交通事故预测的灰色GM（1，1）模型

在分析道路交通安全系统灰色属性的基础上,提出将道路交通事故作为道路交通安全系统行为特征量处理,运用灰色理论和方法进行道路交通事故预测,在此基础上,建立了道路交通事故的GM（1,1）灰色预测模型,并通过实例验证了预测模型的适用性。     

基于非等时距灰色线性组合模型的边坡变形数据处理研究

受监测环境影响,边坡变形的非等时距监测数据采集时有发生,为实现工程中监测数据非等时距的等间隔化,保证数据分析的有效性,基于灰色线性组合模型,对非等时距监测数据进行等间隔化处理,建立了非等时距灰色线性组合模型。依托某一边坡工程,基于现场实测数据,采用非等时距灰色线性组合模型进行预测,结果表明预测结果和实际数据误差在1 mm以内,拟合值与实测值接近且拟合精度比传统模型高,这为解决存在非等时距监测数据的边坡变形预测问题提供了一条有效途径。     

非等时距灰色模型在软土路基沉降预测中的应用

针对软土地区公路工程特点,采用实时有效的路基沉降观测手段和合理的沉降预测方法对于保证公路建设质量具有积极作用。笔者以Lagrange插值法为基础,利用灰色理论建立软土路基沉降预测的非等时距GM(1,1)模型,通过现场实例分析,验证了该方法的可行性。     

路基沉降预测非等时序改进灰色模型应用研究

讨论灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM（1,1）进行改进,建立了任意时间间隔的非等时序改进灰色模型。通过实例比较,结果表明非等时序改进灰色模型的预测沉降量与实测沉降更接近,精度更高。     

西部地区道路交通事故灰色模型GM（1，1）研究

为掌握西部事故高发地区的交通事故特征,在2008—2012年国道314、219,叶城县、塔县地区道路交通事故统计资料基础上,运用灰色原理建立一阶单变量GM（1,1）预测模型,对上述地区道路交通事故的事故数、死亡人数进行短期预测。经精度检验,灰色预测结果精度高,且与实际相符。与传统预测方法相比较其更科学、更合理。     

路基沉降预测的非等间隔Asaoka法

路基沉降预测对于确保高速铁路无砟轨道结构铺设质量非常重要。《客运专线铁路无砟轨道铺设条件评估技术指南》中推荐的沉降预测方法对沉降观测数据时间间隔的要求并不一样。其中，Asaoka公式是根据一维固结问题推导得出，具有明确的物理意义，但需要沉降观测数据为等时间间隔数据。根据微分变差分原理，采用前向差分和后向差分推导出了非等间隔Asaoka法。工程实例应用结果显示非等间隔Asaoka法具有较好的预测效果，可以直接应用于非等间隔沉降数据，避免了Asaoka方法在应用中存在的问题。     

非等时序灰色模型的隧道变形预测研究

为提高灰色系统模型对非等时距隧道变形预测的预测精度，运用非等时距GM（1，1）模型对隧道围岩变形进行预测，利用Matlab7．1平台编写了隧道围压变形预测程序，结合张涿高速隧道围岩收敛变形实测数据，进行了变形预测及误差分析，结果表明预测值与实测值比较吻合，非等时距GM（1，1）模型可以应用于施工进度指导及安全系数评判。     

基于非等间隔缺失数据的插值算法精度分析研究

准确预测变形的前提是已有监测数据须完整,但在实际工程测量作业中,由于受环境条件、数据传输、记录等诸多因素的影响,可能造成数据随机性缺失,导致变形预测结果产生偏倚。为了解决变形监测数据随机性缺失问题,采用线性插值、3次样条插值以及B样条插值3种不同的插值方法进行数据修复,并通过将插值结果与实测数据进行对比分析。结果表明,所选用的3种算法都能满足监测数据修复的精度要求,而B样条插值算法较另外2种算法的数据修复效果更佳。该研究结果对于在非人为因素影响情况下,为变形监测数据随机性、非等间隔缺失所造成的数据完整性问题提供了具备准确性和可靠性的解决方法,对处理分析变形监测数据具有重要意义。     

GM（1，1）模型预测变形局限性研究

将灰色系统理论GM（1,1）模型应用于路基工程进行变形预测,结合一工程实例阐述了该理论应用条件、建模方法,精度处理方法等,从预测结果和实测结果进行对比分析,指出了应用该理论对预测路基变形的局限性,对于开展路基变形的中长期预测,应慎用GM（1,1）模型。     

GM(1,3)模型在交通系统公路客运量预测中的应用

交通系统公路客运量预测不仅具有模糊性和动态性等特点,而且受多个因素影响。许多交通研究人员只根据客运量一个因素,用GM(1,1)模型预测。文章运用GM(1,N)系统综合预测模型,考虑系统中多个相关因素,并结合GM(1,1)模型,以原始离散的公路客运量、人口和国内生产总值GDP三组数据数列为基础,建立GM(1,3)模型来预测公路客运量。在详细论述了系统综合预测模型GM(1,3)的建立过程后,用后验差检验法对预测结果进行了检验,预测精度较好,表明此模型对公路客运量预测有一定应用价值。     

多变量GM(1,n)模型在桥梁施工挠度控制中的应用

在大跨度桥梁施工控制中,传统单变量灰色理论受误差影响较大,为提高在多因素影响下的挠度预测精度,在单变量GM(1,1)模型的基础之上,通过建立多变量灰微分矩阵方程,结合灰色预测原理,提出一种多变量GM(1,n)关联预测模型.用MATLAB编制了相应的计算程序,并将其应用于新建太中银铁路跨青银高速(75+120+75)m预应力混凝土连续梁的高程预测中,实践结果显示该模型基本准确地预测了架设过程中各梁段高程.     

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。     

桥梁耐久性预测模型及其精度分析

为了使桥梁管养部门能够以最低的成本进行养护维修,桥梁的耐久性预测变得越来越重要。通过回归分析模型、GM（1,1）模型、GM（1,1）-Markov模型在桥梁耐久性预测上的应用,并对江苏省高速公路上某桥的耐久性状况进行预测分析,比较了各个模型之间的预测精度,分析了各个模型的利、弊之处及其适用情况。提出GM（1,1）-Markov模型更适合用于桥梁耐久性预测中,因其能够充分反映桥梁耐久性状况的整体退化趋势与呈现波动的特性,最大限度地利用历史信息,解决了传统的退化模型和概率模型无法考虑不确定因素对桥梁耐久性状况的影响和局限性问题。     

GM（1，1，α）模型在复合地基载荷试验的应用

利用适应性极强的GM（1,1,α）模型,实现了对复合地基载荷试验数据拟合及预测。实例表明,与传统GM（1,1）模型预测法相比,该法能有效提高预测精度,为复合地基极限承栽力的合理预测提供了更好的模型。     

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.     

发动机配气相位FTA研究（1）

发动机配气相位不良会造成排放超标、油耗增加、作功不充分,还会造成功率下降、发动机过热、发动机“放炮”、加速性能变差和化油器反喷等现象,其结果为进气不足,废气排放不净。用FTA分析法研究配气相位在制造工艺中产生的各种不良情况,对有效控制相位提供重要参数。     

改进的GM（1，1）模型在变形预测中的应用

研究GM（1,1）模型的理论发现,模型的背景值序列、边值条件和残差的改进能提高模型的模拟预测精度。利用MATLAB软件编制不同背景值和边界条件下的模型优选程序,通过工程实例表明,改进的GM（1,1）模型模拟预测精度较高,适合其在变形预测中应用。