共查询到10条相似文献，搜索用时 15 毫秒
1.
通过对传统GM(1,1)缺陷分析和改进的基于权的PGM(1,1)建模机理描述,顾及PGM(1,1)中背景值构造时取相同的参数不能充分降低模型的预测误差,对不同的时刻引入不同的参数来改进GM(1,1)背景值序列的计算公式,将这种背景值构造方法和灰元N引入GM(1,1)建立了新的白化方程。在建立的新的白化方程基础上,用龙格-库塔法以修正的初始值计算累加值的模拟序列。针对引入的参数较多问题,采用粒子群算法寻找满足相对误差均值最优的参数,从而建立了基于粒子群优化算法和加权灰色组合的PSO-GM模型。工程实例应用表明,新模型的拟合精度高,预测效果好,相对其他两种原有模型预测精度有明显提高。 相似文献
2.
针对灰色GM(1,1)预测模型预测结果精度低、模型缺乏稳定性的问题,基于最小二乘配置理论的GM（1,1)预测优化模型,首先通过使得生成序列新预测值的误差在最小二乘意义下最小,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;然后将优化的GM(1,1)模型和最小二乘配置理论有机结合,进一步对优化的GM(1,1)模型进行改进,构建优化的灰色最小二乘配置预测模型;最后通过对建筑物的沉降数据进行定量分析与预报,与其他模型进行对比分析。 相似文献
3.
通过对传统GM(1,1)模型的初始条件进行优化,利用复化的Simpson数值积分公式构造背景值,以及对残差序列进行修正,建立优化的GM(1,1)模型,并给出优化模型的精度评价方法和标准。以小浪底大坝的变形实测数据为例,进行基于传统GM(1,1)预测模型和优化GM(1,1)预测模型的计算比较。结果表明,基于优化的GM(1,1)预测模型精度更高。 相似文献
4.
将变形监测灰色预测模型分为传统GM(1,1)模型及其改进模型、非齐次灰色模型、GM(1,1)幂模型及其改进模型3种类型,以Origin拟合函数Exp2PModl、Exponential和SRichards2作为3类灰色预测模型的替代方法,基于理论研究和实例验证对比分析3类灰色预测模型及其替代方法。结果表明,3类灰色预测模型在拟合函数、有无极限值、适合等时距或非等时距建模和适用范围等方面存在显著差异,需要根据变形监测数据特征选择合适的灰色预测模型类别;与3类灰色预测模型相比,Origin拟合函数在参数求解和建模数据要求上更具优势,而且可以得到相当甚至更高的拟合或预测精度,除需要编程实现的特殊优化目标外,完全可以代替灰色预测模型用于变形监测。 相似文献
5.
陈鹏宇 《大地测量与地球动力学》2020,(5):464-469
GM(1,1)幂模型可用于趋于稳定或具有S型变化趋势的沉降预测,但其存在灰色建模的固有缺陷、非等间隔数据的不适用性和参数求解复杂性等不足之处。结合幂函数变换与无偏GM(1,1)模型和非等间隔无偏GM(1,1)模型,建立了无偏GM(1,1)幂模型和非等间隔无偏GM(1,1)幂模型。基于Matlab程序,以拟合结果的平均相对误差最小作为优化目标,提出参数的优化求解方法,同时提出采用Origin拟合函数SRichards2的替代方法。实例分析结果显示,两种方法拟合效果相当,均可用于沉降预测。结合两者的应用效果和建模特点,建议人工处理数据时采用Origin拟合函数SRichards2;对于有特殊优化目标的情况或自动化监测设计时,可采用无偏GM(1,1)幂模型或非等间隔无偏GM(1,1)幂模型。 相似文献
6.
针对传统多点灰色模型背景值求解方面存在的缺陷,采用自动寻优定权对背景值进行选择,使得实测值与拟合值的残差平方和最小,以提高多点灰色模型的预测精度。实例计算结果表明,与传统的多点灰色模型相比,背景值改进的多点灰色模型预测精度有很大的提高。 相似文献
7.
针对传统灰色模型在形变监测中数据序列拟合和预测精度不理想的情况,提出粒子群算法优化的分数阶算子EGM(1,1)模型。通过粒子群算法选择拟合EGM(1,1)平均相对误差最小的分数阶次,构建最优分数阶算子EGM(1,1)模型。用典型的变形监测数据验证优化模型,结果表明,优化模型对变形监测数据的拟合和预测都达到较高的精度,说明优化模型在变形监测数据的处理中具有可行性和有效性。 相似文献
8.
基于粒子群算法的GM(1,1)在经济发展预测中的应用 总被引：1，自引：0，他引：1
采用粒子群算法对GM(1,1)模型中的参数进行优化求解,然后将得到的模型应用于四川省经济发展预测,并和传统采用最小二乘法求解参数的GM(1,1)的预测结果进行了对照.结果表明,采用粒子群算法优化参数的GM(1,1)模型预测效果明显优于传统采用最小二乘法求解参数的GM(1,1)的模型预测效果. 相似文献
9.
针对UBGM(1,1)-Markov模型中存在2个邻近值可能被归属到不同状态,导致预测值产生偏差的问题,结合模糊分类理论,构建基于模糊分类的无偏灰色-马尔科夫模型(unbiased gray-Markov model based on fuzzy classification, FC-UBGM(1,1)-Markov)。首先对UBGM(1,1)模型进行残差修正,然后将修正后拟合值的相对残差序列作为Markov链进行区间划分,再结合模糊分类的隶属度函数,计算相对残差的模糊向量,根据隶属度确定其所属的状态。实际算例表明,该模型比传统UBGM(1,1)-Markov模型的预测效果更好。 相似文献
10.
针对现有改进GM(1,1)模型在导航卫星钟差预报中性能无明显提升的问题,提出通过优化初始条件来提高钟差预报精度的方法。首先构建初始条件未知的GM(1,1)预报模型,然后采用原始序列的最新分量求解初始条件,最后利用该模型对IGS提供的精密钟差数据进行预报实验。结果表明,将初始条件优化后的GM(1,1)模型用于钟差预报切实可行,且预报精度比传统GM(1,1)模型有较大提高。 相似文献