基于非等时距加权灰色模型与神经网络的组合预测算法

非等时距预测算法在不等时间间隔序列的趋势分析与预测方面具有重要作用.在传统灰色预测理论的基础上,提出一种基于非等时距加权灰色模型和神经网络的组合预测算法.通过构建非等时距加权灰色预测模型,将原始数据序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,以真实反映时间序列发展对预测结果的影响.在此基础上,引入BP神经网络对灰色预测的残差序列进行修正,进一步提高了预测精度.经算例验证,该算法预测精度达到1级,且高于类似算法.

基于非等时距加权灰色模型与神经网络的轨道不平顺预测

对轨道不平顺的发展趋势进行有效预测,可以提高铁路线路养护的维修效率,保障行车安全。根据轨道不平顺的发展特性,提出一种基于非等时距加权灰色理论和神经网络法的组合预测方法。该方法通过构建非等时距加权灰色预测模型,将原始TQI序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,较好地反映了时间序列对轨道不平顺预测结果的贡献。在此基础上,引入BP神经网络模型对TQI预测的残差序列进行修正,较好地克服了单一模型预测精度偏低的不足。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该预测方法相对误差平均值分别为2.76%和2.08%,预测结果的后验差比值分别为0.121和0.151,精度等级达到1级。

基于改进非等时距灰色模型与PSO优化的轨道不平顺预测

基于轨道动检数据开展的轨道不平顺预测研究,可用于指导以预防为主的养护维修作业。将改进非等时距灰色模型与粒子群优化(Particle Swarm Optimization,PSO)相结合来实现轨道质量指数(Track Quality Index,TQI)的高精度预测。在考虑TQI原始动检数据特征的基础上增加原始数据平滑优化、累加初始值优化和背景值优化等环节提出改进非等时距灰色模型。利用PSO算法的启发式搜索优势,以平滑优化参数、初始值优化参数、背景值优化参数为搜索目标,以预测平均相对误差为适应度函数,实现预测模型参数的自适应优化。在此基础上,基于优化参数计算得到拟合区间和外推区间上的TQI预测结果。选取沪昆线上行区段实测TQI数据对本文方法进行验证,并与既有TQI组合预测模型的预测结果进行了对比。研究结果表明,模型可有效捕捉TQI序列中的随机波动与实时演变趋势,在外推区间上的平均相对误差分别为2.04%和2.54%,预测性能优良;当TQI序列振荡特性显著时,本模型仍能保证预测结果的可靠性;与组合预测模型相比,该模型规避了残差修正、多算法融合等繁琐步骤,可通过有限优化环节提升预测精度,为轨道不平顺预测提供一种新方法。

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。

非等时距加权灰色预测模型及其在形变预报中的应用

本文根据变形观测数据有时出现非连续性的特点以及各期观测数据对建模的作用不同,提出了非等时距加权灰色预测模型,用以弥补等时距灰色预测模型处理此类数据的困难,实例分析表明,模型预测值和实测值吻合相当好。

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。

基于灰色GM(1，1)非等时距修正模型的轨道质量预测

根据灰色理论,以轨道质量指数检测数据为原始时间序列,通过累加弱化序列的随机性,挖掘轨道系统内在的规律,研究建立基于灰色GM(1,1)非等时距模型的轨道质量预测方法。为提高模型预测精度,优化模型中的初值和背景值,并基于残差分析引入周期性函数,对模型进行修正。用此模型对轨道质量指数TQI数据进行分析预测,并对模型精度进行检验。结果表明模型能较好地反映轨道质量恶化发展的随机波动特征,拟合、预测精度高,为了解和掌握轨道质量状态的发展规律提供了新的方法。

基于优化非等时距权重傅里叶灰色模型的变形预测

针对传统非等时距灰色模型对变形预测精度偏低问题,首先在传统非等时距灰色模型的基础上引入权重系数优化生成序列,然后利用傅里叶变换函数对残差进行修正,建立了权重优化-傅里叶变换函数残差修正的组合预测模型;最后以某下承式集散拱肋拱桥为背景,对其主梁变形进行预测。预测结果表明:该模型预测值总体平均相对误差为2.4%,高于传统非等时距灰色模型,预测精度为1级,为主梁变形预测提供了一种有效的技术手段。

基于马尔可夫残差修正灰色模型的轨道质量指数及其分项预测

为研究轨道质量指数(Track Quality Index,TQI)及各分项值的变化趋势,本文考虑动检数据的非等时距特征,构建了关于TQI及各分项值的一阶灰色模型。原始数据经过累加变换后,利用最小二乘法求解模型的灰参数,并引入马尔可夫残差修正方法对灰色模型进行修正。通过对比修正前后灰色模型TQI及各分项的输出值(拟合值和预测值)与实测值,验证残差修正对提升模型预测精度和降低预测误差的改善效果。结果表明:经马尔可夫残差修正后,灰色模型TQI及各分项输出值可以较好反映其波动情况;与修正前灰色模型相比,修正后灰色模型TQI预测值与实测值的平均误差由1.59%降至0.89%,整体预测精度由2级提升到1级;TQI各分项预测值与实测值的平均误差由3.18%降至1.42%,整体精度由2~4级提升到1~2级。从降低误差和提升预测精度两方面看,修正后灰色模型的预测效果明显提升。

