非等间隔灰色模型在矿区沉陷预测中的应用

针对目前采用灰色模型预测矿区沉陷时只针对1个点,缺乏工作面整体下沉预测及其精度研究的问题,以工作面走向线和倾向线地表观测站的下沉量为研究对象,以相邻监测时间间隔为权建立非等间隔灰色模型,预测下一时刻观测站的下沉量,进而得出下一时刻走向线和倾向线下沉曲线;采用概率积分法求参的方法验证工作面整体沉陷预测精度,采用预测值与实际值求参时所得结果相差不大,验证了采用非等间隔灰色模型预测矿区整体沉陷的可行性。

非等间隔阶跃灰色模型在滑油光谱分析中的应用

针对非等间隔、具有阶跃趋势的原始数据序列建立了非等间隔阶跃灰色模型 ,模型参数的辨识采用了非线性最小二乘估计的Levenberg Marquardt算法。将所建模型用于 16V2 80ZJA型机车柴油机滑油的光谱分析数据的建模 ,得到了较高的拟合精度 ,尤其在阶跃点附近 ,大大改善了拟合精度。利用模型参数对换油后的测试数据进行修正 ,有利于提高光谱分析的准确度和可靠性。

随机性非等间隔灰色模型在沉降预报中的应用

灰色模型作为变形监测预报的一种手段已得到广泛应用,而目前关于强、弱随机性非等间隔灰色模型的对比及适用条件的研究较少。针对此问题,随机选取深圳市某地铁渡线隧道拱顶和地表沉降67期等间隔观测数据中的10期,分别对其建立强、弱随机性非等间隔灰色模型,并利用MATLAB软件编程来分析模型精度和预测精度,得出在地铁变形监测中利用非等间隔数据进行建模预报的最佳方法。通过进一步分析原始数据的沉降趋势,建立数据的增减趋势与预测模型的选取关系,即对于沉降量处于缓慢上升阶段的数据列,强、弱随机性预测模型均可;对于沉降量先缓慢上升再趋于稳定的数据列,强随机性模型适用,但弱随机性模型不适合;对于沉降变形先增再减最后平稳的数据列,强、弱随机性模型的预测结果都很差。

非等间隔灰色优化模型冶炼预测控制

由于钢铁冶炼中脱碳过程存在很多不确定因素,碳含量难以在线检测,终点控制难以及时准确地判断。对此系统采用S7-300 PLC作为控制器,创建非等间隔序列灰色优化模型功能块来预测冶炼过程的碳含量,并通过组态画面实时显示其变化趋势。试验结果表明,非等间隔序列灰色优化模型的相对误差在-6.4%与3.06%之间,能够很好地对碳含量进行终点预测。

路基沉降预测的改进非等间隔灰色Verhulst模型

建立了路基沉降预测的非等间隔灰色Verhulst模型,以梯形公式为基础对其背景值进行了改进,由于梯形公式仍具有误差,因此以模式搜索法对模型进行了二次优化,最后基于路基沉降实例分析,结果显示改进的非等间隔灰色Verhulst模型具有很高的预测精度,能够很好模拟路基沉降的发展。

车用三效催化转化器剩余寿命的非等间隔灰色预测

为了有效预测车用三效催化转化器的剩余寿命,在进行快速老化试验后,采用氮吸附法测定三效催化转化器比表面积,并在其实验比表面积减小率的基础上采用非等间隔灰色预测模型对车用三效催化转化器剩余寿命进行预测,并对其预测结果的残差进行后验差检验。研究结果表明:在进行快速老化试验204 min后,比表面积减小6.42%,即车用三效催化转化器耐久性寿命至少还有12万km;后验差比值C<0.35,小误差概率P>0.95,表明车用三效催化转化器剩余寿命的非等间隔灰色预测模型预测结果具有较高的精度。

非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

文中针对建筑物沉降监测数据量少、贫信息和非等时距等特点,引入单位时间差系数,将非等时距序列转化成等时距序列,建立非等间隔G(1,1)预测模型,依据监测数据对模型的贡献大小,引入权重矩阵以提高模型的预测精度。实践表明所建非等间隔加权灰色GM(1,1)模型的预测精度更高。

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。

矿区整体沉降预测新模型研究与分析

文中基于成熟的非等间隔灰色模型与神经网络模型,依靠最优权组合预测方法构建组合预测模型,并应用在采矿区倾向与半走向沉降观测预测中。最终采用概率积分方法验证组合预测模型在采矿区整体沉降预测精度,实际值与预测值求参时所计算结果相差不大,验证了最优权组合预测方法在矿区沉降预测中的可行性与适用性。

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。

最优权组合预测法在路基沉降变形预测中的应用

文章以成熟的等间隔GM(1,1)灰色模型与BP神经网络模型为预测单模型,通过最优权算法分别计算出每个单模型的权重,构建组合预测模型。以某在建铁路工程路基沉降实测数据为例,分别建立了组合预测模型与两种单模型的预测结果比对。结果表明,在预测初期或末期,组合模型的预测精度各项指标均高于非等间隔灰色模型与BP神经网络模型,证明了最优权组合预测方法在路基沉降预测中的可行性与适用性。

基于小生境遗传算法的非等间隔灰色直接模型

建立了具有白指数律重合性的非等间隔灰色直接模型 ,给出了模型参数优化的小生境遗传算法 .应用这种方法 ,对某住宅楼的地基沉降进行了非等间隔预测 ,取得了很好的效果 .

基于最优权组合方法的采矿区沉降预测

针对现有单一模型只能满足1个点预测的要求,缺乏采矿区整体下沉研究与精度评价的问题。本文利用组合预测的思想,以成熟的神经网络模型与非等间隔灰色模型为预测单模型,并以某矿区全倾向观测数据与半走向观测数据为基础,以最优权组合思想实现两种单模型的有效结合。采用概率积分法求参的方法验证工作面沉陷预测精度,采用预测值与实际值求参时所得结果相差指标在合理范围内,验证了最优权组合预测方法在矿区沉降预测中的可行性与适用性。

基于小波消噪的非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

建筑物沉降监测数据序列受观测条件影响大多呈现出数据量少、光滑性差、含噪声和非等时距等特点。在小波除噪和等间隔灰色GM(1,1)模型的基础上建立了非等间隔G(1,1)预测模型。在建模数据中,早期观测数据对模型预测精度贡献小(甚至有拖累现象),近期观测数据对模型预测精度贡献较大,故在建模时引入了权重矩阵以此提高模型的预测精度。实证分析表明所建非等间隔加权灰色GM(1,1)模型具有较高的预测精度,可用以工程实践。

基于希尔伯特-黄变换的超宽带信号检测方法

基于超宽带信号检测中希尔伯特-黄变换经验模态分解的边界问题,研究分析了基于非等间隔灰色模型预测极值点的解决方法。针对该方法在某些极值分布情况时个别极值点检测不到的问题,提出了时序残差修正的非等间隔灰色模型解决新方法。通过理论推导,证明了该新方法的有效性,在此基础上,对实际超宽带信号进行了结合新方法的希尔伯特-黄变换检测仿真。分析和仿真结果表明,改进的经验模态分解可以较为准确地重构出淹没在干扰或者噪声中的超宽带脉冲信号,明显改善了超宽带信号检测的准确度。通过与离散小波变换对比分析,体现出希尔伯特-黄变换更适合用于检测超宽带信号。