双优化GM(1,1)新模型在路基沉降预测中的应用

路基沉降预测一直是道路工程领域的研究重点和难点。常用的GM(1,1)模型所预测的路基沉降值精度相对较低,特别当数据序列急剧变化时,GM(1,1)模型的误差值可能会更大甚至失效。针对传统GM(1,1)模型存在的问题,通过改变初始值,增加扰动因素β优化初始条件。同时利用非齐次指数函数拟合模型中变量的一次累加生成序列优化背景值,提出了初始条件和背景值双优化的新GM(1,1)模型。通过MATLAB软件编程实例计算表明,双优化之后的新GM(1,1)模型较原模型相比,其预测精度有了较大幅度的提高。     

基于灰色模型的高速公路路基沉降预测

在公路施工过程中,路基施工质量的好坏是确保公路施工质量的关键,为确保路基施工质量,必须掌握路基沉降的变化情况,特别是要能够较为合理地预估路基沉降的变化情况.文中利用灰色系统理论建立GM(1,1)灰色预估模型及其残差模型,并应用于某高速公路路基沉降变形预测中,预测结果和实测结果能较好地吻合,验证了预估模型的精度和预测方法的可行性.     

基于分数阶拓展算子GM(1,1)模型的高速公路养护成本预测

通过分析高速公路养护成本构成,探讨日常养护、专修养护、大修养护成本随运营时间的变化规律,分析成本影响因素及相互关系。基于灰色系统理论,探讨养护成本随高速公路运营时间的变化规律。对成本历史数据进行数据关联性和特征分析,构建分数阶拓展算子灰色预测模型,并设计分子阶数和迭代过程,提高预测精度。最后,以某高速公路运营成本数据为实例,对模型进行了参数标定和应用效果分析。结果表明:该模型对高速公路日常养护成本的预测效果最佳,相对误差为5.17%。     

基于改进GM(1,1)模型的雷达故障预测

针对常规GM(1,1)模型在背景值构造及自适应性上的缺陷,文章引用了一种改进的背景值构造方法,并结合新陈代谢法创建了一个新的灰色模型。以某型雷达高压电源为例,通过Matlab软件仿真和模型比较分析后,结果表明,改进后的GM(1,1)模型预测精度和自适应性都大大提高。     

基于灰色GM(1,1)模型的深基坑变形趋势预测

深基坑开挖具有极大的不确定性,因此在施工时应对其周边土体进行实时监测,这对保证基坑安全施工有重大意义。文中以某滨海液化天然气接收站取水口深基坑工程为背景,基于基坑初期监测数据,建立灰色系统理论中的GM(1,1)模型,实时预测了未来一段时间内基坑的位移值,得到了较准确的预测结果,验证了其工程适用性。     

灰色系统GM(1,1)模型在软基沉降预测中的应用研究

路基的沉降与稳定性控制是高等级公路使用寿命的关键,准确计算路基沉降变形值具有实际应用意义。文中采用灰色GM(1,1)模型及计算原理,进行某一级公路软土路基沉降预测,计算得出软土路基的变形曲线。其模型精度评定指标表明,该方法拟合误差小,预测精度高。     

非等间距GM(1,1)抗差估计及其在路基沉降预测中的应用

路基沉降观测前期,沉降观测值不稳定,容易包含粗差,而前期沉降数据对GM(1,1)模型预测精度影响巨大。介绍了一种将非等间距观测数据等距化处理,并在GM(1,1)模型中加入IGGIII抗差方案的新方法。通过高铁路基沉降工程实例各模型预测精度对比表明:当沉降观测值含有粗差时,新算法依然能够快速准确的识别沉降真实曲线。因此,新算法可以广泛应用于路基沉降预测。     

UGM(1,1)模型在特殊路基沉降中的应用

红砂岩碎石土强夯路基的沉降一直是施工中难以控制的一环,沉降大小直接影响高速公路通车后的服务水平和安全,在有限的沉降观测时间的基础上预测路基沉降尤为重要。文中基于某高速公路K4+860—K9+960沉降测量数据,建立基于灰色理论的非等时距UGM(1,1)模型预测红砂岩碎石土强夯路基沉降,并通过精度检验证明了模型的准确性和可行性。     

高速公路路基沉降预测方法

介绍了传统沉降预测方法、数值分析预测方法和根据实测资料的沉降预测方法,通过对每一种预估方法的原理、优缺点和适用范围等全面了解后,认为对高速公路路基沉降的预测应根据实际情况和经验,灵活选用几种方法进行预估分析。     

