基于TLS的非线性GM-AR高边坡变形预测模型及应用

为提高传统GM-AR模型预测精度,提出一种基于整体最小二乘(TLS)的非线性GM-AR变形预测模型。首先利用TLS参数估计的GM(1,1)模型提取变形序列中具有确定性的趋势项,然后再对剔除趋势项后的随机部分建立TLS参数估计的AR预测模型,最后叠加两者的预测结果作为最终的变形预测结果,并以三峡库区某高边坡的变形数据为例对模型进行验证。结果表明,相对于传统最小二乘(LS)参数估计的非线性GM-AR模型及GM(1,1)、AR两个单一模型,基于TLS的非线性GM-AR模型的预测精度更高,可在变形预测中应用。

联合水汽因子的GA-BP神经网络PM2.5质量浓度预测

针对北京地区频繁的雾霾灾害天气,利用影响雾霾的主要因素作为预报因子,采用遗传算法优化后的BP(GA-BP)神经网络建立了PM2.5质量浓度预测模型,并对其进行可靠性分析。结果表明:1)通过CMONOC数据和相关气象温度、气压数据反演得到的3个CMONOC站点BJFS、 BJGB、 BJSH的大气水汽(GPS-PWV)数据与PM2.5质量浓度之间的相关系数分别为0.642 2、 0.644 1、 0.641 3,呈中度相关;2)在预报因子不同的条件下, GA-BP神经网络模型均比BP神经网络的预测值精度更高;3)利用CO、 NO2、 SO2、 O3、湿度等5种主要影响因素作为预报因子,采用GA-BP神经网络模型预测的PM2.5数据,其平均相对误差为11.0%,将这5种因素分别结合同一时段3个站点的GPS-PWV数据作为预报因子进行预测,其平均相对误差分别降低了2.8%、 0.8%、 3%;4)联合GPS-PWV数据与影响雾霾天气的主要因素,基于GA-BP神经网络预测的PM2.5值具有相对较好的精度和可靠性。

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征,构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列,通过嵌入维数的确定和高低频数据的相关性分析,将重构后的随机序列作为遗传算法优化SVR模型的输入,对近似序列则采用灰色支持向量机来描述其演变特征,最后将二者预测结果进行耦合叠加,得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例,将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价,结果表明该模型较好地拟合了近似分量,同时避免了细节分量的过拟合,为高铁变形预测提供了新途径。

一种基于MTLS优化的非等间距多点灰色变形预测模型

针对非等间距多点灰色变形预测模型中观测值矩阵和背景值矩阵都存在一定的误差这一现象,提出了一种基于多元整体最小二乘优化的非等间距多点灰色变形预测模型。通过结合实例分析,结果表明:相比于只考虑观测值存在误差的最小二乘参数估计的非等间距多点灰色变形预测模型,该模型可以抑制建模数据误差,提高模型的拟合及预测精度,适合在变形预测中应用。

基于EEMD-SARIMA的对流层延迟预测模型研究

在无气象数据的条件下,提出一种基于集合经验模态分解(EEMD)和季节性自回归移动平均模型(SARIMA)的对流层延迟(ZTD)预报新方法,并分别选取长春、上海、乌鲁木齐3个地区4个季节的ZTD数据进行预测分析。结果表明,基于EEMD-SARIMA的ZTD改正预报模型能够满足不同地区、不同季节下的ZTD估计需求,是一种高精度的ZTD预报方法。

一种基于SARIMA的经验对流层延迟模型

为了减弱对流层延迟的影响,提高GNSS定位精度,探讨了在无气象参数的条件下,利用预测模型计算对流层延迟的可能性,并提出了一种经验对流层延迟预测模型,即基于季节性自回归移动平均模型(SARIMA)的对流层延迟预报方法。结合中国长春和上海两个地区的ZTD数据进行预测分析,预测结果表明:基于SARIMA的ZTD预报模型能够满足不同地区不同时段下的ZTD估计需求,是一种较高精度的ZTD预报方法。

基于小波去噪的非等间距多点灰色预测模型

基于某基坑多个沉降监测点的非等间距观测数据,对小波去噪前后的观测数据建立非等间距多点灰色预测模型。通过对比分析,基于小波去噪的非等间距多点灰色模型的预测精度高于非等间距多点灰色模型的预测精度,适合在变形预测中应用。

一种马尔可夫的非等间距多点灰色预测模型

针对非等间距单点灰色预测模型在处理多点变形预测时,没有考虑点与点之间的关联性和它们之间的相互影响,而且容易受建模数据随机扰动性影响这一问题,该文提出了一种基于马尔可夫的非等间距多点灰色预测模型。首先,结合某基坑的变形实测数据,建立非等间距多点灰色预测模型和非等间距单点灰色预测模型,通过两种模型预测结果对比验证非等间距多点灰色预测模型在处理多点变形预测问题上的优越性;然后运用马尔可夫模型建立状态转移概率矩阵对预测结果进行修正;最后建立基于马尔可夫的非等间距多点灰色预测模型。结果表明,基于马尔可夫的非等间距多点灰色预测模型的拟合及预测精度更高,适应性更强,更符合实际变形情况,具有实际参考价值。