共查询到20条相似文献，搜索用时 656 毫秒
1.
多变量灰色模型MGM(1,n)在变形预测中的应用 总被引：10，自引：0，他引：10
本文将单点的ＧＭ（１,１）模型扩展为多点的ＭＧＭ（１,ｎ）模型,通过建筑物沉降实例与分析,表明ＭＧＭ（１,ｎ）模型的精度高于分别单独使用ＧＭ（１,１）模型的精度。 相似文献
2.
通过对某楼群变形预测的实例,阐述了如何利用现场采集的数据信息,按灰色理论的ＧＭ（１,１）模型建立预测模型,对建筑物变形进行预测预报的方法。 相似文献
3.
动态平差的灰色预测方法 总被引：2，自引：1，他引：2
根据运动是趋势性运动与随机性运动合成的观点，用灰色系统理论，建立了观测网的数据随时间变化的ＧＭ（１，１）模型，并建立残差改正模型，用二者形成的组合模型，可对监测网进行平差和预测。实例表明，平差与预测模型完全达到了精度要求。 相似文献
4.
灰色系统理论在海堤沉降预测中的应用 总被引：8，自引：2，他引：6
利用灰色系统理论,对秦山核电站一期海堤沉降进行了预测,以较少的观测样本建立了新陈代谢数列,经后验差检验,观测精度达到一级。由此证明,用ＧＭ（１,１）模型进行预测,建模方便,预测精度高,在大型建筑物变形监测中有较大的实用价值。 相似文献
5.
利用遥感和GIS研究塔里木河下游阿拉干地区土地沙漠化 总被引：66，自引：0，他引：66
新疆塔里木河流域受人类活动的影响,特别是由于水资源利用的不合理,不同区域出现了一系列生态环境问题,下游地区普遍存在的沙漠化现象表现得尤为突出。通过应用多时相（１９５９年、１９８３年、１９９２年）、多波段、多平台的遥感信息,在野外调研的基础上编制阿拉干地区不同年代沙漠化类型图,并在ＡＲＣ／ＩＮＦＯ软件支持下,对图件进行编辑处理,制作沙漠化动态图;通过ＧＩＳ数据库提供的资源环境定量数据,应用系统论、信息论及控制论的观点分析阿拉干地区沙漠化的演化过程,并借助于ＧＭ（１,１）模型,预测阿拉干地区土地沙漠化的发展趋势。 相似文献
6.
书刊的激光排印质量好坏，直接影响着书刊印刷企业的生命，如何评价书刊的质量一直是个很棘手的问题。以往只是用定性的方法分析评价书刊的排印质量。本文在总结其他方法的基础上，利用灰色理论，建立了可推广的文字ＧＭ（１，１）模型。在如何评价方面，文中提出了用常用字进行质量控制的方法，还利用了灰色模型的可预测性。 相似文献
7.
灰色动态预测方法及其在变形预测中的应用 总被引：17，自引：0，他引：17
在分析比较了ＧＭ（１，１）预测模型的不足之后，提出一种实时引入新信息的等维新息和等维灰数递补组合动态预测方法。首先同常规预测法作了比较，然后进行了三峡链子崖危岩体变形发愤主有效性验证。 相似文献
8.
9.
灰色预测模型GM（1,1）的建模思想是：原始序列（非负序列）经过一次累加生成后,形成一个单调递增数列,新序列中各数据点的连线可以用指数函数y=aebx进行拟合。根据这个指数函数可以推导出下一个累加值的预测值（即第一个预测期）,最后通过累减生成将累加序列预测值还原为原始序列预测值。本文通过对原始序列进行指数-幂函数变换,增加了原始序列的光滑度;并在灰参数求取过程中对原始序列赋以权重,利用迭代计算的方法推导出了模型精确背景值;最后通过使预测序列残差平方和最小的方法计算出最优初始条件,进而提出了一个改进后的GM（1,1）模型。利用改进后GM（1,1）模型对某大厦沉降监测数据进行模拟与分析,并对改进前后的模型进行对比与分析,结果表明,改进后模型的各项精度因子相比于传统模型均有所提高,且时间序列越往后的预测值,精度越高。 相似文献
10.
