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 609 毫秒
1.
对某地铁工程沉降数据进行建模预测,可以掌握其变形规律并预测变形趋势.本文将传统非等时距灰色模型引入时距权比系数,按照不同的生成及还原方式构建3种预测模型,并确定最优拟合序列.在此基础上,组合时序模型对残差部分进行处理,建立优化非等时距加权灰色-时序组合模型,结合工程实例进行验证.结果表明,优化非等时距加权灰色-时序组合模型在地铁监测中具有实用性.  相似文献   

2.
针对深基坑变形难以建立准确的计算模型进行预报问题,本文运用非等时距灰色-马尔科夫链对深基坑变形量进行预测。首先基于原始实测数据,建立非等时距灰色预测模型;然后采用马尔科夫链对预测值残差序列进行修正,进一步提高预测模型的预测精度;最后对潍日高速跨铁路转体桥深基坑4个测点的变形量进行预测。研究表明,灰色-马尔科夫链模型的预测精度明显高于灰色模型,预测值与实测值吻合较好,预测值后验差为0.07、0.37、0.16和0.33,精度等级均为1级,该模型为深基坑变形预测提供一种新方法。  相似文献   

3.
根据牛顿插值平均法对非等时距基坑累计位移变化量进行等时距变换,结合灰色系统理论,建立非等时距灰色GM(1,1)模型,并采用VB与MATLAB编程语言对该模型进行编程实现,更加高效、直观、准确地对基坑变形进行了分析预报.结合某工程前数期的实测数据进行建模、分析和预测,取得了良好的效果.  相似文献   

4.
针对GM(1,1)模型易受建模数据随机扰动影响,且模型稳定性较差的问题,该文提出了基于马尔科夫(Markov)理论的GM(1,1)预测优化模型。首先,通过最小二乘原理选取GM(1,1)模型的最优初值,利用指数函数法构造新的背景值,同时利用正化残差序列法进一步修正残差。然后,将优化的GM(1,1)模型和马尔科夫理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建了优化的灰色马尔科夫预测模型。最后,以某建筑物的变形实测数据为基础,进行了传统GM(1,1)预测模型、优化的GM(1,1)预测模型和优化的灰色马尔科夫预测模型的实例计算比较,结果表明:优化的灰色马尔科夫预测模型的拟合精度和预测精度优于传统GM(1,1)预测模型和优化的GM(1,1)预测模型,且适用性更强,稳定性更好。  相似文献   

5.
基于灰色马尔科夫链预测系统的设计与实现   总被引:2,自引:0,他引:2  
通过对灰色GM[1,1]模型的算法改进,将改进后的灰色模型与马尔科夫链结合,既可以发挥灰色系统预测精确的特点,又可以利用马尔科夫链对准确预测波动性数据的优势。在灰色马尔科夫链模型的算法基础上,采用Visual Studio 2005开发环境,进行灰色马尔科夫链预测系统的设计。最后利用南方某地区十年来土地利用数据进行系统验证,结果表明,灰色马尔科夫链模型能很大地提高预测的精度和效果,符合实际要求。  相似文献   

6.
由于建筑物的变形发展是具有一定趋势的动态过程,有其内在的规律性,而变形监测数据正是这种规律的反映,也就是说前期观测数据的变化蕴含着后期发展变化的趋势。本文通过含有线性因素的非等时距灰色线性组合建模并对实际工程变形监测数据进行处理,与传统的非等时距灰色系统数据处理进行比较分析,从而得出此类模型特点以及优势以供参考。  相似文献   

7.
灰色系统理论具有对样本数量需求少、预测精度好的特点,被广泛地应用于隧道桥梁、公路建设中的数据建模分析,但该数学模型严格要求样本序列等间隔性,因而限制了其适用区间。本文以桥梁墩台沉降数据为例,采用时间加权因子对传统灰色模型方式进行改进,并对其预测效果进行精度检验,为相关非等间隔工程数据建模提供一定的理论参考。  相似文献   

8.
基于初始条件、背景值等是灰色建模精度和适应性的重要影响因素,本文针对非等间距GM(1,1)模型中的背景值进行了优化改正,提出一种带有适应因子λ的背景值构造方法。根据灰色模型的一次累加生成序列的近指数特征计算了模型发展系数a与适应因子λ。结合实例,与非等时距GM(1,1)的初始条件优化模型对比分析,结果表明经过优化背景值的非等时距GM(1,1)模型有效地提高模拟预测精度,同时也适用于等间距模型,具有较强的适用性。  相似文献   

