GM(1,1)-Logistic路基沉降组合预测模型研究与应用

路基沉降预测是指导正确施工及运营期路基养护的一个重要因素.GM(1,1)模型及Logistic模型被广泛应用于路基最终沉降量的预测.基于组合预测的基本理论,结合GM(1,1)模型及Logistic模型的特点,提出了GM(1,1)-Logistic组合路基沉降预测模型,采用线性组合预测方法,以过去一段时间内组合预测误差平方和最小为原则来求2个预测模型的加权系数.结合工程实际监测数据的计算结果和分析表明,GM(1,1)-Logistic组合预测模型在预测精度上比单个模型具有更好的适用性.     

基于改进灰色GM(1,1)模型的高速公路路基沉降预测

有效预测高速公路路基沉降的发展趋势,可以提高道路维修效率,降低事故发生率。根据路基沉降影响因素和特性,提出一种改进的GM(1,1)预测测算法。采用自动寻优定权的方法优化传统GM(1,1)模型的背景值,采用最小二乘法优化初值,有效克服背景值与初值选择的盲目性,并能保证较高的精度。分别对长湘高速某段和垄茶高速某段路基沉降进行预测试验,本文算法预测误差均值分别为2.12%和1.38%,方差比为0.137和0.146,精度等级达到一级。     

基于BP神经网络与GM(1,1)模型组合算法的桥梁耐久性预测

针对混凝土桥梁耐久性历史评估数据的特点,提出一种基于BP神经网络与GM(1,1)模型的桥梁耐久性组合预测方法。通过GM(1,1)模型,以部分数据作为样本进行预测,在此基础之上,引入BP神经网络对预测的残差序列进行处理,旨在克服单一预测模型的不足,取得更高的预测精度。算例表明,本文算法精度明显高于传统GM(1,1)模型,与类似算法相比,精度上也有所提高。     

GM(1,1)模型与指数模型在基桩沉降预测中的应用

以某大型基桩的沉降预测为例,利用灰色系统理论的GM(1,1)与Aeax曲线模型进行基桩在外荷载作用下沉降量的预测。结果表明:两种模型对于呈指数变化规律的系统能获得较好的预测结果;两种模型对基桩累计沉降的预测符合工程实际,对各级荷载作用下的本级沉降预测不够合理。对两种模型关系的研究表明,两者有内在联系,都属指数曲线预测模型,且指数曲线Aeax预测模型比GM(1,1)模型应用起来更简单,方便。     

基于小波灰色GM(1,1)模型的货运量预测研究

基于铁路运输货运量的预测对铁路运输发展战略的制定以及铁路运输设施效益的提高有着重要的意义,为提高铁路货运量的预测精度,通过利用小波降噪分析法,消除实验数据存在的噪声,提高原始序列的光滑度,在此基础上对新生成的序列应用灰色GM(1,1)模型进行预测。用此模型对1990~2014年铁路货运量进行验证,研究结果表明:改进后的模型相比于直接应用灰色GM(1,1)模型预测得到的结果精度更高,其拟合效果更好。     

基于改进GM(1,1)与WOA-LSSVM组合预测模型的轨道不平顺预测

在保障列车行车安全的前提下对轨道不平顺的发展趋势进行预测,可以提高线路维护效率。根据轨检车的历史轨检TQI数值进行分析,提出一种基于非等时距近似非齐次的GM(1,1)模型与鲸鱼算法优化的最小二乘支持向量机的组合预测模型。对非等时距GM(1,1)模型的灰作用量进行优化,并设置加权矩阵,对不同检测时间的数据赋予不同权值,建立非等时距近似非齐次的GM(1,1)模型,得到初步预测值。在此基础上,利用鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)对残差进行修正,得到最终预测值。分别对某线上行两段线路的轨道不平顺TQI值进行预测,结果表明:该预测方法相对误差平均值分别为2. 316%和1. 67%,后验差分别为0. 093和0. 068,精度等级达到1级,实现了轨道不平顺较高精度的预测。     

基于灰色GM(1,1)残差修正模型的动车组故障率预测

以某分析类别动车组百万公里故障数据为基础,研究建立了基于灰色GM(1,1)残差修正模型的动车组百万公里故障率预测模型.在优化模型中背景值的基础上,对残差进行修正,用t-3,t-2,t-1时刻的残差构造输入数据,t时刻的残差作为输出数据,用支持向量回归机对残差进行拟合,采用等维信息灰色GM(1,1)模型对建模数据进行更新...     

