灰色-BP神经网络在深基坑变形预测中的应用研究

随着城市化进程的推进,向地下空间发展将是趋势,由此带来大量深基坑工程。深基坑的稳定问题不仅关系上部结构的安全,而且还会影响周边建筑物的变形,因此深基坑变形研究越来越受到重视。将改进灰色预测模型与BP神经网络组合模型结合,通过在南京某大型深基坑的变形模拟和预测效果对比,改进后的灰色模型在一定程度上提高了拟合精度与预测精度,而灰色-BP组合模型在此基础上通过MATLAB平台又进一步地提高了拟合与预测的精度。该研究可为工程施工提供较好的指导意义,并为同类工程提供借鉴。

基于灰色-BP神经网络理论的上染率模型研究

以活性黄3RE上染棉织物为例,首先利用灰色系统GM(1,1)和Verhulst建立起上染率-染色工艺单因素模型,再将其输出直接作为神经网络的输入,最终建立灰色-BP神经网络上染率-染色工艺多因素模型,其拟合值的相对误差小于1.3%,并通过实验验证,预测值的误差均在1.0%以内。验证结果表明,该数学模型精确度较高,能较准确地反映棉织物活性染料染色后的上染率,并可以满足预测上染率的需求。

灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。

基于灰色-BP神经网络组合模型的赣南脐橙产量预测分析

赣南脐橙产量变动的随机性、波动性和复杂性,给脐橙产量的预测带来了很大的困扰。将灰色-BP神经网络加以组合,采用2004年至2013年赣州市赣南脐橙产量数据,对赣南脐橙未来产量进行预测。通过MATLAB计算,结果表明:灰色-BP网络组合预测模型精度高于传统灰色预测模型,且2014年至2016年赣州市赣南脐橙产量预达到171.34万t,190.81万t,212.49万t。

基于灰色-BP神经网络模型的短时交通量预测

短时交通量具有明显周期性、非线性的特点,为提高短时交通量预测的精度,笔者提出将灰色GM(1,1)模型与BP神经网络相结合的方法,并以上海市浦东新区陆家嘴东路真实数据为样本进行实验计算与对预测结果对比.该灰色神经网络模型GNNM(1,1)兼具两种模型的优势。实验结果表明,相较于传统的灰色GM(1,1)模型,灰色BP神经网络模型具有更高的预测精度,为预测短时交通量提供了一种新思路.

面向2035的高职高专教育规模与资源需求预测——基于灰色-BP神经网络模型研究

我国职业教育综合改革持续深化,高等教育普及程度不断提升,高等职业教育发展前景备受关注。研究基于1992-2021年高职高专教育规模及其影响因素发展情况,采用灰色-BP神经网络模型对2022-2035年高职高专教育规模和资源需求进行预测。研究发现:高职高专规模发展可能出现低增长、中增长和高增长三种模式,规模变化将经历波动增长、稳定增长和增长缓和三个阶段,规模扩张会导致经费、物资和师资供给的巨大压力。为此,研究建议积极观测高职高专规模发展影响指标的动态变化,实现高职高专教育规模的科学预测;向中增长模式靠拢制定高职高专发展规划,提供高职高专教育高质量发展的可能性;持续地加大高职高专财力、物力和人力资源供给,提供高职高专教育现代化的必要条件。

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。

利用灰色—BP神经网络组合模型对延吉市地下水位预测

针对延吉市地下水位变化情况,利用灰色—BP神经网络组合模型对地下水位变化趋势进行预测,提出地下水位的预测不能仅限于一种方法,应在充分分析影响水位变化各因素的基础上,采用合理的方法预测。

GM-ARMA-BP组合模型在建筑物沉降预测中的应用

针对建筑物变形监测中的沉降预测问题,本文结合灰色模型、时间序列模型和BP神经网络模型的优点,提出了GM-ARMA-BP组合模型进行沉降预测的方法,有效克服了单一模型稳定性差的缺点,并以某高层建筑沉降观测数据为样本,通过对这几种模型的沉降预测结果进行比较分析,结果表明:GM-ARMA-BP组合模型预测效果最好,精度较单一模型提高50%以上,并且具有一定的适用性。

