基于Verhulst灰色模型的基坑边坡变形预测

对基坑边坡变形监测资料进行分析,运用Verhulst灰色模型方法建立边坡变形预测模型,分析研究边坡变形趋势,预测边坡发生滑动时间,达到指导工程施工的目的,保证工程顺利进行。

基于灰色Verhulst模型的江西省人口预测

引言。江西是一个人口大省,但经济落后于周边省份,随着国家生育政策的调整,准确预测江西人口变化规律对于江西经济腾飞以及城市规划具有举足轻重的作用,有利于自然资源有序分配和自然环境保护,因此,必须将人口预测上升到实现江西省各方面有序发展的战略高度。把握经济发展和人口变化的相互关系,做好人口发展规划,逐步完善人口发展政策体系,对实现江西省人口与经济、资源协调和可持续发展、全面建成小康社会具有重大意义。

灰色Verhulst-时间序列组合模型在沉降监测中的应用

针对传统单一的灰色模型、时间序列模型在进行沉降监测数据模型存在精度较低的问题,本文提出了一种灰色Verhulst模型和时间序列模型的组合优化模型。首先,对灰色Verhulst模型、时间序列模型的基本理论进行阐述;其次,建立了灰色Verhulst-时间序列模型,即以灰色Verhulst模型得到的样本数据拟合值作为时间序列模型进行预测的样本值;最后,通过以某建筑物沉降监测点为例进行计算并进行灰色Verhulst模型、时间序列模型以及灰色Verhulst-时间序列模型的预测结果对比。实验结果表明,灰色Verhulst-时间序列组合优化模型的预测精度最高,均方差为0.3275 mm,验证了该组合模型更贴合建筑物沉降的变形趋势。

基于灰色Verhulst模型的矿区地表沉降预测研究

灰色Verhulst模型是灰色系统理论模型的重要组成之一,对“S”形曲线具有良好的表现能力。针对灰色Verhulst模型在矿区地表沉降预测中的适用性问题,以灰色Verhulst模型为矿区地表沉降预测模型,以某煤矿综采工作面地表沉降监测数据为数据源,选取其中2个点(M36和M79)开展了灰色Verhulst模型地表沉降预测研究。同时,以后验差比C、小误差概率P和预测值平均相对误差综合进行模型预测精度评价。结果表明:M36和M79号点的预测结果P值均为1,C值分别为0.22和0.07,模型等级均为优秀。M36和M79号点的预测结果平均相对误差分别为1.18和0.27,与C、P值保持一致。灰色Verhulst模型可对地下采煤引起的地表移动初始期、活跃期和衰退期三个阶段开展全周期预测,是矿区地表沉降预测的适用性模型。

灰色Verhulst模型在中长期负荷预测中的应用

灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是,当负荷按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行负荷预测的误差较大,预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中,可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst 模型在中长期负荷预测中的应用。结果表明,此模型在负荷预测中是适用的,尤其对于负荷按“S型曲线增长的情况,不但具有较高的预测精度,同时保留了灰色预测方法的优势和特点。

基于D-InSAR技术和灰色Verhulst模型的矿区沉降监测与预计

针对在地形复杂的矿区沉降观测资料不易获取的问题,将合成孔径雷达差分干涉技术（D-In SAR）与灰色Verhulst模型相结合,提出了一种矿山开采沉陷监测和预计方法。该方法首先对覆盖大柳塔煤矿某工作面的12景Terra SAR-X雷达数据进行D-In SAR处理,获取观测站沉降值;然后根据沉降量与时间的关系建立了基于灰色Verhulst模型的预测函数,对开采沉陷发展规律进行分析。试验结果表明：3个测试点D-In SAR监测数据的绝对和相对误差分别为2.8~15 mm,0.9%~6%;结合灰色Verhulst模型预测的绝对和相对误差分别为3.4~18.8 mm,1.2%~5.7%。上述研究结果进一步表明,所提出的方法可有效弥补矿区沉降实测数据的不足,为实现矿区开采沉陷监测和预计的一体化软件设计提供参考。

灰色离散Verhulst模型

针对传统灰色Verhulst模型适应性不强的情况,借鉴离散化思想,通过对原始数据序列进行倒数生成,建立了灰色离散Verhulst模型。灰色离散Verhulst模型充分考虑了数据序列的准指数规律,实现了从连续形式向离散形式的转变,消除了传统灰色Verhulst模型由微分方程直接跳到差分方程所产生的误差。同时给出了两种初始条件下的灰色离散Verhulst模型的预测公式,有效地解决了传统灰色Verhulst模型预测稳定性差的问题。实例分析表明,灰色离散Verhulst模型能够显著提高模拟和预测效果。

基于灰色Verhulst的网络安全态势感知模型

为了满足对抗性环境中对网络安全监测和预警的需要,提出了一种非等时距灰色Verhulst残差修正的安全态势感知模型.由非等时距的原始采样风险数据序列入手,根据累加序列所呈现出"S"形或反"S"形的摆动特征,选用灰色Verhulst模型或其反函数模型预测出网络未来的风险值,然后基于多级残差对模型的预测精度进行修正,最后应用修正后的新模型得到直观的网络未来安全态势曲线图.经过试验示例与仿真,表明该模型对网络安全态势的感知能够达到令人满意的拟合精度,具有实用价值.

