基于复化Simpson公式改进的灰色神经网络组合模型对国民总收入的预测

针对我国国民总收入数据具有非线性、随机性等特点,本文建立复化Simpson公式改进的灰色神经网络组合预测模型来对我国国民总收入进行预测研究。首先,建立了GM(1,1)模型和基于复化Simpson积分公式改进背景值的GM(1,1)模型。其次,建立了BP神经网络预测模型。进一步,将复化Simpson公式改进的GM(1,1)模型和BP神经网络预测模型进行最优线性加权组合,运用最小二乘法思想,误差平方和最小为目标函数,结合遗传算法求解目标函数,得到各模型的加权系数,以提高预测精度。最后,对比分析GM(1,1)模型、复化Simpson公式改建的GM(1,1)模型、BP神经网络模型和复化Simpson公式改进的灰色神经网络模型对国民总收入预测的结果。从预测结果看出,复化Simpson公式改进的灰色神经网络模型对国民总收入的预测明显优于其他预测模型。

基于辛普森面积的多边形凹凸性识别算法

多边形顶点的凹凸性是其重要的形状特征,常被应用于制图综合、模式识别等方面。该文利用多边形特有的面积属性,将辛普森面积计算公式引入多边形顶点的凹凸性识别算法中,通过计算多边形中待判断顶点与其相邻两顶点所构成三角形的辛普森面积与整个多边形的辛普森面积的符号异同来判断顶点凹凸性。经推算证明,该算法对于复杂多边形的顶点凹凸性识别同样有效。

修正的动态GM(1,1)在建筑物变形预测中的应用

文中针对传统GM(1,1)模型在预测过程中易受到随机扰动的影响导致预测精度低、残值大的问题,提出一种同时优化原始序列和背景值的动态GM(1,1)模型。首先采用卡尔曼滤波对原始序列进行降噪,消除建模过程中因原始序列引起的扰动误差;其次采用复化辛普森公式对建模过程中的背景值进行修正,建立同时优化原始序列和背景值的GM(1,1)模型;第三对优化后的模型实时引入最新的监测数据,剔除最旧的数据,建立修正的动态GM(1,1)模型。以某建筑物监测数据为例进行计算分析,结果表明:同时优化原始序列和背景值的动态GM(1,1)模型精度优于传统GM(1,1)模型,能准确预测房屋沉降变化趋势。

CASIO fx-5800P型计算器在线路测量中的应用

CASIO fx-5800P型计算器采用类结构化BASIC语言,为可编程式工程计算器;内置丰富的程序函数;适用于各类测量如:建筑施工、工程勘察设计、道路桥梁、水利水电等工程。本文采用该计算器结合复化辛普森等模型进行编程,实现线路任意中桩、边桩的三维坐标计算,给测量工作带来极大的便利。

再议计算子午线弧长的数值积分法

给出了利用复化辛普森(Simpson)积分公式计算子午线弧长的方法,分析了计算结果精度与积分区间的大小和区间等分数的关系。

复化辛普生公式在测量放线中的应用

随着全站仪的广泛使用,测量放线工作变得越来越简单。然而在放线过程中,针对不同的线路曲线要编制不同的放线计算程序,首先要记各种曲线公式,还要记住程序中各个字母所代表的含义,这样势必带来极大的不便。为此通过查阅各种资料,考虑用复化辛普生公式编写出一个针对各个线路曲线的通用放线程序,以解决各种曲线线路放线问题。