基于灰色BP神经网络组合模型的深基坑周围地表沉降预测研究

在深基坑工程施工过程中,基坑周围地表的沉降对周围建筑物、地下管线和支护体系的安全都会造成很大的影响,如何利用对影响基坑周围地表沉降的关联因素的研究并结合基坑周围地表沉降的监测数据来分析得到基坑周围地表沉降量的走势,已成为城市建设中的一个重要的安全课题.以天津市某换乘车站为例,分析影响该基坑周围地表沉降的关联因素,建立灰色预测和BP神经网络组合模型,在"小样本、贫信息"的情况下,得到的预测结果与实际监测值吻合度较高.利用该预测模型可对一些在开挖过程中监测天数相对较少的深基坑工程进行可靠而准确的预测.

灰色BP神经网络组合模型在大坝沉降监测中的应用

大坝沉降是一个非线性的过程。为了能准确预测大坝沉降,将GM(1,1)模型和BP神经网络模型结合,以某大坝沉降量为实例,研究灰色BP神经网络在大坝沉降监测中的应用。通过GM(1,1)获得一组拟合数据,将拟合数据和原始值作差得到拟合值的误差序列,再利用BP神经网络模型对拟合数据和拟合数据的误差序列进行训练,最后再以拟合数据作为输入值,利用训练完成的BP神经网络得到误差序列,进而得到预测值。经过实验分析,得出组合模型的预测精度高于单一模型的预测精度。

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。

运用灰色理论与人工神经网络预测公路沉降

介绍了灰色理论中的G(1,1)模型、BP人工神经网络模型和灰色BP神经网络模型;根据岳阳城陵矶进港道路管桩处理后的路基沉降实测资料,分别运用这三种模型进行沉降预测,并对预测结果进行了分析,比较了这三种方法预测沉降的效果。

基于灰色神经网络高速永磁电机试验效率评估

为了打破传统电机检测技术分析效率低、同步性差的局限,提出基于多参数评价的高速永磁电机动态性能评估模型;采用了热卡填充填补缺失值完成预处理,设计灰色关联度模型(GRA)得到各类属性列之间关联度,利用了贪心并查集思想得到降维后的4列电机属性参数,建立了一个4-5-1的三层神经网络结构;通过改变贪心算法得到的期望属性组数到5组并增加神经网络的参数设置,实现了电机测试数据分析模型的优化改进;在允许相对误差0.05的范围内,永磁同步电机(TB-416G-30-5型)运行效率预测准确度从90%提高到94%,试验表明:优化的灰色BP神经网络模型能有效适用于预测电机运行效率,在电机制造的智慧生产及机器学习在电机评估方面的应用有重要意义。

灰色模型在我国人口预测中的应用

人口问题就是一个典型的灰色系统问题,在灰色GM(1,1)模型的基础上,构建了灰色+BP神经网络组合模型。根据1949-2011年我国人口发展的最新统计资料,提出并建立变换初值灰色模型,然后利用两种模型预测值的均值对我国人口发展趋势进行中长期预测。

宿州雷暴气候特征及其灾变G-ANN预测模型研究

根据宿州市5个气象站1957-2008年雷暴日观测资料,利用数理统计方法分析了宿州雷暴的时空分布规律,以及雷暴与降水、温度的关系。结果显示：宿州属于多雷区,南部多于北部,南北相差3.21-4.65天;年际变化大,年累计雷暴日最多相差37天,初终雷及无雷期年际间振荡的幅度较为剧烈,52年来累计雷暴日线性减少的趋势明显,减少幅度为1.61-2.89天/10a;季分布以夏季最多,冬季最少;月分布呈单峰型,雷暴多集中在4-9月,以7月最多,12月最少;日分布呈单峰型,以16：00-18：00频率最大;多年平均月雷暴日数序列与相应的气温、降水量之间呈显著正相关。为了进一步预测雷暴的长期演变趋势,以埇桥为例建立了雷暴多发年份灰色人工神经网络组合预测模型,预测下一个雷暴多发年将发生在2025年。