盘龙铅锌矿区充水条件分析与基于GM(1,1)-Markov模型的涌水量预测

岩溶水害是威胁矿山开采安全的主要灾害之一。以广西武宣盘龙铅锌矿区为研究对象,在分析水文地质条件和岩溶发育的基础上,对矿区的充水条件进行了分析,并结合灰色理论与马尔科夫理论等方法对矿区涌水量进行了预测。结果表明:碳酸盐岩夹碎屑岩岩溶含水层为矿区的主要含水层,其富水性中等;岩溶含水层是矿区涌突水的主要充水水源,其他充水水源还包括黔江、大气降雨和地表积水等,主要是通过裂隙、溶洞、采空区冒落带和导水裂隙带等充水通道直接或间接充水;采用GM(1,1)模型、GM(1,1)残差模型和GM(1,1)-Markov模型对2010—2020年矿区涌水量进行预测,并对模型预测精度进行了检验,其中GM(1,1)-Markov模型的预测精度最优,平均相对残差仅为1.96%,并预测得出2021年上半年和下半年该矿区涌水量分别为825.08 m^(3)/h、867.40 m^(3)/h。该研究结果可为矿区安全生产和涌突水防治提供理论依据。

马尔可夫链理论与灰色GM(1,1)组合模型预测地表变形

为了提高矿产开采过程中地表沉降变形的预测精度,本文结合灰色理论和马尔可夫链理论,建立了一种组合预测模型。首先,以GM(1,1)预测模型为基础,采用马尔可夫链理论和残差修正进行优化,结合工程验证,证明了组合模型精度可显著提高地表沉降变形预测精度;其次,将组合模型应用于实际矿产生产的变形监测中,通过工程实例分析,组合模型预测值的平均相对误差仅为3.26%,且模型精度达到1级。试验结果表明,组合模型的预测值与实际值的误差较传统的灰色预测模型有明显减小,结果更接近于实际情况,证明了本文模型在矿区沉降分析与预测中的合理性。

GM(1,1)模型在长江水质预测中的应用

介绍了GM(1,1)的原息模型、新息模型和等维新息模型及残差修正模型的建模方法,分别建立了长江水质预测的等维新息模型和残差修正模型。通过对模型的预测结果进行分析,并对比原数据的趋势,发现两模型在数据突变点附近有明显差别,其数据说明残差修正模型在细节方面更接近实际,其结果体现了数据的内在规律。

基于多步优化GM(1,1)模型的云计算资源负荷短期预测

论述了云计算资源负荷的特征及其短期预测的作用。首先利用多项式回归模型对GM(1,1)的预测结果进行一次优化,然后使用马尔科夫链对一次优化后的模型进行二次优化,最后运用布谷鸟搜索算法对二次优化后的灰色预测模型进行再度优化,建立基于多步优化的改进GM(1,1)灰色预测模型。实验结果表明,与其他预测模型相比,在云计算环境下的资源负荷短期预测应用中,该模型具有更高的预测精度,表现出良好的预测性能。所提方法能为云计算资源的高效调度和管理提供决策支持。

GM(1,1)模型和马尔柯夫模型在流域旱涝灾害预测中的运用

试用中央气象局推荐的旱涝标准对已知流域降水资料进行旱涝分级,并综合运用GM(1,1)模型和马尔柯夫模型对流域旱涝灾害发生的时间进行预测.经检验,两模型可预测流域旱涝灾害发生的时间及其概率,并具有较高的精度.

基于IGM(1，1)模型的城市供水源地水质指标预测--以武汉市为例

城市供水源地水质的好坏,不仅直接影响着城市的经济和社会发展,而且会对城市居民的健康产生威胁,因此对水源地的水质预测就显得格外重要。现以武汉市的主要供水源地水质指标(高锰酸盐指数)为研究对象,尝试着应用经指数平滑改进后的GM(1,1)模型(IGM(1,1)模型)对武汉市9个水厂的水源地水质进行预测。从预测精度来看,IGM(1,1)模型预测精度较常规GM(1,1)模型有所提高,在9个水厂中,5个IGM(1,1)模型精度高于常规型,3个持平,1个稍低。从预测结果来看,6个水厂供水源地水质预测发展趋势良好,3个水源地水质变化趋势较差。

新陈代谢GM(1,1)模型在河流水质预测中的应用

针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测,预测结果显示:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可信度。

基于改进型GM(1,1)模型的城市供水水源水质指标预测

以武汉市主要供水水源的高锰酸盐指数为研究对象,应用经指数平滑改进后的GM(1,1)模型对9个水厂的水源水质进行预测。从预测精度来看,改进型GM(1,1)模型预测精度较常规GM(1,1)模型有所提高,5个改进型GM(1,1)模型精度高于常规型,3个持平,1个稍低。从预测结果来看,6个水厂供水水源水质预测发展趋势良好,3个水厂水源水质变化趋势较差。

灰色系统动态模型群GM(1,1)在秦淮河水质预测中的应用

为了较为准确预测水质,基于灰色系统理论建立灰色系统动态模型群,采用对数变换的方式对原始数据进行光滑处理,借以减弱数据波动带来的不利影响,是对常规灰色系统动态模型的改进。结合秦淮河上游源头句容河2011～2016年高锰酸盐指数,运用灰色系统动态模型群对2017年高锰酸盐指数进行预测。预测结果表明误差在1.24%以内,表明灰色系统动态模型群GM(1,1)用于水质预测较为准确。该模型可应用于南京市水质预测,对水环境管理具有指导意义。

