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.     

基于改进灰色模型的东北地区铁路货运量预测

铁路货运量预测在国家和区域经济发展规划中具有十分重要的作用。灰色GM(1,1)预测模型被广泛应用于铁路货运量预测研究中。本文在建立灰色GM(1,1)模型的基础上,采用更符合东北地区经济发展态势的改进灰色模型——新陈代谢GM(1,1)模型对东北地区2006—2011年铁路货运量进行预测。通过对原始数据与预测数据的精度检验后发现:新陈代谢GM(1,1)模型满足四种精度检验要求,符合一级预测标准并适合中长期预测,适合于东北地区铁路货运量的预测研究。最后应用新模型预测2012—2015年东北地区的铁路货运量,使得预测数据更加合理化。与灰色预测的基本模型相比,改进的预测模型具有较好的实用价值。观察预测数据发现东北地区货运量呈单调递增趋势,有良好的发展态势。     

等维灰数递补技术在隧道地表沉降预测中的研究与应用

基于等维灰数递补数据处理技术,建立了等维灰数递补GM(1,1)模型,对洞口山体沉降进行预测和模拟,以判定洞口山体的稳定性。结果表明:等维灰数递补数据处理技术充分利用了系统响应的最新信息,降低了预测系统的灰度,提高了模型的预测精度,预测结果可靠,与常规灰色预测模型相比,该法更具有实用价值。     

融合人工智能算法的铁路路基沉降预测方法

首先利用三阶多项式拟合、GM(1,1)和BP神经网络等算法构建了铁路路基沉降单预测模型；然后基于误差法和熵值法，以合肥地铁4号线盾构隧道下穿既有铁路的监测数据为基础，融合三阶多项式拟合、GM(1,1)和BP神经网络构建了组合预测模型，实现铁路路基沉降的分阶段预测；最后，利用平均绝对误差、均方误差和平均绝对百分比误差评价模型精度。结果表明：基于误差法和熵值法的组合预测模型能显著提高预测精度，预测相对误差均小于±5%，预测均方根误差均小于±0.1 mm，验证了提出的组合预测模型的有效性。     

基于等维灰数递补模型的软弱围岩隧道变形预测

结合隧道掘进施工以及变形监测的实际情况,利用灰色预测理论中的GM(1,1)模型,采用等维灰数递补数据处理技术建立等维灰数递补GM(1,1)模型来对灰色GM(1,1)模型进行改进,并结合工程实例中的变形实测数据进行验证.结果表明:修正模型的建立所需数据少,计算方法简单易行,而且预测值精度明显提高;灰色建模的数据取样越接近预测点,则得到的模型预测值越接近实际值,一般4次预测值的结果基本接近于实测值,该模型能更真实地反映软弱围岩隧道的变形规律.     

基于灰色系统理论的铁路客运专线路基沉降预测

基于灰色预测模型GM（1,1）模型、离散灰色预测DGM（1,1）模型和非线形离散灰色预测NLFDGM（1,1）模型,采用FORTRAN语言,编制了路基沉降预测程序GREYMODEL。将该程序应用于铁路客运专线路基典型断面沉降预测,并与实测结果进行对比。结果表明：DGM（1,1）模型作为GM（1,1）模型的离散形式,两种模型的预测结果比较接近,短期预测精度高,中长期预测精度低;结合等维信息建模,非线形离散灰色预测NLFDGM（1,1）模型具有极高的精度和稳定性,在路基沉降预测中推荐使用;并提出了若干关于提高灰色模型预测稳定性和精度的建议。     

灰色GM（1，1）模型预测沉降的局限性分析

考虑现场沉降监测数据的不等时间间隔性及数据的不断更新性,建立了不等时距等维新息GM(1,1)沉降预测模型并研发了相应的预测程序RIID,将其应用于实际工程的沉降预测,验证了预测模型合理性和程序的可行性。分析了实测数据时间间隔和预测步数对GM(1,1)模型预测精度的影响。结果表明:数据时间间隔相差太大,将导致模型失真;GM(1,1)模型只能进行短期预测,若要预测未来较长时间内的沉降,必须有新增数据,这就使得该模型在实际工程中的应用受到限制。     

隧道地表沉降预测的改进等维灰数递补模型

在灰色预测理论模型的基础上,引入等维灰数递补数据处理技术和平滑系数,建立等维灰数递补GM(1,1)模型,并采用枚举法搜索各次模型的最优平滑系数,对模型进行了进一步改进.最后,结合金鹗隧道洞口地表沉降实测资料,进行实例验证与分析.研究结果表明:等维灰数递补技术,充分利用了系统响应的最新信息,减弱了系统响应的灰平面,实行动态预测,比常规灰色模型更适合于长期预测.而通过引入平滑系数,充分考虑了各时刻系统信息的重要程度,进一步提高了预测精度,为隧道安全施工,提供了必要的前提.     

