF全文
由于常规GM(1,1)模型用于预测时,精度较高的仅仅是最近的几个数据,越往未来发展,该模型的预测精度就越弱。针对常规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,并利用该模型对向加坡滑坡和链子崖危岩体GA监测点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,有很好的利用价值。  相似文献   

7.
宁志杰 《地质与勘探》2021,57(3):614-620
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。  相似文献   

8.
本文以厦门石湖山软土地基沉降预测为例,用灰色系统理论的方法,对现场观测数据进行了计算机模拟,建立该地基地面沉降的GM(1,1)预测模型,并用该理论提供的检验方法,对该模型进行了检验和可信度分析,证明用此法预测的地面沉降精度很高。同时,还运用传统的方法,建立了三种预测模型,对比和验证了GM(1,1)模型的精度,结果是GM(1,1)模型的精度最高。为地面沉降的预测找到了一种切实可行的方法。  相似文献   

9.
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。  相似文献   

10.
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   总被引:1,自引:0,他引:1  
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。  相似文献   

11.
山西临汾市地下水动态预测模型灰色研究   总被引:2,自引:0,他引:2  
本文提出了将非线性的维尔赫斯特(Verhulst)模型与线性的GM(1,1)残差分析模型结合起来的一种新的综合模型。该综合模型兼具有以上两种模型的优点。它将非线性与不断修正性有机结合起来。通过对山西临汾市地下水动态分析,发现运用综合模型具有较高的精确度,是一种较好的预测方法  相似文献   

12.
王涛  刘雷 《陕西地质》2012,30(1):60-64
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   

13.
优化遗传算法在孔隙度预测中的应用   总被引:2,自引:0,他引:2  
孔隙度是油藏描述和储量计算最重要的参数之一。因此 ,高精度的孔隙度预测是建立储层地质模型的关键。文中应用优化的遗传算法———演化程序 ,利用岩芯样品的孔隙度和测井数据建立合适的预测模型 ,应用声波、密度、自然伽马和自然电位测井数据进行储层孔隙度预测。预测结果表明 :与线性回归和灰色GM (0 ,5 )等传统的预测方法相比 ,应用演化程序进行孔隙度预测 ,提高了预测结果的精度 ,减轻了预测过程中对先验信息的依赖程度。  相似文献   

14.
地面沉降是目前常见的地质灾害之一,其长期的积累给城市带来巨大的经济损失,成为制约城市发展的主要因素。进入20世纪90年代以来,工程环境效应诱发的沉降已经成为上海地面沉降的新趋势,对于外荷载引起的地面沉降过程而言,影响因素较多,既无法用明确的数学关系式表达,又非黑箱那样内部结构、参数和特征一无所知,因此可将灰色预测理论应用于地面沉降的预测。针对监测和观测时间的非等时性,本文应用非等时距灰色理论模型对上海陆家嘴地区某高层建筑的沉降进行预测,并和实际监测沉降量进行了比较;对室内模型试验进行沉降预测,并和实验观测数据以及自适应神经网络系统(ANFIS)预测结果进行了比较。研究发现,对于工程环境效应引起的地面沉降,应用非等时距灰色理论模型进行沉降预测是可行、精确的。  相似文献   

15.
黄土坡滑坡变形的灰色预测模型   总被引:2,自引:0,他引:2  
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。   相似文献   

16.
GM(1,1)动态模型在吴江市地下水水位预测中的应用   总被引:1,自引:0,他引:1  
以吴江市地下水水位预测为例,详细阐述了地下水水位时间序列的GM(1,1)动态模型的原理和建立过程,并根据模型的预测值和实测值,对模型的精度进行了检验,结果表明,模型的预测精度达到了99.27%,等级属于Ⅰ级,具有实际的应用价值,为地下水资源的科学管理提供了依据。  相似文献   

17.
针对地下水水位变化复杂性,采用模拟生物有机体演化方式的数据处理组合方法,预测地下水水位动态变化特征。克服了常用数学方法和模型在预测复杂对象时精度低的缺点。该方法应用于地下水水位动态预测中,能很好地反映地下水的周期性动态变化特征,并具有较高的预测精度。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号