基于非等间距灰色模型和Elman神经网络的轨道质量预测

轨道质量是影响行车安全的关键因素,合理预测轨道质量可以有效指导铁路工务部门进行轨道养护和维修.轨道质量指数(Track Quality Index,TQI)是综合评价单一区间段内轨道质量的参数.本文通过深入研究TQI的发展趋势,提出一种将非等间距灰色模型和遗传算法优化Elman神经网络相结合的预测方法.首先利用优化后的非等间距灰色模型GM(1,1)得到原始TQI序列的大致发展趋势,然后为了描述轨道质量发展中各因素之间复杂的函数关系,利用遗传算法优化后的Elman神经网络对初步预测结果进行残差校正,从而得到更为准确的TQI预测序列.新方法将轨道质量发展趋势中的随机波动成分纳入方法考虑范围,充分挖掘了历史数据的发展规律.利用沪昆线上行实测TQI数据对本文方法进行验证,实验结果表明:新方法对轨道质量发展中的随机波动趋势拟合效果较好;对于轨道质量预测,在利用非等间距灰色模型进行初步预测基础上,使用Elman神经网络进行残差校正,由此得到的预测结果在均方根误差、相对系数、决定系数等多个统计指标上均优于其他方法.

非等间距序列的灰色预测模型及其在岩石蠕变断裂中的应用

给出了非等间距序列的灰色预测模型，讨论了该模型的灰色预测平面和最优预测函数。最后将该模型应用于符合Ｋｅｌｖｉｎ模型的岩石材料的蠕变断裂研究，给出了应用实例，并验证了该方法的可行性。

基于改进非等间距灰色模型和PSVM的轨道质量指数预测

有效预测轨道不平顺的发展趋势对铁路的养护和管理具有重要意义。根据轨道不平顺发展的趋势性和随机性,本文提出一种将非等间距灰色模型与粒子群优化支持向量机结合的预测方法。利用改进的非等间距灰色GM(1,1)模型预测轨道质量指数(TQI)序列在未来一段时间内的变化,再利用粒子群优化的支持向量机(PSVM)模型对灰色预测值进行纠正,得到较准确的TQI序列,构建出轨道不平顺变化趋势预测模型。分别对沪昆线上行两段线路的轨道不平顺进行预测,结果表明该组合模型的预测精度较高,相对误差分别低至1.03%和2.74%。

非等间距灰色优化模型及其在基坑沉降预测中的应用

传统非等间距灰色模型通常采用非等间隔数据进行分段线性插值,从而求得等间隔序列;但是实际基坑沉降并不是线性变化的,利用此法生成的等间隔序列较实际数据存在较大误差。针对传统非等间距灰色模型缺陷,分别利用RBF神经网络插值与三次样条插值生成等间距序列进而求得模型参数,并运用优化的非等间距灰色模型对某基坑的沉降量进行分析预测。计算结果表明:优化后的模型具有更高的精度,故本模型可作为基坑沉降预测的一种新方法。

非等间距灰色模型在沉降预测中的应用

在灰色模型GM(1.1)的基础上,建立了非等间距灰色模型,用于高层建筑沉降预测。非等间距模型是以等间距数列为基础,把非等间距数列转化为等间距数列,再进行一次累加生成处理,进而建立GM(1.1)模型,并介绍了其精度评定的方法。结合高层建筑沉降监测工程实例进行计算分析,预测精度较高。实践证明,非等间距灰色预测模型在沉降预测中具有较高的应用价值。

基于非等间距灰色多变量模型预测变压器故障

电力变压器是电力系统中最重要的设备之一,变压器一般在发生故障前其内部的油中会析出多种气体,即氢气、甲烷、乙烷、乙烯和乙炔,并且析出的5种气体之间存在着某种耦合关系。通过建立5种气体的非等间距多变量灰色模型对故障特征气体分析,预测出变压器故障,克服了只考虑一种气体的发展变化或仅在等间距的基础上进行预测的不足。

非等间距序列灰色模型在建筑物沉降预测中的应用

建筑物在施工和运营过程中需要对其进行沉降观测,为解决利用观测数据进行沉降量趋势的实时预测问题,文章在传统灰色系统理论的基础上,通过对非等时间间距数据序列的处理,建立了改进的灰色系统理论模型,并用实例验证了模型的可靠性,以期能为预测建筑物沉降趋势、实时给出安全预警提供一种又快速又精确的数据分析方法。

非等间距时间序列的灰色GM(1,1)模型在建筑物沉降预测中的应用

应用非等间距时间序列的灰色GM(1,1)模型对建筑物的沉降过程进行模拟,工程实例计算结果表明,该模型的预测值与实际测量值吻合较好,为建筑物沉降的预测提供了有效可行的方法。

