等维新信息GM模型预测路堤沉降

应用灰色理论原理,建立了等维新信息GM(1,1)法预测路堤沉降模型,通过对无规则的数据序列作等距处理和微分拟合,验证和丰富了非等时距等维新信息GM模型理论,等维计算了信息变化情况下的沉降值,从而对软基路堤沉降进行较精确预测。     

GM（1，1）模型在路基沉降预测中的应用

灰色模型法计算工作量小,精度高,基于灰色理论的灰色模型在公路路基沉降预测中得到了普遍的应用。以工程实际沉降观测数据为基础,建立GM（1,1）灰色模型,对模型的预测结果进行了分析,由此证实GM（1,1）灰色模型在路基沉降预测中具有可行性。     

新陈代谢GM(1,1)模型在建筑物沉降监测中的应用

通过对都匀市某在建大楼沉降数据处理,运用灰色系统理论,建立新陈代谢GM(1,1)模型对大楼沉降进行预测,并对所建模型精度检验,结果充分显示新陈代谢GM(1,1)模型在建筑物沉降变形分析中具有很强的实用性和有效性。     

遗传算法在高路堤沉降预测中的应用

依据高路堤填土施工期路基沉降实测资料,分别运用遗传算法和最小二乘法确定灰色GM(1,1)预测模型中的灰色参数a和u,然后据此预测路基后期任意时刻的沉降量及最终沉降量,通过与实测沉降资料做比较分析,表明采用遗传算法反演参数预测高路堤沉降具有比其它方法误差更小的特点,是一种较好的路基沉降预测方法,因此适宜于在高路堤的沉降预测中应用.     

基于非等时序灰色模型的路基沉降预测

结合高速公路路基施工沉降观测数据,讨论了灰色系统理论和双曲线模型在公路路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行了改进,建立了任意时间间隔的非等时序改进灰色模型。通过具体工程实践,给出了灰色模型和双曲线模型对公路路基沉降量预测结果与实测结果的比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

非等时距GM(1,1)灰色模型在软土路基沉降预测中的应用

为正确估算软土地基沉降量,采用5种方法对非等时距沉降观测资料进行处理,并用GM（1,1）灰色模型进行沉降预测,在与某公路高路堤的实测沉降值进行比较后,推荐采用拉格朗日非等距数据处理方法;最后运用该模型对软土层的固结系数进行反演分析,得出一些有益结论。     

GM(1,1)模型在港区地基沉降预测中的应用

选取合理的观测点沉降数据作为原始数据序列,建立GM(1,1)灰色模型,求解微分方程得到时间响应序列,然后通过后验差法检验模型的精度。在工程实例中,预测结果与实测沉降数据吻合良好,表明了GM(1,1)模型在港区地基沉降预测中的可行性和适用性。     

公路货物运输量灰色马尔可夫预测模型

为了提高公路货物运输量的预测精度,结合灰色系统和马尔可夫链的特点,建立公路货物运输量灰色马尔可夫预测模型.在实例应用中,建立运输量GM(1,1)灰色预测模型,在获得预测值和残差检验的基础上,将原始数据序列划分为4个状态,计算状态转移概率,利用灰区间中位数建立货运量灰色马尔可夫预测模型,对货运量和货运周转量进行预测.将其预测结果与GM(1,1)灰色模型的预测结果比对,结果表明,灰色马尔可夫预测模型可以用于公路货物运输量预测,且其预测精度高于GM(1,1)灰色模型.     

基于灰色马尔科夫链模型的交通事故预测

以灰色GM(1,1)模型为基础,结合马尔科夫链模型建立灰色马尔科夫链模型GM(1,1),对灰色GM(1,1)模型的预测结果进行误差修正,并利用乌鲁木齐市交通事故的历史数据对2014~2016年的交通事故伤亡人数进行预测。结果表明:当利用灰色马尔科夫链GM(1,1)模型时,平均相对误差从单一GM(1,1)模型的4.32%降到1.67%,误差减少2.65%,预测结果更加可靠,能够为乌鲁木齐市采取有效措施预防交通事故的发生,提供可靠理论依据。     

基于改进GM(1,1)模型的轨道不平顺预测

在分析传统灰色GM(1,1)求解过程的基础之上,指出了GM(1,1)模型的不合理之处,并加以改进,使该模型达到了更高的道路路基沉降预测精度。     

基于改进GM（1,1）的长江干线水位预测方法研究

针对长江干线水位预测建模复杂、数据不全的问题,利用长江干线真实历史水位观测数据,基于灰色系统GM（1,1）模型,研究贫数据下长江干线水位预测.根据灰色系统中数据越近越有价值跟拟合曲线为指数曲线的特点,通过重新构造生成序列和重新定义初始边界条件对GM（1,1）模型进行优化并对最终结果进行分析,得出优化后的模型能更准确的预测水位的结论.     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

基于灰色-马尔科夫链理论的公路客运量预测

客运量预测是公路网规划不可缺少的环节,是公路经济效益计算的重要基础。以四川省公路客运量为例,利用灰色系统理论,建立GM（1,1）预测模型,并将灰色GM（1,1）预测模型与马尔科夫链状态转移矩阵相结合,进一步提高预测结果的精度。从计算效果上分析,该方法求得的结果与其他方法相比,与实际值偏差较小,预测效果较好。     

基于组合模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量的历史数据,分别利用三次指数平滑法、灰色CM（1,1）模型以及组合预测方法对集装箱吞吐量进行探讨,有益于预测未来几年港口集装箱吞吐量。结果证明：组合预测模型融合了前两种预测方法的优点．其平均绝对误差、平均相对误差绝对值都小于单独用三次指数平滑法或GM（1,1）模型时的平均绝对误差、平均相对误差绝对值,达到最优的精度等级。     

基于MATLAB的灰色拓扑在交通事故预测中的应用

针对道路交通安全的严峻形势,利用灰色拓扑预测的理论方法,对福建省交通事故死亡人数进行了分析预测,并利用MATLAB程序实现。在对福建省108个月（2005年1月-2013年12月）交通事故死亡人数分布特征分析的基础上,选定一组阈值,根据阈值建立相对应的GM（1,1）模型组,利用模型组对未来可能出现的阈值范围内的年月份进行预测。经检验,模型组精度等级良好,该方法具有一定的实用性和可靠性,可供交通部门参考。     

基于GM（1，1）-马尔可夫链的城市机动车保有量预测研究

针对城市机动车保有量具有趋势性和不确定性的特点，结合GM（1，1）模型和马尔可夫链模型在预测研究中的优点而建立的GM（1，1）-马尔可夫预测模型，可用于城市机动车在未来年份的保有量的预测研究，且该预测经实例验证，结果令人满意。     

非等时距DGM(1,1)模型及其在路基沉降预测中的应用

传统路基沉降预测灰色模型往往采用将非等时距序列变换为等时距序列的方式来建立预测模型,建模过程较为繁琐。为此,本文另辟蹊径,通过引入新的序列累加累减生成运算,采用直接由非等时距序列构建预测模型的方式,以有效避免从非等时距序列到等时距序列转换的繁琐运算,提出了新的非等时距DGM(1,1)模型。在此基础上,应用最小二乘法获得新模型辨识参数值,并给出了其显著预测公式。最后,以某高速公路路基沉降预测为实例,说明了本文模型的有效性。