土壤水分特征曲线Van-Genuchten模型参数的土壤传输函数比选

基于黄土高原区多种土壤的水分特征曲线试验数据样本,建立了以土壤黏粒、土壤粉粒、干密度、有机质和盐分含量为输入变量,Van-Genuchten模型参数α与n为输出变量的非线性预报模型和灰色BP神经网络预报模型,在对两种模型误差参数α与n分别进行误差分析比较的基础上,对两种模型的预测结果进行了整体误差分析。结果表明:无论是参数α还是参数n,非线性模型的平均相对误差低于10%,综合精度平均相对误差为15.73%;灰色BP神经网络模型的预测精度的平均相对误差低于4%,综合精度平均相对误差为10.01%,灰色BP神经网络模型的预测精度都要比非线性模型的预测精度高,但灰色BP神经网络模型易出现过度拟合的情况。综合而言,两种模型均能实现Van-Genuchten模型参数α与n的预测,可根据具体情况选用其中一种以达到更好的预测效果。

铸体薄片图像分析法求取储层孔隙度

在石油勘探工程中,储层孔隙度是进行油气预测、油气储量计算的重要参数。根据测井铸体薄片图像资料,在传统BP网络模型的基础上提出了一种基于灰色关联约束的BP神经网络改进模型。对铸体薄片图像进行孔隙识别、统计,进而自动判读储层孔隙度。研究和实验表明,该方法对储层孔隙度的分析、判读更具合理性和实用性。

基于组合预测模型的大连港集装箱海铁联运量预测

世界经济全球化和区域经济一体化的快速发展,集装箱的多式联运越来越重要,海铁联运作为一个重要的运输形式有着强劲的发展潜力,同时对未来的港口发展和规划提供了重要依据。根据集装箱海铁联运量数据的特征,单一的灰色GM(1,1)模型的预测精度不高。构建灰色-马尔科夫链模型和灰色-BP神经网络模型两种组合预测模型,通过对比得出灰色-BP神经网络模型的平均绝对误差在5%左右,较比单一的灰色GM(1,1)模型的11.63%和灰色-马尔科夫链模型的10.21%预测效果较好。通过灰色-BP神经网络模型预测出大连港未来4年的集装箱海铁联运量。

“丝绸之路经济带”背景下兵团物流需求方法研究

为更好地服务于丝绸之路经济带建设,促进新疆生产建设兵团区域经济发展,通过分析影响兵团物流需求量的因素,确定兵团物流需求主要影响因素。结合兵团的实际情况与预测方法的适用条件,分别选择灰色预测模型、BP神经网络模型和灰色-BP神经网络组合预测模型对兵团物流需求量进行预测。最后通过实证分析得出组合模型的精度最高,并应用灰色-BP神经网络组合预测模型对兵团的物流需求进行预测,为兵团区域物流总体规划提供参考依据。

房地产项目规划阶段建造工程造价测算研究

基于房地产项目建造工程造价数据,结合灰色关联分析法、BP神经网络测算法,建立基于灰色关联-BP神经网络的房地产项目规划阶段建造工程造价测算模型,并将该方法与传统BP神经网络测算法、多元线性回归测算法的拟合结果进行对比分析。研究表明,文章提出的灰色关联-BP神经网络测算法对房地产项目建造工程造价数据的拟合度高,5组测试样本中4组测算误差为1.27%~5.25%,1组误差为13.41%,满足项目规划和建议书阶段,投资估算的误差率在±30%左右的要求,测算结果较传统BP神经网络方法、多元线性回归方法测算结果更精确、稳定,可为房地产项目投资决策提供依据。

基于组合预测模型的股票指数趋势预测研究

本文主要研究组合预测模型在股票指数趋势预测中的应用。首先论证了德国股票市场的发展状况以及研究意义，然后以德国DAX股票指数为例，分别建立灰色模型、灰色系统-BP神经网络组合模型，比较两个模型的预测效果，最后得出组合模型的预测效果比单一模型更优的结论。