基于不等时距离散灰色预测模型的软土地基沉降分析

分别采用线性插值、三次样条插值两种方法,用MATLAB语言编制程序将不等时距序列转化为等时距序列,采用离散灰色预测模型来进行沉降预测.     

灰色模型在软土地基沉降预测中的应用

准确预测地基的最终沉降量，对道路工程的设计和施工极其重要，但目前尚无能够全面反映各种情况的理论公式和数值方法。利用灰色理论建立不等时距GM(1，1)模型，对软土地基沉降进行预测，取得了较高的准确度。为了满足应用灰色理论建模的条件，拓展其应用范围，采用三次样条插值函数建立等时距GM(1，1)模型的方法，对软土地基的沉降进行预测，通过秦沈客运专线路基断面的实测数据对模型进行验证，并与双曲线法进行对比分析，结果表明，灰色模型预测值更接近实测数据。     

灰色预测在高铁路基沉降预测中的应用

以在建某高速铁路为背景,通过对路基沉降实测数据的汇总,根据沉降曲线形态及沉降速率的差异将其分为3类.对观测数据进行等时距变换,采用灰色理论GM(1,1)模型、双曲线法、三点法对工后沉降进行预测,并对灰色理论预测模型进行精度检验.选取堆载预压期的数据作为模型原始数据,通过与实测最后一期数据的对比,发现灰色理论预测结果更接...     

基于GM-BP神经网络的交通量预测

针对城市道路交通系统的复杂性和随机性,应用灰色理论和神经网络知识,建立了基于灰色理论和BP神经网络的城市道路交通量GM-BP神经网络预测模型.随后运用该预测模型对城市道路的交通量进行预测,预测结果表明：GM-BP神经网络预测模型所得预测结果平均相对误差为1.17%,与单一的灰色新陈代谢预测模型相比具有预测精度高的优点.     

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。     

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。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

基于GM(1,1)和BP网络的港口吞吐量预测

分析了灰色和人工神经网络预测方法的互补性,在此基础上提出了将灰色与人工神经网络结合的灰色-神经网络混合模型.分别采用GM(1,1)模型、BP网络模型和灰色-神经网络混合模型对某港口货物吞吐量进行预测并用实测数据验证.结果表明,灰色-神经网络混合模型预测效果最佳.     

基于组合预测模型的轮轨力连续测试

为了精确判断车辆的运行状态,提出了一种轮轨力连续测试方法.根据轮轨相互作用的特点,采用阈值判断法从测试数据中提取轮轨力的有效信息.针对轮轨力测试系统的时变性和不确定性,将动态测试序列作为灰色过程处理,提出用灰色理论对轮轨力进行连续测试.为了提高预测精度,结合遗传算法和神经网络对传统的GM(1,1)模型进行改进.建立了10个预测模型分别进行预测,然后将精度较高的预测值输入串联灰色神经网络进行二次预测,以提高预测精度与稳定性.将这10个预测模型应用到轮轨力连续测试中,结果表明:灰色系统、遗传算法与神经网络三者的组合模型具有较高的精度,平均相对误差不超过2%,满足轮轨力连续测试的要求,并且能够降低传感器失效对测试结果的影响.     

非等时距GM(1,1)灰色模型在路基沉降预测中的应用

灰色理论现已普遍运用于路基沉降的预测中,以某高速公路为例,运用灰色理论建立路基沉降的非等时距GM(1,1)预测模型,并采用后验差法进行精度检验。以工程实测沉降数据为基础,对模型的预测结果进行了分析。结果表明,预测值与实测值之间误差较小,从而证实该方法的可行性。     

带时间矩阵的灰色模型在沉降预测中的应用

灰色模型一般应用于等时长的数据预测,而对非等时长的数据预测,则需通过拉格朗日插值等方法进行修正,因而有一定的误差。考虑将时间矩阵加入公式,采用推导的公式对高速公路路基沉降进行拟合预测,证明了该方法有较高的预测精度,具有一定的实用价值。     

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。     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

不同航班时段的收益贡献率分析

一直以来,航空公司都是根据经验来选择航班时段并确定航班时刻。事实上,航班时段的选择对增加航班收益的作用不可忽视,只依靠经验来选择时段是难以保证航班收益最大的。本文从定义航班的时段贡献率着手,用三次样条插值法对缺失数据进行插补,并应用灰色关联法进行规律同一性判断,剔除奇点数据序列,最终得出不同时段的航班收益贡献率存在明显差别,收益在相同时段则极为相近且具有相对稳定性。本文结果可以作为航空公司制定航班计划的决策依据。     

GM（1，1）灰色模型与土工离心试验联合推算路堤沉降

以灰色系统理论为基础,将高路堤沉降过程看成一个灰色系统,建立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,将某高速公路的已知观测数据代入GM(1,1)模型,推算该观测点的最终沉降。同时,在室内进行土工离心模型试验,将试验结果与灰色模型得到的预测结果进行对比分析,表明预测精度良好。     

基于状态空间神经网络的短期公交调度模型

本文从公交线路状态时空变化规律的角度出发,讨论了应用状态空间神经网络模型解决短期公交调度问题的方法。采用能描述实际公交线路状态（包括客流状态以及车辆运行速度等）的网络拓扑结构,结合前一时段的公交线路状态,预测下一时段的状态并选择与其相适应的调度方案。本文以南京市某公交线路的数据作为实例进行模型应用,与BP神经网络和AMRA模型的对比结果显示状态空间神经网络模型能在短期内更好地针对客流空间、时间变化对公交发车间隔进行调整,模型预测精度高,自适应性强,值得推广应用。     

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BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。