抗差加权非等时距GM(1,1)模型在大型建筑物沉降预测中的应用

针对沉降观测中不等间隔和观测值可能含有粗差的情况,提出抗差加权非等时距GM(1,1)模型,实验表明,当观测值中不含粗差时,抗差加权非等时距GM(1,1)模型和常规GM(1,1)模型一样具有良好的预测效果;当观测值中含有粗差时,具备良好抵抗粗差的能力,具有非常好的预测效果。

非等时距灰色模型在地压灾害预测研究中的应用

地压灾害对于地表及井下人员、设备都是极大的威胁,矿山通过建立地压监测系统来对地压灾害进行预测。在位移和应力监测中,由于监测数据的获取都是非等时距的,因此难以建立合理的预测模型。通过在高阳铁矿地压灾害预测中的运用表明,利用非等时距灰色预测模型进行地压灾害预测,预测值与监测值拟合较好,模型精度高,能为地压灾害的预测提供依据。

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。

非等时距灰色模型在软土路基沉降预测中的应用

针对软土地区公路工程特点,采用实时有效的路基沉降观测手段和合理的沉降预测方法对于保证公路建设质量具有积极作用。笔者以Lagrange插值法为基础,利用灰色理论建立软土路基沉降预测的非等时距GM(1,1)模型,通过现场实例分析,验证了该方法的可行性。

非等时距灰色模型在建筑物沉降预测中的应用

针对传统灰色模型要求原始实测数据是等时距的特点,基于某项目实测数据,利用三次样条插值良好收敛性、优越稳定性以及二阶光滑度的独特性质,将实测数据转化为等时距序列,建立非等时距灰色模型,并采用控制变量法,对时间间隔和观测次数这两种因素进行精度分析,为构建高精度非等时距灰色模型提供借鉴。研究结果表明,三次样条插值具备强大插值能力与高度契合的插值效果,所构建的非等时距灰色模型精度较高,所得到的预测值与实测值误差在3%左右,是高层建筑沉降预测的一种有效方法。

非等时距GM(1,1)灰色模型在软土路基沉降预测中的应用

为正确估算软土地基沉降量,采用5种方法对非等时距沉降观测资料进行处理,并用GM(1,1)灰色模型进行沉降预测,在与某公路高路堤的实测沉降值进行比较后,推荐采用拉格朗日非等距数据处理方法;最后运用该模型对软土层的固结系数进行反演分析,得出一些有益结论。

卡尔曼滤波-非等时距灰色线性组合模型在变形监测中的应用

建筑物沉降是一个具有趋势性的动态过程,前期数据通常蕴含着后期数据的变化趋势,但变形数据中不可避免地存在随机观测噪声,且变形监测时间通常是不等时间间距的。本文提出一种卡尔曼滤波-非等时距灰色线性组合模型,首先将原始变形数据代入卡尔曼滤波器,去除随机观测噪声,然后将滤波后的非等时距数据进行等时距处理,并建立含有线性因素的灰色组合模型预测变形监测沉降值。实验结果表明,卡尔曼滤波-非等时距灰色线性组合模型拟合平均相对误差为1.908,预测平均相对误差为2.01,一定程度上能有效提高拟合与预测精度。

基于非等时距灰色线性组合模型的边坡变形数据处理研究

受监测环境影响,边坡变形的非等时距监测数据采集时有发生,为实现工程中监测数据非等时距的等间隔化,保证数据分析的有效性,基于灰色线性组合模型,对非等时距监测数据进行等间隔化处理,建立了非等时距灰色线性组合模型。依托某一边坡工程,基于现场实测数据,采用非等时距灰色线性组合模型进行预测,结果表明预测结果和实际数据误差在1 mm以内,拟合值与实测值接近且拟合精度比传统模型高,这为解决存在非等时距监测数据的边坡变形预测问题提供了一条有效途径。

基于灰色理论的轨道几何状态中长期时变参数预测模型的研究

根据轨道几何不平顺的发展特性,在灰色预测理论的基础上,考虑模型参数随时间的变化,并优化背景值,建立以轨道几何不平顺检测数据为时间序列的非等时距灰色时变参数模型。为更好地描述轨道几何不平顺影响因素间复杂的函数关系,提高模型拟合和预测精度,基于残差分析引入周期性函数,对模型进行组合修正。应用此模型对轨道质量指数TQI数据进行分析预测,并对其精度进行检验。结果表明:模型能较好地反映轨道质量随时间发展的随机波动特征,拟合、预测精度高,适合进行中长期预测,可为了解和掌握轨道质量状态的发展规律提供新的方法。

基于非等时距GM(1,1)模型的公路路基沉降预测

基于灰色系统理论的灰色模型广泛应用于公路路基沉降预测。针对灰色GM(1,1)模型要求原始实测数据是等时距的特点,采用分段线性插值法将实测数据转化为等时距数据,建立路基沉降的非等时距GM(1,1)预测模型,并采用后验差法进行精度检验。以S353省道扬州西段软土和高填方断面实测沉降数据为基础,对模型预测结果进行分析。结果表明,该方法所得预测值与实测值比较接近,相对误差较小,模型精度等级为一级,证明非等时距灰色模型的可行性和有效性。

加权累加生成及灰色WGM(1,1,λ,△t_k)模型

在加权累加生成的基础上,建立了非等间隔的灰色WGM(1,1,λ,△tk)模型,提出了模型参数估计的最小一乘法,给出了求解最小一乘法的小生境遗传算法。应用这种方法,对油田的油层走向进行预测,取得了很好的效果。