灰色预测用于大坝水平变形预测的研究 总被引：8，自引：0，他引：8
针对大坝变形数据处理中使用少数据观测值进行预测的问题，对大坝水平位移值应用灰色预测作了较好的预测，对ＧＭ模型的初始值解算作了全新的研究。经对大量不同的实例数据计算取得了较好的拟合和预测精度，从而表明灰色预测对大坝变形分析是一种适用的数据处理方法。 相似文献
11.
12.
时变参数PGM(1, 1)变形预测模型及其应用 总被引：7，自引：1，他引：7
汪孔政 《武汉大学学报(信息科学版)》2005,30(5):456-459
在GM(1，1)模型的基础上，考虑参数随时间的变化，用多项式逼近模型参数，同时针对GM(1，1)模型背景值取值方法的不足，引入背景值最佳生成系数，建立了时变参数PGM(1，1)变形预测模型。多项式中的待定系数采用最小二乘法确定，背景值最佳生成系数采用搜索法确定。实例计算表明，时变参数PGM(1，1)变形预测模型具有较高的模拟精度和预测精度，适合用于变形体的变形预测。 相似文献
13.
14.
在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。 相似文献
15.
16.
基于 Markov 理论的加权非等距GM（1，1）预测优化模型 总被引：1，自引：0，他引：1
背景值的构造方法是影响加权非等距GM(1,1)预测模型的精度和适应性的关键因素。文中通过等分函数法构造新的背景值对传统的加权非等距GM(1,1)模型进行优化,优化后的模型使其同时适应于高增长指数序列和低增长指数序列,提高传统模型的预测精度和适应性能力。但是优化后的模型依然易受建模数据随机扰动影响。马尔科夫(Markov)模型具有削弱建模数据的随机扰动性的优势。基于此,将优化的加权非等距GM(1,1)模型和Markov理论有机结合,构建优化的加权非等距Markov-GM(1,1)预测模型。最后,结合秀山湖二期工程的变形实测数据,运用新陈代谢的计算模式进行预测验证。结果表明:优化的加权非等距Markov-GM(1,1)预测模型的拟合和预测精度都优于传统的加权非等距GM(1,1)预测模型,新的预测模型的适用性更强,具有实际的参考价值。 相似文献
17.
简述了全最小一乘准则下的参数估计理论和灰色GM(1,1)模型建模原理,介绍了全最小一乘准则下的灰色GM(1,1)模型参数估计和利用线性规划模型进行参数计算的方法。通过实例与最小二乘准则下灰色GM(1,1)模型计算出的各项指标进行对比,结果显示,利用全最小一乘准则下的灰色GM(1,1)模型进行变形预测,不论有无异常值存在,其预测值均有较强的稳健性。因此,该模型对工程变形监测的预报具有重要的意义。 相似文献
18.
为提高变形预测的精度,采用GM(1,1)与BP神经网络组合模型进行预测。灰色GM(1,1)模型使用方便,在样本数据较少的情况下能够取得不错的预测效果,但对预测序列存在规律性波动或突变时的预测能力不强;而神经网络模型建模过程相对复杂,需要较多的训练样本,但对于数据存在规律性波动和突变时有很好的预测能力。组合模型融合两者优点,将其应用于基坑沉降数据预测,结果表明,该模型预测精度优于传统的单一预测模型。 相似文献
19.
加权灰色预测模型及其计算实现 总被引：21，自引：2，他引：21
鉴于GM（1，1）灰色预测模型中背景值取值方法的不足，引入背景值最佳生成系数，得到新的背景值计算式，从而将GM（1，1）预测模型扩展为加权灰色预测模型－－PGM（1，1）预测模型；并对PGM（1，1）预测模型中的最佳生成系数p及灰参数的估计计算进行了详细论述，应用迭代法来确定要应的数值。实例表明，此方法的拟合精度和预测效果均优于GM（1，1）模型。 相似文献