基于改进的GM(1,1)模型的沥青路面使用性能预测方法研究

建立了基于路面状况指标(PCI)、路面结构强度指标(SSI)、行驶质量指数(RQI)和横向力系数(SFC)4项指标历史数据的传统GM(1,1)模型,分析了传统GM(1,1)模型缺陷,引入马尔可夫状态转移矩阵来判断残差预测值在k≥n时的符号,建立了改进的残差灰色预测模型,提高了预测精度,对高速公路使用性能的各单项指标进行了预测,并根据预测结果提出了相应的养护措施。     

GM(1,1)灰色模型在高路堤沉降预估中的应用

影响高路堤沉降的因素很多,可以将高路堤沉降过程看成一个灰色系统。该文利用灰色系统理论,建立了适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高路堤沉降预测中,经与实测数据对比,表明预测精度良好。     

基于BP神经网络的时序残差GM(1,1)模型

本文针对灰度模型在原始数据序列波动较大时,预测精度较低的情况,提出了基于BP神经网络的时序残差模型.文中使用BP神经网络训练时序残差,再结合灰度模型,较好地提高模型精度和预测精度.此模型不仅适合于原始数据波动较大的序列,而且对非波动性数据序列也有很高的精度.     

基于GM(1,1)模型的沈阳市机动车保有量测算

随着社会经济化和城市化进程的不断加快,城市交通问题日益突出,城市机动车保有量急剧增加,产生诸如道路拥堵、大气环境污染等一系列交通问题.本文首先利用多元回归模型测算应用机动车保有量的因素,然后利用GM(1,1)模型预测影响沈阳机动车保有量未来5年的数值,并通过逐步回归分析预测沈阳市2016-2020年的机动车保有量.     

基于改进GM(1,1)模型的车辆视频跟踪

提出了运用GM(1,1)模型进行车辆视频跟踪的方案.针对传统的GM(1,1)模型短期跟踪效果好而长期跟踪误差较大的问题,将每次预测值与真实值的偏差作为影响因子,对GM(1,1)算法进行了改进,改进后的预测值更加接近真实值,并能保证长期跟踪的效果.最后通过车辆跟踪试验验证了改进算法的有效性,减小了预测值与真实值的误差.     

基于MA-GM(1,1)的高速公路沥青路面使用性能预测

以PCI、RQI、RDI、SRI及PQI为评价指标,利用灰色理论,结合滑动平均方法,建立MA-GM(1,1)模型对高速公路沥青路面使用性能进行预测。山东省日东(日照—东明)高速公路K20—K22预测结果表明,该模型具有较高的精度和稳定性,能准确反映沥青路面使用时间与使用性能之间的关系,为高速公路的养护和管理提供参考。     

基于三次样条插值的车辆行驶数据分析

采样数据的准确程度直接决定了车辆行驶工况的准确性。采用基于GPS的实时动态车辆行驶数据采集系统,记录了某车辆运行速度、时间、方向等信息,并结合测量误差产生机理,通过分析车辆行驶数据中奇异信号类别及特征,得到无效定位数据、时间错误数据和速度突变数据等3种奇异数据类型。利用三次样条插值算法对奇异数据进行了拟合,修正了车辆行驶数据中奇异信号,修正后的速度时间曲线更符合车辆行驶特征,可真实模拟车辆行驶工况。     

高速公路路基沉降预测方法分析

高速公路路基的沉降预测是软土地区公路建设中亟待解决的问题。对路基沉降中各种传统和新的沉降预测方法进行了分析,指出应根据工程的实际选择合适的方法。通过分析,提出了基于沉降观测数据并结合曲线拟合方法来预测软土路基沉降的方法。     

BP神经网络和GM(1,1)灰色模型在公路客运量预测中的应用

在灰色预测的基础上,引入BP神经网络模型,建立了GM(1,1)和BP神经网络组合模型。此组合模型兼有灰色预测和BP神经网络预测的优点,模型既克服了原始数据少,数据波动性大对预测精度的影响,也增强了预测的自适应性。实例证明了组合模型的预测精度高于单独的GM(1,1)模型,可以用于公路客运量预测。     

GM(1,1)灰色模型优化方法研究

基于传统GM(1,1)灰色模型适用范围有限和预测精度较低的问题,提出了实测数据恒正凹化处理和相邻均值法(序列相邻数值取平均值)结合建模的新方法。该方法能够将原始数据序列转化为指定形式,利用数据相邻均值与时区长度。应用结果表明:优化后的GM(1,1)模型对数据兼容能力更强,对于发展速度先快后慢且波动性较小的稳定序列,该模型能够提高数值拟合精度,延长预估范围,可用于中长期预测,并且优化模型数值还原无需迭代累减,计算过程更加简便,为灰色模型的改进提供一定的参考价值。