一种改进的灰色模型在交通量预测中的应用

GM(1,1)模型是灰色系统理论中的核心,已经得到广泛应用。一种改进GM(1,1)模型无论用于拟合或预测,其结果都明显优于常规GM(1,1)模型。结合遗传算法和最小二乘法获得该模型的待定参数,对改进的GM(1,1)模型给出了一种新的求解方法。将此改进GM(1,1)模型用于交叉口交通量的预测,预测结果较好。将等维递推和自适应的思想引入改进GM(1,1)模型,可进一步提高该模型的预测精度和实用性。     

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。     

高速铁路桥梁桩基极限承载力预测研究

利用高速铁路桥梁单桩竖向静载试验数据,应用灰色理论建立GM(1,1)模型,在此基础上编制预测程序FPS预测桩基极限承载力。对比分析实测值和预测值,二者吻合较好,验证了GM(1,1)模型进行桩基极限承载力预测有较好的精度和实用性。GM(1,1)模型可作为预测高速铁路桥梁桩基极限承载力的可行方法。     

灰色系统理论在深基坑工程中的应用

灰色系统理论已经在岩土工程领域有广泛的应用,文章把灰色系统中的GM(1,1)模型和GM(2,1)模型应用到基坑工程中,并编制了预测计算程序GYC1.0用于锚杆拉力、地面沉降和地面水平位移预测计算。工程实践说明结果GM(1,1)模型比GM(2,1)模型更可靠,稳定性高,但是GM(1,1)模型短期预测时效果良好,中期预测时效果偏差较大,长期预测则要慎重。     

基坑变形预测及优化研究

在现代化的施工中,施工监测已不能只局限于获得工程变形的历史值,更多时候,相关各方更关心其未来究竟会是一种怎样的变形趋势,也就是对工程变形的预测提出了新的要求。现以延崇高速公路妫水河隧道的基坑沉降监测数据为基础,引入三次指数平滑法和GM(1,1)模型,分别预测了未来短时间内基坑的沉降变形趋势,后续与实际变形的对比显示:两种方法均可以有效预测基坑变形,本例中三次指数平滑法的预测精度要高于GM(1,1)模型的预测精度;针对本例中GM(1,1)模型预测结果误差偏大的问题,分析了其误差影响因素并进行了残差模型修正,提升了GM(1,1)模型短期的预测精度;对基坑变形预测问题进行了讨论与总结。     

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。     

灰色模型在路基沉降预测中的研究及应用

以湖南益马高速公路典型路基断面实测数据为研究对象,采用GM(1,1)和Verhulst两种灰色系统模型对沉降数据进行建模分析,得到不同维度下拟合公式的预测值及c值,并据此分析了预测精度以确定最佳维度;在最佳维度下计算了两种模型所得预测数据的拟合误差,进而确定了两种模型的适用预测时间。结果显示:在最佳维度7下,灰色模型GM(1,1)可用于路基沉降4个月内的预测;Verhulst模型可用于路基沉降14个月内的预测,其预测结果可为后续施工组织提供参考。     

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。     

基于灰色模型方法的路面使用性能预测

文中引入灰色系统理论对路面使用性能预测进行了拓展。使用常规GM(1,1)模型进行预测时,随着时间序列的增长,预测的精度将不断降低,只有时间序列较近的几个数据的精度较高。针对常规GM(1,1)模型存在的不足,文章改进了常规模型,并利用改进后的模型对某高速公路路面使用性能进行了预测。根据预测结果与路面实际检测数据的对比,分析模型预测结果的合理性和该指标的发展,证明改进后的模型精度较高,预测误差较小,可作为制定养护计划的依据。     

基于粒子群改进灰色马尔可夫模型的公路路基沉降自适应预测

针对公路路基沉降具有随机性和复杂性的特征,提出了一种粒子群改进灰色GM(1,1)-马尔可夫模型的路基沉降自适应预测方法。利用马尔可夫模型修正传统灰色GM(1,1)预测模型的残差,并提出粒子群算法来计算最优的马尔科夫链残差模型的白化系数,开发了路基沉降的粒子群灰色马尔科夫链自适应预测模型框架。以某公路路基沉降实测值为例,对比分析了其他两种改进灰色模型方法,结果表明本文算法误差均值仅为1. 48%,比其他两种方法分别降低了64%和29%,且精度等级达到一级。随着公路路基沉降数据量的增加,本文提出的模型预测精度进一步增加,自适应能力强,具有良好的推广性。