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。     

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。     

铁路旅客周转量的改进等维新息模型预测

铁路旅客周转量预测不仅影响铁路客运计划组织工作,它还体现了客运市场中铁路运输的市场控制力。针对灰色模型对数据的要求,采用滑动平均处理和对数化处理原始数据,并采用等维新息模型对铁路旅客周转量进行预测,通过与实际情况和GM(1,1)模型的预测效果的对比可以发现,该模型可以通过检验并且预测效果良好。     

牵引供电系统可靠性预测及建模方法研究

基于采用无偏GM(1,1)模型预测其相关设备中长期的故障数据,增大了建模所需的数据样本量,能解决牵引供电系统可靠性建模由于故障数据较少,导致建模的精度不高且建模失败的可能性大的问题,提出基于粒子群算法的智能拟合方法。以威布尔分布模型为基础,建立牵引供电系统各关键设备可靠性分析的数学模型。计算得到用最小割集表示的牵引变电所和接触网故障树模型,综合分析得出牵引供电系统整体的可靠性模型,并计算系统整体的可靠度和平均使用寿命,通过建立灰色关联分析模型,计算得出接触线是影响牵引供电系统整体可靠性的关键设备。     

基于灰色理论和PSO的牵引供电系统可靠性研究

采用灰色GM(1,1)模型预测其相关设备中长期的故障数据,增大建模所需数据样本量,提出以威布尔分布模型为基础,基于粒子群算法的智能拟合方法,建立牵引供电系统各设备可靠性分析的数学模型,所建模型全部通过拟合优度K-S检验,证明该方法十分适合于牵引供电系统设备的可靠性建模。运用BDD算法得到用最小割集表示的牵引变电所和接触网故障树模型,综合得到牵引供电系统整体的可靠性模型,并计算出系统的可靠度和平均使用寿命。最后分析可知接触网的可靠性在很大程度上决定了牵引供电系统整体的可靠性,其分析结果为牵引供电系统以后的维护工作提供了理论依据。     

基于BP神经网络修正的自适应灰色模型的隧道变形预测研究

隧道围岩具有高度的非线性变形特征,通过变形预测能有效判断隧道变形的发展趋势。首先以自适应GM(1,1)模型对隧道变形进行初步预测,且为保证自适应模型的参数为全局最优参数,提出以粒子群算法对模型参数进行优化;其次,以BP神经网络为基础,建立误差修正模型,旨在进一步提高预测精度。在此基础上,将该预测模型应用于2个工程实例中,结果表明:该预测模型在横向和纵向上的预测效果均较好,自适应能力和递推能力均较强,预测结果与实测值较为吻合,预测精度较高,能较好地反映隧道围岩的变形规律。该预测模型能较为有效地实现隧道围岩的动态预测,可以进行推广应用及研究,为隧道变形预测提供一种新的思路。     

灰色线性回归组合模型在地面沉降预测中的应用

选择合适的沉降与时间的关系模型对于沉降预测而言是很重要的。根据地面沉降机理与曲线特征，对某数据序列进行了光滑性和指教规律性检验，使用线性回归和灰色模型的组合模型对该数据序列建模和预测，所得平均相对误差和均方差比值都优于GM（1，1）。研究结果表明，具有线性特征的沉降数据序列选用灰色线性回归组合模型进行短期预测效果更好。     

基于灰色GM（1，1）非等时距修正模型的轨道质量预测

根据灰色理论,以轨道质量指数检测数据为原始时间序列,通过累加弱化序列的随机性,挖掘轨道系统内在的规律,研究建立基于厌色GM(1,1)非等时距模型的轨道质量预测方法.为提高模型预测精度,优化模型中的初值和背景值,并基于残差分析引入周期性函数,对模型进行修正.用此模型对轨道质量指数TQI数据进行分析预测,并对模型精度进行检验.结果表明模型能较好地反映轨道质量恶化发展的随机波动特征,拟合、预测精度高,为了解和掌握轨道质量状态的发展规律提供了新的方法.