共查询到20条相似文献,搜索用时 156 毫秒
1.
优化GM(1,1)模型在地下水埋深预测中的应用 总被引:1,自引:0,他引:1
合理的开发和利用地下水对平原水库周边地区的可持续发展具有重大的意义.本文采用优化GM(1,1)模型,对地下水埋深进行了预测,拟合精度较高,预测效果较好,对于指导该水库合理开发利用地下水提供数量指标和科学理论依据. 相似文献
2.
通过对季节性冻土区铁路路基冻胀量与地层温度的监测,可以了解监测段的冻胀变化过程,但无法对未来的发展趋势作出有效预测。本文采用GM(1,1)模型对监测段落路基的冻胀变形及冻结深度的变化情况进行预测。结果表明,此预测方法可以在现有监测数据的基础上有效预测短期内路基冻胀的发展趋势。根据模型预测结果,可以提前采取有效整治措施,便于决策者对轨道检验周期、维修周期、限速周期等作出合理调整。 相似文献
3.
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
4.
5.
基于GM(1,1)模型的塔里木盆地南缘孤立绿洲降水灾变预测 总被引:1,自引:0,他引:1
我们选取了具有一定代表性的塔里木盆地南缘的孤立绿洲民丰县作为研究区,在对数据有效性的验证之后,利用研究区1980~1999年的降水资料,运用灰色系统理论的季节灾变预测方法,对该地区未来年份的降水量进行预测,并建立灰色季节灾变GM(1,1)预测模型,预测未来旱季到来的年份,为预测未来降水趋势提供了信息。结果表明:该研究区下一个旱灾灾变年大致指向2006年至2007年左右。这对合理利用本地气候资源具有实际意义,并且能够为研究干旱区气候变化提供一定的帮助。 相似文献
6.
7.
基于灰色模型的城市用水量预测 总被引:3,自引:0,他引:3
介绍灰色理论建模原理和模型参数辨识方法,并结合实例建立灰色GM(1,1)预测模型,运用残差检验与后验差检验2种方法对模型进行精度检验,其模型拟合精度达99%.用所建立的模型对某市2010-2013年城市用水量进行外推预测.结果表明,该灰色模型用于城市用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测... 相似文献
8.
统计分析海城水文站195—2017年65年的洪水资料,运用灰色模型对未来发生大于等于1 000m3/s和2 000 m3/s的大洪水进行预测分析。分析结果表明:GM(1,1)模型满足降雨产生地表径流的灰色特性,模型的适用性好,预测精度等级高,结果可靠,很适合在水利行业广泛推广使用。 相似文献
9.
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
10.
本文分析了工程建筑物产生变形的原因和变形观测的特点,探讨了变形观测精度确定的原则。工程建筑物变形分析传统方法要求原始数据具有大样本和统计分布的特性,但是这在实际中是很难满足的。本文采用灰色系统理论对累计沉降值建立预测模型,结果表明模型预测精度较高、计算也简单,不需要大量的原始沉降值,这为变形数据分析、预测提供了一种可靠的分析方法,对大中型工程建筑物变形观测有参考和借鉴意义。 相似文献
11.
BP神经网络-灰色系统联合模型预测软基沉降量 总被引:24,自引:1,他引:23
目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。 相似文献
12.
13.
用神经网络模型预测济宁市地下水水位变化规律 总被引:5,自引:1,他引:4
本文通过应用人工神经网络模型中的BP网络模型,对济宁市地下水水位变化规律了预测,并与线顺归模型的计算结果进行比较,证明BP网络模型的精度较高。 相似文献
14.
15.
16.
基于神经网络对有限元强度折减法分析 总被引:1,自引:1,他引:0
基于改进BP神经网络方法对目前较为流行的强度折减法的理论进行分析。人工神经网络可以模拟人脑的思维,可以在完全不知道数据分布形式和变量之间确切关系的的情况下处理边坡各参数之间的复杂非线性映射,利用这一优势预测分析不同的理论在实际应用中的准确性。将已经通过工程手段计算出结果的数据以输入单元、隐含层和输出单元的形式代入系统进行神经网络训练,不同的屈服准则对应训练出不同的网络系统。用训练好的网络对检验数据进行预测分析,还使用这一方法预测了不同剪胀角对边坡破坏的影响程度及趋势,结果显示,对于平面应变问题,在有限元强度折减法中使用DP4和DP5准则所得到的效果较好,DP1准则的误差最大。 相似文献
17.
遗传模拟退火的BP算法在冲击地压中的应用 总被引:5,自引:0,他引:5
冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。 相似文献
18.
为提高多种典型人工神经网络应用于降水预报的精度与稳定性并做出优选,对太湖流域湖西区丹徒、丹阳、金坛、溧阳、宜兴5站的年降水量时间序列建立基于组成成分分析的人工神经网络模型,并通过平均相对误差、平均绝对误差、均方根误差及合格率4项评价指标对比分析预报效果。该模型采用Mann-Kendall法、秩和检验法、谱分析法进行组成成分分析;建立BP网络、小波神经网络、RBF网络、GRNN网络及Elman网络模拟并预测随机成分,与确定性成分叠加得年降水量预报结果。在湖西区的研究结果表明,基于组成成分分析的人工神经网络模型的拟合及预测精度高于原始人工神经网络和线性自回归模型,GRNN网络的预测精度与稳定性高于其他4类神经网络。 相似文献
19.
基于差异进化算法的前馈神经网络在大坝变形监测中的应用 总被引:1,自引:0,他引:1
针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。 相似文献
20.
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