基于新陈代谢GM(1,1)模型的客车轴温预测算法

介绍一种基于新陈代谢灰色模型的客车轴温预测算法,对现有算法进行了改进。该算法可对轴温的变化趋势进行预测,且预测精度较高,并可以有效地提高轴温报警器的报警准确度。     

GM(1,1)模型在巨型溶洞超厚回填路基沉降监测中的应用

为验证GM(1,1)模型在黔张常铁路高山隧道巨型溶洞超厚回填路基沉降监测和预报项目中的适用性,根据现场实际情况布设沉降监测基准网和监测网并进行数据采集,选取某一断面的3个监测点在某一时期内的9期监测数据进行处理与分析,根据累计沉降量数据的变化关系建立GM(1,1)模型,该模型的后验差值比C和P均达到Ⅰ级拟合精度。利用GM(1,1)模型对该段路基的累计沉降量和沉降趋势进行预测,预测结果与该巨型溶洞超厚回填路基的实际沉降情况吻合较好,预测结果可供后续施工组织参考。     

投标报价基于GM(1,1)灰色动态模型的主材价格预测

在建设工程中,建筑材料的价格是随时变化的。在工程投标报价时,如何准确预测主材价格,是施工企业研究的主题。此文基于灰色系统理论,通过建立GM(1,1)灰色预测模型,对工程主要材料(钢筋)的价格进行分析与预测,并以实际工程为例进行验证,证明基于建立的GM(1,1)灰色动态模型预测钢筋价格,精度较高、效果较好,可为工程投标和施工采购钢筋提供有益参考。     

GM(1,1)模型在高速铁路桥墩沉降监测中的应用

详细地介绍了GM(1,1)模型及模型精度评定,利用GM(1,1)灰色模型对某区段高速铁路的桥墩沉降进行预测,将预测结果进行分析,分析表明GM(1,1)灰色模型能较好地预测该段高速铁路桥墩的沉降趋势。     

幂函数变换的GM(1,1)模型在高铁沉降预报中的应用

针对高速铁路施工过程中沉降监测数据波动较大,传统GM(1,1)模型对初始数据平滑度要求较高的问题,利用幂函数变换法对初始数据进行平滑处理,再用GM(1,1)模型进行拟合和预报。在此基础上,提出了基于幂函数变换的GM(1,1)模型,对两组高速铁路沉降实测数据分别采用两种模型进行拟合和预报精度验证。实验表明:相较于传统GM(1,1)模型,基于幂函数变换的GM(1,1)模型在平均误差上最高可以降低34%,中误差可以降低60%;计算波动较大的数据时,其平均误差可降低至原来的52%,中误差降低至原来的95%。     

基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究

国外轨道不平顺的研究思路和方法大多是建立在对轨道动态检测数据的不同分析手段和方法上,然而由于各国检查数据的不同使得国外模型无法直接应用于国内轨道状态预测。基于昆明铁路局的实际数据,提出了灰色预测模型和灰色-马尔可夫预测模型。通过将2种模型的预测结果与一元线性回归预测结果对比分析,证明灰色预测模型不仅适用于较长区段的TQI(轨道质量指数)预测,对于更长区段的TQI预测也有比较好的效果,同时证明灰色-马尔可夫预测模型不仅能够预测随机性较强的TQI数据,也能应用于较长时间范围内的预测。     

