海滨吹填区软土地基固结沉降的预测研究

运用灰色理论建立地基沉降的非等时距的等维新息预测模型。采用胶州湾底海岸吹填区的地面沉降监测数据对预测模型进行检验,并与普通GM(1,1)模型的模拟结果进行比较,该模型的预测精度和计算精度均高于普通GM(1,1)模型,预测数据与实测数据的误差较小。本研究成果对类似的吹填区软土地基沉降监测具有一定参考价值。     

基于优化GM(1,1)模型的港口吞吐量预测

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和具有自适应背景值的GM(1,1)优化模型。通过原始序列建立具有自适应背景值的GM(1,1)模型以描述总体趋势,利用正弦和描述残差中包含的周期性振荡规律,建立优化的GM(1,1)模型。利用该模型对广州港港口吞吐量数据进行模拟与预测,结果表明:基于优化的GM(1,1)模型,能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,模拟和预测精度都显著优于传统GM(1,1)模型,可将该模型用于具有振荡性质的吞吐量预测。     

灰色系统模型在内河港口吞吐量预测中的应用

根据淮南港吞吐量实际调查资料,选择灰色系统理论对其进行吞吐预测研究,结果表明,对不同的预测时期应采用不同的灰色系统预测模型。对于短期预测,采用GM(1,1)模型与Verhulst模型的组合模型;对于长期预测,采用Verhulst模型并用GM(1,1)模型对其残差进行修正。实例验证以上两种模型是可行性的。     

最优组合预测方法在内河港口吞吐量预测中的应用

港口吞吐量的预测是港口规划过程中最为基础也最为关键的一步,只有对港口吞吐量做出准确、稳定的预测,才能做出科学合理的港口发展规划。由于内河港吞吐量历史数据有限,文中采用GM(1,1)和Verhulst模型的最优组合模型对港口吞吐量进行预测。该组合模型充分利用GM(1,1)模型“少数据,短期预测准确”的优点,又针对GM(1,1)预测量的无限增大趋势,引入了Verhulst模型进行组合修正,进而提高预测值的准确、稳健性。     

基于GM(1,1)模型的水电站溢洪道边坡变形预测

边坡系统具有一定的灰色特征,基于某水电溢洪道边坡现场实测数据,构建边坡变形预测的GM(1,1)模型,通过误差分析,预测结果与实测结果较为一致,所建立的模型具有较高的精度和可靠性。对未来三期边坡位移量进行了预测,其平均增幅为21.93%,增速明显较大。建议加强监测频次,并根据实时监测数据,采取必要的预防及工程处置措施。研究成果对于该溢洪道边坡安全及应急处置具有重要的意义。     

灰色Verhulst模型在水上交通事故预测中的应用

在分析我国水上交通事故历史数据的基础上,引入灰色Verhulst预测理论.由此建立了水上交通事故Verhulst模型,并分别利用该模型和灰色GM(1,1)模型对我国近几年水上交通事故进行了预测,发现该模型精度高,拟合度更优.该模型可用于对我国水上交通事故的预测.     

基于分数阶算子灰色理论隧道围岩变形预测

采用新奥法开挖隧道时围岩应力产生重分布,对隧道围岩的变形进行监控量测是必不可少的内容。这些数据也影响着接下来的工况实施,需要对现场监控数据进行有效的处理才可以有效预测。为了避开一些复杂的地质因素、围岩力学效应等较难确定的因素,采用分数阶算子灰色理论进行数据处理。介绍了分数阶算子灰色理论的基本原理与操作步骤,基于传统的GM(1,1)模型,引入分数阶精确调节累加数的数量级,以此建立分数阶算子灰色预测模型。以工程实例为研究背景,对不同模型下隧道围岩位移的预测结果进行对比分析,结果表明,分数阶算子灰色预测模型优于经典GM(1,1)模型,其模拟精度有明显的提高,能满足实际工程的需求。     

GM(1,1)模型在某滑坡中的应用

滑坡地质灾害的控制及影响因素往往是随机的变量,具有相当的模糊性和灰色不确定性。本文构造了滑坡时间预测(短期预测)的灰色GM(1,1)模型。通过对某一滑坡实例的监测资料分析研究,并且对观测数据进行灰色处理,运用GM(1,1)模型进行滑坡时间预测能取得较为满意的结果。     

基于融合算法的GM(1,1)模型在码头监测中的应用

根据灰色系统理论,结合加权融合算法,建立了码头变形的GM(1,1)预测模型,避免了数据支持度中界限预先设定对融合结果的不利影响,并利用青岛港某泊位的实际监测资料对未来码头位移进行预测,与常规GM模型相比,预测精度更高。预测结果表明,码头在无较大外部荷载情况下,其自稳性尚好。本模型对指导港口工程建设的信息化作业具有积极意义。     

灰色预测的拓扑选择在运量预测中的运用

运用灰色系统理论及GM模型拓朴选择,建立了相应的GM(1,1)模型,运用于运量预测,并以港口吞吐量与货物周转量的预测为例进行校验。结果表明,新息GM(1,1)模型,新陈代谢GM(1,1)模型与原始模型(全数据GM(1,1)模型)三者比较,新陈代谢GM(1,1)模型的精度最高,值得推荐在运量预测中采用。