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.

残差非等间距GM(1,1)模型及应用

为了提高灰色系统的预测精度,人们从理论与实践中不断探索新的建模方法,从模型自身特性出发改进灰色模型。通过对传统的GM(1,1)模型进行差分运算,推导出非等间距GM(1,1)模型,扩展了模型的应用范围;从背景值的几何意义出发,指出背景值的积分构造形式比均值生成的形式更加合理,并给出了积分背景值的数学表达式;在一次拟合结果的基础上,为了进一步提高模型的精度,对一次拟合的结果进行了残差分析,并建立了灰色残差模型,通过把灰色残差模型得到的数据依次补偿到一次拟合结果上,得到了残差修正的灰色GM(1,1)模型。通过对热处理实验中渗碳浓度的数据处理结果显示,残差GM(1,1)模型较好的描叙了渗碳浓度和深度的关系。该模型对工程数据的处理具有一定的参考价值和指导意义,为灰色模型的应用提供了一个有效的方法。

非等间距GM(1,1)幂模型及其工程应用

针对工程中大量存在的非等间距序列的建模问题,提出了非等间距GM(1,1)幂模型。以平均相对误差绝对值最小化为目标,以模型参数之间的关系为约束,构建了一个非线性优化模型实现非等间距GM(1,1)幂模型的参数估计。结果表明,非等间距GM(1,1)幂模型的形式较为灵活,非等间距GM(1,1)模型和灰色Verhulst模型均是非等间距GM(1,1)幂模型的特殊情形,幂指数的优化有利于提高建模精度。最后通过一个工程实例验证了非等间距GM(1,1)幂模型的有效性与实用性。

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%。

新息与等维新息非等间距GM(1,1)模型及其应用

为了提高灰色理论中模型的预测精度,通过分析积分重构GM(1,1)模型,将积分获取背景值的方法应用到新息和等维新息模型中,并且将模型的适用范围从等间距进一步扩展到非等间距。通过实例比较了新息和等维新息模型,结果表明:新息模型将预测的新信息补充到原始序列,能很好的反映系统的发展;而等维新息模型随着系统的发展,不仅添加新信息,而且除去老信息,这样的处理方式比仅仅添加新信息的方式具有更好的预测效果;这些结论丰富了灰色系统的模型,为灰色理论的运用提供了一个有效的方法。

多变量非等间距GM(1,m)模型及其应用

对于多变量非等间距数据序列,建立了一类GM(1,m)预测模型。基于灰色模型的指数特性和积分定义,提出了构造多变量非等间距序列的GM(1,m)模型背景值的方法。该方法可以提高GM(1,m)模型的拟合精度和预测精度,拓广了灰色模型的应用范围。应用该方法,建立了中国农村青少年生长水平的灰色预测模型,结果理想可靠,有较好的实际意义。

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。

非等间距新息GM(1,1)模型及其应用

针对非等间距GM(1,1)模型建模精度低、适应性不强等问题,应用新信息优化原理及灰色系统建模方法,采用原始数据序列的第n个分量作为灰色微分方程的初始条件,提出了非等间距新息GM(1,1)模型.基于背景值是影响灰色建模精度的重要因素之一,对非等间距新息GM(1,1)模型的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,重构非等间距新息GM(1,1)模型的背景值,并给出了背景值构造公式.该背景值不仅适用于等间距新息建模型,也适合于非等间距新息建模型,具有精度高、适应性强等特点.实例表明,所建模型具有良好的实用性和可靠性.

基于逐步优化构造新息背景值和倒数累加生成的非等间距多变量新息MGRM(1,n)模型

应用逐步优化和新息建模方法,构造多变量非等间距新息灰色模型MGRM(1,n)的新息背景值,基于倒数累加生成,以数据的第m个分量作为灰色微分方程解的初始条件,建立了多变量非等间距新息模型MGRM(1,n).该新型模型不仅适合于等间距建模,也适合于非等间距建模,拓广了灰色模型的应用范围,有效地提高了模型的拟合精度和预测精度.实例证明了所建模型的实用性与可靠性.

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GM(1,1)模型背景值优化方法在沉降预测中应用

基于初始条件、背景值等是灰色建模精度和适应性的重要影响因素,本文针对非等间距GM(1,1)模型中的背景值进行了优化改正,提出一种带有适应因子λ的背景值构造方法。根据灰色模型的一次累加生成序列的近指数特征计算了模型发展系数a与适应因子λ。结合实例,与非等时距GM(1,1)的初始条件优化模型对比分析,结果表明经过优化背景值的非等时距GM(1,1)模型有效地提高模拟预测精度,同时也适用于等间距模型,具有较强的适用性。

基于背景值与初始条件优化的非等间距GM(1,1)模型

利用非等间距GM(1,1)模型一次累加生成序列近似满足指数规律优化其背景值,再利用最小二乘法,由模拟序列和原始序列的一次累加生成值的偏差平方和最小对模型的时间响应函数的参数进行优化,从而建立基于背景值与初始条件同时优化的非等间距GM(1,1)模型,并通过实例验证此模型的有效性与可行性.

非等间距GM(1,1)组合预测模型

根据灰色模型建模特点,利用等维灰色递补动态预测模型的方法建立了非等间距GM(1,1)预测模型。基于这些GM(1,1)预测模型给出了一类非等间距GM(1,1)组合预测方法。实例表明结果理想可靠,有较高的拟合和预测精度。

改进背景值的非等间距阶跃灰色模型及其在油液光谱分析中的应用

针对非等间距、具有阶跃跳变的原始数据序列建立Simpson求积公式构造背景值的非等间距阶跃灰色模型。将该模型用于某型军用挖掘机液压系统油液光谱分析数据的拟合与预测,得到较高的拟合预测精度。利用阶跃参数对预测数据进行修正,根据修正数据结合线性回归理论制定的阈值,可以有效判断液压系统的运行状态,在一定程度上消除了换油对光谱分析数据的影响。

非等间距序列的灰色模型的程序实现

在对非等间距序列的灰色模型研究基础上,利用Matlab软件给出了非等间距序列灰色模型的实现程序.对解决各个领域中广泛存在的非等间距序列的建模和预测问题提供了比较好的方法.

非等间距GM(1,1)模型的性质研究

在现有非等间距GM(1,1)模型研究的基础上,给出了模型的几个重要性质,为模型的应用奠定了基础.

沉降监测数据的非等间距GM(1,1)模型插补应用

科学、准确、及时地分析和预报建筑物的沉降状况,对其施工和运营极为重要,沉降监测的研究成果也是检验设计和施工的重要手段。由于自然环境的多变性、施工现场的复杂性等各种主、客观因素影响,监测数据有时会出现间断,为了分析沉降规律,需要对缺失数据进行插补。考虑到沉降监测非等时间间隔的特点,建立非等间距GM(1,1)模型及优化背景值的GM(1,1)模型,应用于沉降监测缺失资料的插补工作中,取得了较满意的监测间断数据插补值。

基于逐步优化构造背景值和倒数累加生成非等间距多变量的优化MGRM(1,n)模型

灰色系统理论是研究贫乏信息的科学理论,具有广泛的适应性.应用逐步优化的建模方法构造多变量非等间距优化灰色模型MGRM(1,n)的背景值,以相对误差均值最小为目标函数,以MGRM(1,n)响应初值修正量为设计变量,基于倒数累加生成建立了非等间距多变量优化灰色模型MGRM(1,n).该模型不仅适合于等间距建模型,也适合于非等间距建模,拓广了灰色模型的应用范围.该模型精度高,使用简单.实例表明所建模型的实用性与可靠性.