基于马尔科夫优化的灰色GM(1,1)沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,结合灰色理论模型和马尔科夫链理论,建立一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明:基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文模型在基坑沉降分析与预测中的合理性。

基于灰色-马尔可夫模型的道路交通事故预测

根据攀枝花市2010~2017年的交通事故统计数据,分别利用灰色系统理论和灰色马尔可夫链预测法构建攀枝花市交通事故的预测模型,再用两种预测模型分别对2018~2019年攀枝花市发生的交通事故数、死亡人数、受伤人数及财产损失数进行预测,然后将GM(1,1)预测模型与灰色马尔可夫链预测模型的预测结果进行对比分析。实例结果表明,灰色马尔可夫预测模型能有效克服随机波动性数据对道路交通事故四项绝对指标预测精度的影响,预测精度较好。

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m3和79 818.34万m3,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。

马尔科夫链在环境质量预测中的应用

鉴于目前环境质量预测在理论方法和实践经验上的缺乏,把马尔科夫链引入环境质量的预测中,将各种污染物的浓度变化过程视作马尔科夫过程,通过预测各种污染物的污染负荷系数来推知其浓度值。实例中通过多元回归分析计算出马尔科夫转移矩阵,以2005年辽宁省5种大气污染物的污染负荷系数作为初始向量,预测了今后5年的变化。然后利用GM(1,1)模型预测出降尘的具体浓度值,由此计算出了2006-2010年辽宁省5种污染物的浓度值。

灰色-马尔科夫模型在桥梁运营状况预测中的应用

为了找到一种能够精确有效地预测桥梁运营状况的方法,提出一种基于灰色GM(1,1)理论模型并用马尔科夫链修正的灰色-马尔科夫预测模型.结合河北省某地区的159座桥梁数据对该方法进行应用检验,结果表明:灰色-马尔科夫模型预测数据的平均相对误差为-0.11%,相比灰色GM(1,1)理论模型预测数据的平均相对误差-0.34%,在精度上有了明显的提高,而且灰色-马尔科夫模型预测出的数据更加稳定.利用马尔科夫链优化过的灰色GM(1,1)理论模型预测出2017年至2019年该地区一类桥的数量分别为49座、39座以及34座.由此可知灰色-马尔科夫模型在已知的桥梁定期检查数据基础上可以提供较为精确的预测,相较于灰色GM(1,1)预测模型,该方法具有更高的精度和稳定性.

基于灰色马尔可夫模型的农业用水量预测

将灰色GM(1,1)模型和马尔可夫模型结合,构建灰色马尔可夫预测模型。按特定的状态划分方法,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,使预测精度大大提高。最后以辽河流域某典型区为例,预测结果证明了该模型的优势。

组合灰色预测模型在入库流量预测中的应用

本文将灰色GM(1,1)模型、BP人工神经网络和马尔柯夫链相结合,利用历年入库流量及千河径流量建立组合模型对入库流量进行预测。GM(1,1)模型主要预测趋势,其前半部分与实测值拟合较好,BP神经网络模型后半部有波动部分与实测值拟合较好,二者结合使相对误差最小建立组合模型,同时运用马尔柯夫链预测入库流量的变化范围。预测2001和2002年的入库流量对模型进行检验:GM(1,1)模型预测的相对误差分别为0.359和-0.017;BP神经网络预测的相对误差分别为0.032和-0.251,组合模型相对误差分别为0.164和0.117,组合预测值在预测区间之内,该组合模型预测结果合理有效,能更精确预测冯家山水库入库流量。

马尔科夫链在环境质量预测中的应用

鉴于目前环境质量预测在理论方法和实践上的缺乏，把马尔科夫链目l入环境质量的预测中，将各种污染物的浓度变化过程视作马尔科夫过程，通过预测各种污染物的污染负荷系数来推知其浓度值。实例中通过多元回归分析计算出马尔科夫转移矩阵，以2005年辽宁省5种大气污染物的污染负荷系数作为初始向量，预测了今后5年的变化。然后利用GM（1，1）模型预测出降尘的具体浓度值，由此计算出了2006～2010年辽宁省5种污染物的浓度值。

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题。可以将这两种模型结合,构建灰色马尔可夫预测模型。按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高。最后以抚顺市为例,预测结果证明了该模型的优势。

灰色动态模型群法在河流水质预测中的应用初探

在对原始数据序列对数变换的基础上,依据灰色系统理论,构造了由6个GM(1,1)模型组成的灰色动态模型群,并用于淮河干流枯水期氨氮浓度变化趋势预测。研究表明,灰色动态模型群法能够充分利用近期水质资料信息预测水质变化趋势;相对单个GM(1,1)模型,灰色动态模型群法能有效改善随机波动数据序列的拟合效果,提高预测精度。

MC-最优变权组合模型在建筑物变形中的应用

提出一种基于马尔科夫链(MC)误差修正的最优变权组合预测模型。该模型用马尔科夫链误差修正理论分别对GM(1,1)模型和线性回归模型的预测值作进一步的修正,充分发掘残差序列隐含信息,再建立最优变权组合预测模型,给出了MC-最优变权组合预测模型算法的实现流程。通过算例验证表明,该模型继承各单一模型的优点,并克服其模型缺陷,同时具备了马尔科夫链的误差修正特性,在一定程度上可以确保较优的局部预测数据和较好的全局预测精度,在建筑物变形预测中具有应用价值。