基于灰色Verhulst模型的岩溶塌陷定量预报预测方法

在总结分析现有岩溶塌陷预报预测方法的基础上,从灰色系统理论出发,选取带有时间因子的地下水动力条件因素为已知信息,应用灰色Verhulst模型对桂林柘木村岩溶塌陷的发生时间进行了预报预测验证。验证结果显示,预测时间和实际塌陷时间基本吻合。柘木村3月份岩溶塌陷的预测时间为2000年3月17日,实际塌陷时间为2000年3月20日,预测值比实际值提前3天,准确率为90%;8月份岩溶塌陷的预测时间为2000年8月14日,实际塌陷时间为2000年8月14日,准确率为100%。另外,作者对预报产生误差的可能原因进行了分析,以便能改进模型,进一步提高预测精度。

灰色Verhulst模型的改进及其应用

灰色Verhulst模型的精度依赖于背景值和结构参数。本文提出了一种改进的灰色Verhulst模型。首先分析了传统的灰色Verhulst模型产生误差的原因,从背景值定义出发,推导了用原始数据生成的背景值公式;其次,基于灰色系统信息覆盖原理,提出了一种结构参数优化方法;最后,应用本文方法建立了我国天然原油生产量的灰色Verhulst模型。实例表明,模型具有很高的精度。

不等时距灰色Verhulst模型及其在沉降预测中的应用

在分析全过程沉降量与时间的关系、Verhulst模型的特点以及沉降观测数据有时出现非连续性特点的基础上,通过在区间上求积分给出模型背景值的一个确切的计算公式,提出了预测今后不同时刻沉降量的不等时距灰色Verhulst模型.工程实例分析表明,灰色 Verhulst模型的预测精度较高,具有良好的适应性.

灰色Verhulst模型的灰导数改进研究

针对灰色Verhulst模型灰导数白化的问题,以白化微分方程为基础,运用梯形公式来白化灰导数,推导得到一种新的Verhulst模型定义式。该方法使得差分方程的参数与其在微分方程中对应的参数具有更好的一致性。实例分析表明改进的灰色Verhulst模型具有更高的预测和模拟精度。

优化的灰色离散Verhulst模型在基坑沉降预测中的应用

基于传统的灰色Verhulst模型在基坑沉降预测中精度较低的问题,提出优化的灰色离散Verhulst模型。在基坑沉降监测中,由于有新的监测沉降值不断补充到原始数据序列中,各种因素会带来新的扰动,原来的模型精度降低,为避免由此产生的误差,用新陈代谢方法建立优化灰色离散Verhulst一维、二维新陈代谢模型。将传统Verhulst模型、优化的灰色离散Verhulst模型及优化灰色离散Verhulst一维、二维新陈代谢模型进行比较。研究结果表明:该模型通过采用离散化思维对原数据序列进行倒数变换,从连续形式向离散形式变化,减小了传统Verhulst模型建模过程中从微分方程到差分方程带来的误差;采用新陈代谢方法的优化灰色离散Verhulst模型精度更高,可选用该模型对基坑进行沉降预测。

道路交通事故灰色Verhulst预测模型

为提高道路交通事故灰色预测模型的预测精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。针对近年来中国道路交通事故表现为具有饱和状态的S形过程,建立交通事故Verhulst预测模型。Verhulst预测模型和GM(1,1)预测模型预测的2004年交通事故死亡人数分别为10.87万人和11.72万人,相对误差分别为1.49%和9.43%,可见Verhulst模型的预测精度明显优于GM(1,1)模型。

基于改进灰色Verhulst模型的受扰轨迹实时预测方法

提出了一种基于改进灰色Verhulst模型的受扰轨迹拟合外推预测方法。发电机角度的受扰轨迹在每一个摇摆过程中,呈现S形走势,与灰色Verhulst模型变化规律相符。采用无偏模型来消除灰色模型的自身误差,并通过采集最新的两个数据补偿误差,进一步提高预测精度。该方法易于实现,所需要量测数据少,计算简单,对于多摆过程中波峰与波谷的预测有很高的精度。应用该方法对IEEE39节点系统与中国南方电网实际系统的不同故障情形进行了仿真计算,结果表明,该方法具有好的预测效果。

基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测。构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练。仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度。

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。

基于灰色离散Verhulst模型理论的电力中长期负荷预测研究

针对传统GM(1,1)模型对呈"S型"规律增长的负荷序列建模预测时误差大的缺点,提出了灰色离散Verhulst模型。该模型借鉴了非齐次指数的离散灰色模型的建模机理,避免了经典灰色Verhulst预测模型由于参数估计采用离散方程而模拟和预测采用连续方程所带来的系统误差。给出了所提出的灰色离散Verhulst模型的递推解的形式。根据灰色预测理论的预测特点,采用等维灰数递补预测法对灰色离散Verhulst模型进行改进。通过实例证明,所提出的方法是正确和有效的。

基于FPSO灰色Verhulst模型的铁路货运量预测

为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用Fourier序列修正模型的误差,提出FPSO灰色Verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色Verhulst模型、GM(1,1)、径向基神经网络、FPSO灰色Verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,FPSO灰色Verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。

基于无偏灰色Verhulst模型的铁路货运量预测研究

铁路工程项目投资和效益的控制,铁路运输发展战略的制定以及铁路运输设施效益的提高都与铁路货运量密切相关,准确预测铁路货运量具有重要意义。根据无偏GM(1,1)模型直接建模法的思想对传统灰色Verhulst进行改进,即对原始序列作倒数生成,运用新生成的序列建立模型,便可得到无偏灰色Verhulst模型。改进后的模型消除了灰色Verhulst模型自身固有的偏差,用此模型预测兰州至中川铁路货运量,结果表明,无偏灰色Verhulst模型比传统灰色Verhulst模型和GM(1,1)模型的预测精度更高。