非等距高差序列GM(1,1)模型在索塔监测数据处理中的应用

GM(1,1)模型用于贫数据建模问题,但是传统的GM(1,1)模型是基于等距时间序列,对于数据量少且是非等距非时间序列建模问题就成为一个难题。为了探索在实际工程中应用非等距非时间序列的GM(1,1)模型的可行性,本文以鄂东大桥索塔监测数据处理为实例,提出非等距高差序列的GM(1,1)模型,并进行了模型精度分析。     

灰色模型GM（1,1）对尘肺病例预测研究

应用灰色系统一阶单变量模型[Grey Model(1,1)、下称GM(1,1)]、对全局1985～1991年每年的尘肺病例数进行拟合预测。预测值与实际值的拟合效果为一级,P>0.95、C<0.35。并对1992～1991年尘肺的发病人数进行了外推预测,结果尘肺发病人数每年以8例左右的速度在增加。因此,粉尘作业场所的劳动条件改善,尘肺病的预防与控制仍然是我局目前主要任务,必须引起我们的高度重视。     

基于改进的GM(1,1)的长期交通量预测模型

针对传统的GM(1,1)模型在预测高速公路交通量中存在的误差过大的问题,通过对原始数据进行滑动平均处理,减少数据在统计过程中的随机误差和人为误差。利用等维灰数递补预测模型进行交通量预测,在数据列中补充新的数据,去掉老的数据,使模型得到改进。利用改进的新模型去预测下一年的数据比用原模型更加合理,更接近实际。研究结果表明:利用等维灰数递补预测模型预测的预测精度是94.24%,比GM(1,1)残差改进模型提高了1.49%,比传统的GM(1,1)模型精度提高了6.94%。适用于交通量的长期预测。     

SBAS InSAR与GM(1,1)模型在青岛地铁13号线地表形变监测中的应用

基于37景Sentinel-1A SAR影像,利用SBAS InSAR技术获取了2018年1月至2020年8月青岛地铁13号线积米崖站—世纪大道站沿线的地表形变信息;基于地铁中心线的地表形变梯度对地铁沿线的稳定性进行了分析;利用GM(1,1)模型对地表特征点SBAS InSAR监测结果进行了模拟和预测.研究表明:SBA...     

基于GM—周期扩展组合模型的铁路客运量预测

铁路客运量的准确预测对我国铁路建设项目投资和决策具有重要意义。由于铁路客运量预测系统本身是一个信息不完全的灰色系统,因此,可以通过建立(灰色)GM-周期扩展组合模型对铁路客运量的非线性动态变化进行预测。该模型运用灰色预测理论GM(1,1)与周期扩展模型结合,不但可以进行客运量的趋势预测,同时也可以充分考虑铁路客运量的周期波动性这一特征。最后,结合具体的实例验证说明该模型是科学合理的,预测值与实际值较吻合。     

灰色理论非等间距GM(1,1)模型在土压平衡盾构废弃泥浆固结体强度预测中的应用

在土压平横盾构施工过程中,将产生大量的废弃泥浆,如不能正确、有效地处理这些废弃泥浆将造成重大的环境污染与施工成本的升高。对这些废弃泥浆进行资源化处理是解决环境污染、降低施工成本的关键出路,其固结物的强度指标是评判这些产品质量高低的关键指标之一。为了减少养护时间与养护用地,需要应用这些固结产物的早期强度值来预测其长期强度值,以判断这些产品的质量。针对某市地铁1号线施工现场土样固结试验的强度测试结果,应用灰色理论非等间距GM(1,1)模型预测理论进行长期强度的预测分析,获得了较好的效果。通过分析研究结果可知:1)砂质废弃泥浆固结体的强度值普遍要大于黏质废弃泥浆固结体的强度,在早期强度方面,两者相差不大,但长期强度相差比较大;2)砂质废弃泥浆固结体实测数据的强度拟合曲线与预测数据的强度拟合曲线重叠得都比较好,而黏质废弃泥浆固结体的强度拟合曲线则重叠得不是很好,两者的相对误差比较大,特别是长期强度方面误差更大;3)砂质固结体与黏质固结体养护21 d时强度比较接近,并且都大于1.4 MPa(砂质)与1.3 MPa(黏质)。