共查询到20条相似文献，搜索用时 65 毫秒
1.
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
2.
考虑滞后作用的地面沉降阿尔蒙分布预测模型 总被引：1，自引：0，他引：1
地面沉降相对于地下水水位变化具有滞后性。本文尝试建立了考虑滞后作用的地面沉降阿尔蒙分布滞后模型,并对收集到的沧州地区某时段内的地面沉降量进行了模拟预测,预测结果与灰色GM(1,1,)预测模型和神经网络预测模型的预测精度进行了对比。结果表明,阿尔蒙分布滞后模型的预测结果优良,预测精度相比较另两种方法均有提高,可以应用到地面沉降的预测问题中。 相似文献
3.
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
4.
运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。采用非等时距GM(2,1)及GM(1,1)模型对西安市地面沉降观测点进行安全预测。计算结果表明,非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,预测结果与实际吻合较好。 相似文献
5.
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
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
6.
灰色线性回归组合模型在北京地面沉降分层预测中的应用 总被引：1，自引：0，他引：1
灰色系统理论GM(1,1)模型,应用于地面沉降模拟和预测中只能分析数据的指数变化规律。对于地面沉降发展过程中,存在的线性关系不能有效地反映。本文利用灰色组合模型中的第一类灰色组合模型即GM(1,1)与线性回归模型相融合。选取北京东部某地面沉降监测站2004～2012年的分层监测数据建立模型,计算出各监测层位沉降的数学模型,并以此预测各监测层位地面沉降量。结果表明：利用灰色线性回归组合模型在对地面沉降进行分层模拟和预测是可行的。在已有数据的基础上,利用数学模型进行沉降模拟时,两种模型的精度均很高,但通过模型预测未来一年沉降量时,灰色线性回归组合模型的精度,要远高于普通均值GM(1,1)模型。 相似文献
7.
基于灰色GM（1，1）模型的城市生活用水量预测 总被引：1，自引：0，他引：1
介绍灰色理论建模原理和模型参数辨识方法,并以上海市为实例建立灰色GM（1,1）预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达97．25％。用所建立的模型对上海市2003～2007年城市生活用水量进行预测。结果表明,该灰色模型用于城市生活用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与实际情况比较吻合。 相似文献
8.
灰色系统在地面沉降分析中的应用 总被引：4，自引：0，他引：4
该文将灰色系统理论引入地面沉降的研究之中。根据上海地面沉降的历史数据建立了上海地面沉降发展的GM(1,1)模型以及地面沉降与地下水位变化的映射GM(1,2)模型,最后运用所建立的模型对地面沉降的发展态势进行了预测。 相似文献
9.
10.
介绍灰色理论建模原理和模型参数辨识方法,并以实例（抚顺地区1994~2004年工业用水资料）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98.72%。用所建立的模型对抚顺2001~2004年工业用水量进行外推预测。结果表明,该灰色模型用于工业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。 相似文献
11.
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
12.
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
13.
基于灰色理论的变形智能预测模型库研究 总被引：2，自引：0，他引：2
针对传统GM(1,1)模型在变形预测中精度不高和适应性不强的问题,将传统GM(1,1)模型从多个角度进行改进,并将传统模型及其改进模型进行集成,建立了预测模型库。利用灰色评价模型对模型库的预测结果进行评价,从而实现智能预测,并利用编程语言对模型库和评价模型进行了程序实现。最后利用盘古山钨矿变形数据对该模型库进行检验,结果表明,该模型库能根据不同特点数据,智能化地得到最佳预测结果,具有重要的应用价值 相似文献
14.
应用灰色模型对滑坡变形进行预测,目前常用灰色GM(1,1)模型,而灰色GM(2,1)模型应用较少.在实际建模中发现,取不同长度的数据序列,建立的模型也不一样,所得的预测结果也有所不同.针对上述问题,本文基于统计的方法,得出白店子滑坡灰色预测模型最佳数据序列长度,在此基础上建立GM(2,1)模型对该滑坡深部位移进行预测,并与GM(1,1)模型预测结果进行了对比.结果表明,总体精度上GM(2,1)模型略高,预测误差较小,有很好的应用价值. 相似文献
15.
灰色GM(1,1)模型是基于灰色系统理论的一种预测方法,具有对历史样本数量要求少、计算简便、验证方便等优点,在诸多领域得到广泛应用。本文建立GM(1,1)模型对江苏省丰县III承压地下水水位埋深进行预测,详细阐述了地下水水位埋深时间序列的GM(1,1)模型的原理和建立过程,根据模型的预测值和实测值,对模型的精度进行检验,并对预测结果进行了分析。结果表明:丰县各水位埋深监测点GM(1,1)数学模型精度均达到I级,预测2018-2020年丰县地下水水位呈现逐年下降趋势,水位降落漏斗将不断扩大。丰县应积极寻求地表水源,在徐州市区域供水一体化形势下尽快启用小沿河地表水,科学合理开发利用地下水资源,保证区域水资源均衡发展。 相似文献
16.
本文扼要介绍了灰色系统的基本理论、建模方法和检验精度的分析方法。并以四平市地下水动态特征为例,建立GM(1,1)包络模型,进行了地下水位拟合和外推预报。结果表明,GM(1,1)模型计算简单,是一种实用的预报方法,预报结果比较可靠。 相似文献
17.
《地下水》2019,(6)
研究地下水矿化度对于建设优美的生态环境、实现水资源的可持续发展具有十分重要的意义。通过GM(1,1)预测模型和GM(1,N)预测模型对双河村和新兴村地下水矿化度进行预测,并与实际检测值进行对比分析,发现GM(1,1)模型预测双河村与新兴村地下水矿化度预测值,预测结果与实际值大体变化趋势相同;而GM(1,N)模型下双河村与新兴村地下水矿化度预测值与实际值的变化一致,双河村的预测平均相对误差5.09%,预测精度94.91%,对新兴村的预测平均相对误差3.20%,预测精度96.80%,模型拟合效果较为科学,其预测结果能够作为最终数据进行分析,为该地区地下水矿化度的研究提供了理论依据。 相似文献
18.
19.
运用灰色理论,以焦家金矿床矿体品位、厚度代表矿化的白化值,经过数据生成处理,建立了矿体品位、厚度灰色GM(1,1)模型.通过残差、后验差、关联度检验,研究了模型的可靠性,对影响预测模型精度的因素进行了分析,并提出了提高模型精度的方法;通过GM(1,1)模型预测,焦家金矿床Ⅰ,Ⅲ矿体金矿化强度自浅部向深部逐渐增强,Ⅱ号矿体品位自浅部向深部逐渐增高,但厚度有逐渐减小的趋势,总体矿化强度不及Ⅰ,Ⅲ矿体. 相似文献
20.
本文根据灰色预测理论,结合预测实践,主要阐述了以下观点:1)灰色建模的数据序列不一定越长越好;2)灰色 GM(1,1)导数还原预测模型的精度低于累加生成预测模型的精度;3)累减还原预测模型是灰色 GM(1,1)预测模型的最终预测模型。 相似文献