灰色加权模型在深基坑变形预测中的应用

深基坑的变形及其预测是工程建设中经常遇到的重要问题,论文对加权灰色模型应用于该领域作了探讨。在进行加权模型理论计算的基础上,以深基坑实际变形监测资料为基础,利用原始模型结果作为比较基础,对加权模型进行了变形预测计算。对比结果表明,时距权重模型的原点误差相对于原始模型大为减少,模型的预测精度也得到了很大的提高,加权模型可以很好的应用于基坑变形的预测与分析。

基于灰色加权模型的智慧工地安全管理因素研究

为明确智慧工地下安全管理因素的影响比重问题,提高智慧工地下施工的整体安全性,将以AHP-灰色关联法为例,构建灰色加权模型,整合可能影响智慧工地施工安全管理的多种因素,避免片面性因素对评价的影响,并通过模型的方式得到对智慧工地施工安全管理影响比重最大的因素,以此结果为相关单位或项目提供参考。

水资源-环境系统灰色加权模型研究

本文在水资源－环境系统的工程实例基础上，详细论述了灰色加权模型的递增赋权、层次分析法赋权。

加权灰色预测模型及其计算实现

鉴于GM(1 ,1 )灰色预测模型中背景值取值方法的不足 ,引入背景值最佳生成系数 ,得到新的背景值计算式 ,从而将GM(1 ,1 )预测模型扩展为加权灰色预测模型———PGM (1 ,1 )预测模型 ;并对PGM(1 ,1 )预测模型中的最佳生成系数 p及灰参数的估计计算进行了详细论述 ,应用迭代法来确定相应的数值。实例表明 ,此方法的拟合精度和预测效果均优于GM(1 ,1 )模型。

加权灰色与加权统计模型在边坡变形预测中的应用研究

利用实测变形数据建立监测模型对边坡变形规律进行预测是工程安全监测中的重要手段。对于长期发展变化的变形来说,新、旧信息反映的规律通常会有所不同,充分合理利用新的实测信息是实时掌握边坡状态、预测下一阶段趋势的必要工作。以加权的方法增强新的监测信息的作用,适当削弱旧信息的作用,比较选取权形式,对相应的变形加权回归模型和加权灰色模型进行建模分析,其预测效果比不加权模型有较明显改善。并通过权重的改变对模型的拟合、预测结果进行了比较,总结其规律,提出了使用建议。

加权多变量灰色模型在变形监测中的应用

在变形监测过程中,监测因子较多,难以对监测因子进行合理的取舍。首先利用灰关联度分析方法,将监测因子根据灰关联度进行关联排序,为合理选择监测因子提供理论依据;然后,利用得到的关联度进行平滑处理,并将其作为权值建立加权多变量灰色模型,推广了传统的多变量灰色模型,提高了预测精度;最后,以南充水库土石坝沉降数据为例,验证了模型的正确性。算例结果表明,加权多变量灰色模型的平均相对误差比传统灰色模型小,模型精度也比传统模型高。

基于加权灰色关联度模型的各地区国有及规模以上非国有工业企业经济效益评价方法

应用加权灰色关联度模型,较好地克服了信息的不完全性和不确定性,揭示了样本指标间的关系,为评价各地区国有及规模以上非国有工业企业经济效益,提供了一种现实可行的方法。

基于遗传神经网络的非等时距加权灰色线性组合模型在变形监测中的应用

针对非等时距以及BP神经网络会陷入局部极小值的问题,本文提出了基于非等时距加权灰色组合GA-BP模型的新方法。首先对原始变形监测数据采用非等时距的加权灰色组合线性模型处理,然后利用处理后的数据求出残差进而建立GA-BP神经网络模型进行残差修正。通过对比非等时距GM(1,1)以及非等时距加权灰色线性组合模型的结果,发现基于非等加权灰色线性组合GA-BP神经网络模型可以有效地提高模型精度,具有一定的应用价值。

加权灰色线性回归组合模型在高铁隧道沉降监测中的应用

近年来,相关的研究与实践表明,变形监测的数据处理方法比较成熟,如回归模型、卡尔曼滤波模型、灰色模型、时间序列模型以及人工神经网络模型等各种模型,均经过了各种检验,而且有效地应用在变形监测技术中。然而单一的模型预测有其自身的局限性,因此,预测模型需要采用组合优化模型弥补单一模型的缺陷。本文主要阐述了加权灰色线性回归组合模型在高铁隧道沉降预测中的应用,通过与传统的GM(1,1)模型以及灰色线性回归组合模型进行对比。实验结果表明,加权灰色线性回归组合模型具有较高的预测精度。

加权灰色模型在采空区沉降监测中的应用及对比分析

以采空区沉降监测为研究对象,通过采用灰色系统理论中灰色模型GM (1,1)和加权灰色模型PGM(1,1)对监测数据进行建模和分析。相对误差绝对值均值最小和误差绝对值之和最小法2种不同的加权方案,体现了各监测值对模型的贡献率,较传统的等权模式更体现时效性。结合工程实例,验证了用灰色理论模型进行数据处理及分析采空区沉降监测数据的可行性和可靠性。尤其是相对误差绝对值均值最小法,无论从拟合精度还是短期预测,PGM (1,1)均优于GM (1,1)模型,其应用值得研究。