9.
改进灰色马尔科夫模型在基坑预测中的研究   总被引:1,自引:0,他引:1  
基坑预测问题关系到工程施工的安全,在施工过程中对基坑进行周密的监测和变性预测分析显得尤为重要。针对传统预测模型存在固有偏差和可靠性低的缺点,采用新陈代谢的原理对无偏灰色加权马尔科夫模型进行改进。该模型先用无偏灰色模型拟合系统的总体变化趋势,然后,对拟合残差进行马尔可夫状态划分,并根据各阶权重对不同步长的转移矩阵进行加权处理,用加权后的无偏灰色马尔科夫模型进行预测。在每一步的预测中,利用新陈代谢的原理不断更新建模所使用的数据。将该模型用于基坑沉降预测,并通过实例进行验证。实验表明:基于新陈代谢的无偏灰色加权马尔科夫模型提高了基坑沉降预测的精度和可靠性,预测精度与未改进模型相比提高了8.54%。  相似文献   

10.
不等时距灰色模型在深基坑变形预测中的应用   总被引:1,自引:0,他引:1  
传统的灰色模型多适用于等间距序列监测数据的模拟预测,而实际上由于各种原因往往使所获得的监测数据是不等时距的。研究了基于不等时距灰色预测方法的深基坑变形预测模型,应用深基坑工程变形的实际监测资料,对其预测精度及可行性进行了充分的分析比较与论证。结果表明,不等时距灰色模型预测深基坑变形的精度及可信度较高。  相似文献   

11.
非等间距GM(1,1)模型在不等时间间隔序列的趋势分析和预测方面具有重要作用,在此基础上,提出一种基于非等间距加权GM(1,1)模型和自回归AR(p)模型相结合的非等间距加权灰色自回归模型(非等间距WGM-AR模型).将基坑周边建筑物沉降监测数据视为具有确定趋势的非等时间序列,对序列进行平滑处理,利用非等间距加权GM(1,1)模型提取该时序中的确定性趋势项,用自回归AR(p)模型分析生成的等间距序列中的随机项,并采用内插法得到沉降监测序列的随机项.将组合模型与非等间距GM(1,1)模型计算结果对比分析,结果表明,组合模型具有更高的预测精度,在基坑周边建筑物沉降预测中具有较高的应用价值.  相似文献   

12.
针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。  相似文献   

13.
基于灰色-马尔柯夫链预测模型的耕地需求量预测研究   总被引:41,自引:2,他引:41  
讨论了耕地总量预测的方法,在分析现有耕地预测方法的基础上,针对灰色GM(1,1)预测与马尔柯夫链预测的优点和不足,提出了基于灰色一马尔柯夫链的耕地需求量预测模型,并以湖北省耕地需求量为例,时该模型进行了实例验证和应用。  相似文献   

14.
对于大型和高耸建筑,为了确保施工和安全运营,定期进行沉降监测是一项非常必要和重要的工作。但是由于受备种主、客观条件的限制和影响,沉降监测实测资料有时会出现间断。为了分析沉降规律,需要对间断资料进行插补。文章考虑到建筑物沉降监测非等时间间隔的特点,以相邻观测时间间隔为权,直接生成1-WA- GO序列,建立灰色系统非等间隔GM(1,1)模型,并将该模型应用于某建筑物沉降监测间断资料的插补工作中。当拟合值误差较大时,应用1阶残差序列建模,对原模型进行修正,提高了模型的拟合精度,得到了较满意的监测间断插补值。  相似文献   

15.
针对基于最小二乘残差估计的接收机自主完好性监测(RAIM)算法,结合伪距单点定位多采用观测量非等权模型,提出一种观测量非等权模型RAIM可用性算法,对实际计算具有借鉴意义。通过实测数据,分析了等权模型和非等权模型RAIM可用性算法对卫星几何分布的估计情况,验证了观测量非等权模型RAIM可用性算法的可行性。  相似文献   

16.
马尔可夫跳变系统(MJSs)是实际应用中一种极其重要的混合随机系统,本文研究了MJSs的采样控制问题.根据一种连续的MJSs模型和Lyapunov-Krasovskii稳定性定理,通过引入两个可调参数,首先把整个采样区间分段成了四个部分,基于四个采样区间提出了相应的两个状态空间表达式,利用这两个状态空间表达式,构建了一种能够充分利用四个分段区间状态信息的新颖Lyapunov-Krasovskii泛函,再利用积分不等式方法去估计泛函导数,从而获得采样控制MJSs的全新稳定性判据.最后,给出了一个非线性质量弹簧阻尼器系统例子和一个实际的船舶定位系统例子,经过建立仿真,所得到的采样区间最大值远远大于相似文献的结果,表明了本文方法的优越性.   相似文献   

17.
由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。  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