非等间距随机振荡序列水质参数灰色预测模型研究

文章提供了一种针对非等间距随机振荡序列的水质参数灰色预测模型。在考虑了传统的随机振荡序列灰色预测模型能够很好地拟合与预测等间距随机振荡序列的基础上,引入了非等间距变换和等间隔逆变换方法,建立了非等间距随机振荡序列灰色预测模型,讨论了非等间距变换和等间隔逆变换对水质参数的拟合与预测的影响关系。通过对实际数据的拟合与预测,所提出的非等间距随机振荡序列水质参数预测模型能够有效地对水质参数拟合与预测,解决了现有水质参数预测方法的不足。

基于非等间距灰色模型的捷联惯组误差系数建模预测

捷联惯组历次测试数据由于受到各种因素的影响,数据量少,而且测试时间也是非等间隔的。针对这一特点,提出了捷联惯组误差系数非等间隔灰色建模预测新方法。通过3次样条函数插值,将不等间隔序列调整为等间隔序列;同时将基本预测模型中参数的构造方法加以改进,从而建立非等间隔时序灰色模型。实例分析证明该模型能够准确反映捷联惯组历次测试数据的变化规律,为解决捷联惯组历次测试数据小样本建模问题提供一种可行的途径。

基于优化的非等间距灰色模型对健康的预测

针对通过有限的不等时间间隔的健康数据预测未来健康情况难度较大,传统的非等间距灰色预测模型在应用中精度偏低的问题,本文提出一种优化的非等间距灰色马尔科夫预测模型。首先,该模型通过数据预处理和优化预测流程降低数据突变对预测结果造成的影响;其次,设计最佳权重系数来优化模型的构建;最后,采用灰色和马尔科夫修正相结合的策略对残差进行修正。经过实例和对比分析,结果表明,该优化模型具有更高的预测精度,从而可以相对准确地预测短期健康情况。

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.

非等间距多点变形预测模型及其应用

将彼此关联的多个变形监测点纳入整体建模,将单点的变形分析扩展到空间多点的整体变形分析,采用非等间距等距化处理的改进方法,建立了基于非等间距的多点变形预测模型。本文通过实例分析与对比,验证了非等间距多点变形预测模型的可行性和有效性,是一种非线性时空整体变形分析与预测的新方法。

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。

非等时距灰色预测模型在连拱隧道监测中的应用

针对对门坡连拱隧道采用中导洞上下台阶法施工过程中隧道洞内变形的现场监测信息,采用非等距灰色预测模型对连拱隧道施工过程中隧道围岩的变形趋势进行了预测,并将预测结果与由指数模型和双曲线模型得到的结果进行了对比分析。分析结果和工程实践表明,其预测结果精度高,更接近于实测值,能很好地反映连拱隧道围岩的变形规律。

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM(1,1)模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。

一种新的非等间隔灰色预测模型

文章分析得出传统非等间隔GM(1,1)模型模拟序列并非GM(1,1)模型的指数序列,因此导致其应用范围不及GM(1,1)模型。建立模拟序列为指数序列的非等间隔GM(1,1)模型,线性组合背景值的建立使得模型满足无偏性。以实例数据验证了新的非等间隔灰色预测模型对非等间隔近似指数序列拟合具有更高的精度,拓广了灰色理论的应用范围。

山东省森林资源动态变化的非等间距灰色预测

应用灰色系统理论,以1974-2007年山东省森林覆盖率、有林地面积和活立木蓄积量为时间数据序列,建立非等距灰色预测模型。用模型对山东省森林资源主要指标进行拟合,拟合误差均在10%以下,拟合精度较高。使用后验差检验方法对模型进行精度等级检验,求得森林覆盖率、有林地面积和森林蓄积量的后验差检验值分别为0.15,0.23和0.14,均小于0.35,小误差概率均为1,预测精度等级为一级好,预测的结果可以作为制订山东省未来林业发展计划的依据,为建立"数字林业"等提供了一种比较理想的预测方法。预测结果表明:2020年森林覆盖率为26.78%,还达不到2020年森林覆盖率达到30%以上的生态省建设阶段性目标。因此,山东省应加快森林资源发展,稳步提高森林覆盖率,明显增加森林蓄积量,提高林分质量,避免造成森林资源的逆转。

一种基于MTLS优化的非等间距多点灰色变形预测模型

针对非等间距多点灰色变形预测模型中观测值矩阵和背景值矩阵都存在一定的误差这一现象,提出了一种基于多元整体最小二乘优化的非等间距多点灰色变形预测模型。通过结合实例分析,结果表明:相比于只考虑观测值存在误差的最小二乘参数估计的非等间距多点灰色变形预测模型,该模型可以抑制建模数据误差,提高模型的拟合及预测精度,适合在变形预测中应用。

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。