灰色遗传神经网络模型对居民年需水量预测

根据居民年生活用水的特点，提出一种灰色遗传神经网络组合模型。该模型首先通过遗传算法（GA）对A取值进行选优，并运用灰色加权模型对年需水量进行一级预测，后通过BP模型对年需水量进行二级预测。以A市S区年居民生活年需水量为例，将2007-2013年生活年需水量作为原始数据并选择合适指标对2014年需水量进行预测。结果表明，组合模型相比灰色神经网络模型精度提高0．84个百分点，比GM（1，1）模型提高了3．08个百分点。

不同损失函数约束下的加权灰色模型在沉降监测中的应用

加权灰色模型的权值确定方法及权值大小直接影响监测拟合及预测的可靠性。以采空区沉降监测为研究对象,通过平均绝对误差(MAE)、平方和误差(SSE)、平均相对误差(MAPE)和均方相对误差(MSPE)4种不同损失函数约束下的定权方式,体现各监测值对模型的贡献率,确定不同的加权模型。结合工程实例,验证了加权灰色模型的可行性和可靠性,也体现了模型的时效性。同时经过拟合和预测对比,其4种损失函数约束加权模式下的灰色模型都能预测短期数据,但从长期效果看,采用MSPE更优。

优化非等时距加权灰色-时序组合模型在地铁监测中的应用

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。

基于加权灰色统计的平顶山市空气质量分析

依据平顶山市2000—2009年环境状况公报数据,选取空气污染物SO2,NO2,PM10作为评价因子,将灰色统计方法和模糊综合评价模型相结合,建立加权灰色统计模型,对河南省平顶山市空气质量进行综合评价.结果显示:平顶山市2000—2002年空气质量综合评价Ⅳ级,为重污染;2003—2007年空气质量综合评价Ⅲ级,为轻污染;2008—2009年空气质量综合评价Ⅱ级,为尚清洁.2000—2009年(2007年除外)主要污染因子为PM10,2007年的主要污染因子为SO2.但近几年PM10对空气质量的影响呈现逐年下降趋势,NO2对空气质量的影响呈现逐年上升趋势.

改进的灰色预测模型在蔬菜预警系统中的应用

文章采用"幂函数变换-对数函数变换"提高城市蔬菜污染指数数据的光滑度,对加权均值灰色预测模型的B矩阵进行加权调整,算得均方差很小;用拟合优度检验进行验证,结果表明此模型具有较高的预测精度;建立监控系统,从监控图可清楚地看到蔬菜的污染水平和质量安全情况。

改进灰色模型及其在变形预测中的应用

文章介绍了常用的变形预测[1]模型:GM(1,1)模型[2](即灰色模型),考虑背景值[3]对模型精度的影响。对其进行改进,获得PGM(1,1)模型[4]。并通过编程加以实现。且通过实例比较,证明PGM(1,1)模型的预测效果更好。

改进的灰色系统模型在沉降预测中的应用

对变形体进行变形监测,可以避免诸多灾害的发生,为此国内外研究人员对预测模型领域进行了深入研究,如灰色系统、BP神经网络等模型。不同模型的研究角度不同,有不同的适应情况,而灰色系统模型拥有在贫信息的情况下进行建模的独特优势,故而广泛应用于变形监测中。本篇文章介绍了灰色系统模型,以及进一步考虑数据对模型内部参数的影响,加入权值思想,从而获得加权灰色系统模型,并与基本灰色系统模型进行比较。最后将改进的灰色系统模型应用于实际沉降预测中。

灰色组合模型视角下公共自行车站点运营评价

公共自行车站点是影响公共自行车使用水平的重要因素。为评估城市公共自行车站点的运营现状,综合利用模糊一致理论、两阶段灰色聚类模型及灰色加权关联模型,构建了城市公共自行车站点评价的灰色组合模型,结合衢州市公共自行车系统进行了实例验证并得出了分析结论。结果表明,灰色组合模型能够满足站点评估过程中的灰色性和模糊性,可以有效评估出公共自行车站点的利用情况及关键影响因素,为公共自行车站点的优化提供参考。

基于灰色加权马尔科夫模型的港口货物吞吐量预测——以宁波舟山港为例

为了提高港口货物吞吐量的预测精度,以宁波舟山港2000-2019年的货物吞吐量数据为样本,提出一种以灰色DGM(2,1)模型的预测相对值序列与加权马尔科夫模型相结合的预测方法.研究结果表明:与单一的DGM(2,1)预测模型和相似文献内容的预测模型相比,灰色加权马尔科夫模型预测精度有了明显提高,平均绝对百分比误差仅为1.0%.同时,构建的灰色加权马尔科夫模型绝对误差波动小,模型稳定,这为港口货物吞吐量预测提供了一种新的更优的预测方法.

带权GM(0,h)模型在地下水开采-地面沉降研究中的应用

从灰色理论建模特点出发 ,用加权均值生成数方法生成新数列 ,然后用生成的新数列建立改进的灰色加权GM (0 ,h)模型 ,根据该模型进行地下水开采量与地面沉降量的关系分析、沉降量预测 。