灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用

先建立等维新息GM（1,1）模型和BP神经网络模型相耦合的灰色BP神经网络组合模型,再以民勤盆地64、65和84号井为代表,运用此模型模拟和预报石羊河下游民勤盆地的地下水埋深动态。模型精度检验表明,646、5和84号井预测值的平均相对误差分别为0.45%,0.93%,0.62%,均小于1%,符合精度要求。相比GM（1,1）模型,组合模型预测的相对误差整体上较小;相比BP模型,64号井组合模型预测的1998~2001年地下水埋深平均绝对误差从0.32m减少为0.07m,精度显著提高。结果表明：组合模型综合考虑了地下水埋深序列的确定性和不确定性变化,具有更高的预测精度,适合于短期预报。

无偏灰色—BP神经网络组合模型在变形预测中的应用

在传统灰色预测模型和BP神经网络模型的基础上提出了一种新的组合模型来对变形监测中的沉降进行预测。运用无偏灰色-BP神经网络组合模型,兼顾了灰色预测模型计算样本少、计算简单和BP神经网络自组织、自适应的预测能力等优点,并通过实验结果证明,利用该组合模型方法预测结果的精度明显优于单纯的灰色模型和无偏灰色模型。

灰色BP神经网络模型的优化及负荷预测

为了提高样本数据较少情况下中长期负荷预测的预测精度,分析了传统GM(1,1)预测模型的缺点,提出了一种适用于中长期负荷预测的GM(1,1)优化建模方法。用一个与GM(1,1)模型的时间响应式具有相同形式的连续函数,拟合灰色系统的原始离散数据,将连续函数映射到神经网络,构建了GM(1,1)模型的灰参数与BP网络权值的对应关系。用已知负荷作为训练样本,利用BP算法对网络进行优化,当网络收敛时,提取优化的灰参数,实现了应用GM(1,1)模型对中长期负荷预测的优化建模。算例分析结果表明该方法是可行且有效的。

基于灰色BP网络的城市生活垃圾日产量预测模型研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的城市生活垃圾日产量预测模型,通过一组历史数据分别对GM模型和灰色BP神经网络模型进行了验证,得到了灰色BP神经网络的预测效果要比单纯的灰色预测模型精度要高的结论,本模型是研究通过少量数据进行预测的一种新方法。

基于灰色BP神经网络模型的煤矿地下水位预测研究

针对煤矿地下水位监测精度不高的问题,提出灰色BP神经网络预测煤矿地下水位的模型。分别利用灰色预测理论、BP神经网络模型和灰色BP神经网络对某煤矿一观测井地下水位进行预测,仿真数据表明采用灰色BP神经网络模型预测煤矿地下水位更为准确。

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.

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。

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。

基于灰色BP神经网络的青藏铁路路基沉降预测模型

为分析青藏铁路路基高程不规则变形问题,以青藏铁路唐古拉南—安多区间冻土路基沉降变形监控数据为依据,提出一种基于灰色BP神经网络的路基沉降预测模型,利用GM(1,1)模型拟合数据的残差进行BP神经网络训练,并通过训练后的残差序列得到新的路基沉降预测值。研究结果表明:建立隐含层为5层、训练次数为1000次、训练精度为10-7的灰色BP神经网络模型,对青藏铁路冻土区沉降量进行预测,平均相对误差为1.201555×10,精度较GM(1,1)模型更高,可有效预测路基沉降。基于灰色BP神经网络模型,分别预测3年后、10年后的路基沉降危险点,并提出相关路基养护措施建议。

灰色神经网络组合模型在庆安县年降雨量预测中的应用

采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。

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。

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM(1,1),BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM(1,1)模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.

基于组合模型的天津市地面沉降预测及危险性评价

针对天津市过度开采地下水引发的地面沉降问题,基于组合模型开展区域沉降预测及危险性评价研究。首先分别运用灰色理论GM(1,1)预测模型、BP神经网络预测模型以及灰色BP神经网络(GM-BP)组合预测模型,对地面沉降量数据进行校核与补充。然后选取高程、坡度、土地利用、河网水系、水文地质、地下水开采量和累积沉降量作为影响因子,基于确定性系数和逻辑回归组合模型对地面沉降的危险程度进行评价,最后将地面沉降区域划分为5类危险区:极高危险区、高危险区、中危险区、低危险区和极低危险区。结果表明:(1)灰色BP神经网络预测模型的稳定性和拟合能力明显优于其他两种预测模型,模型的预测值更能满足精度要求;(2)研究区不同程度的危险性评价中,41.57%的区域面积具有极高度和高度危险性,且主要分布于北辰区、津南区、静海区、西青区及滨海新区等南部地区;(3)通过灾害点与危险区叠加分析,整个研究区域灾害点密度为64.73处/万km^(2),45处灾害处于高和极高的地面沉降危险。分区结果与灾害点的分布情况基本吻合,证明该研究成果能为地面沉降预测及危险性评价提供参考依据。

浙江省水产品冷链物流需求预测及其影响因素研究

文中以水产品冷链物流需求为研究对象,建立GM(1,1)模型和灰色BP神经网络模型对浙江省水产品冷链物流需求2021-2025年的发展变化进行了预测。利用2007-2020年浙江省水产品产量作为原始数据,从区域经济水平、市场需求水平、冷链发展水平、互联网发展水平4个方面构建需求量影响因素指标体系,并利用灰色关联度法分析影响水产品冷链物流需求变化的15个因素。通过训练对比发现灰色BP神经网络在拟合程度和预测效果上均具有优越性,预测精度可达98.967%。预测结果显示,浙江省水产品冷链物流需求将在“十四五”期间呈现出逐年稳定上升的趋势。