地下水动态预测的灰色─周期外延组合预测模型

本文提出的灰色预测与周期外延预测相结合的灰色─周期外延组合预测模型，吸取了灰色预测与周期外延预测的优点，可广泛应用于地下水动态预测及其它序列预测。     

吉兰泰盐湖卤水动态变化趋势及预测

利用灰色和周期外延预测模型各自的优点,提出了灰色与周期外延相结合的灰色 周期外延组合预测模型,对吉兰泰盐湖中具有代表性的６个观测孔的卤水动态变化进行了模拟。该模型可广泛应用于地下水动态预测和其它序列的预测中     

河流年径流量的R/S灰色预测

径流过程具有分形和灰色特征。基于此,将R/S分析与灰色系统理论相结合,提出了R/S灰色预测模型以预报河流年径流量。针对黑河正义峡水文站60a(1949~2011年)的年径流量资料,首先进行R/S分析,确定径流量序列的Hurst指数H和平均循环周期T;然后在一个周期内进行年径流量灰色预测。结果表明:R/S灰色预测结果的精度明显高于直接进行灰色预测的精度。该方法拓宽了分形和灰色理论在径流过程研究的应用范围,为河流径流量的科学预测提供了一种新方法。     

金矿资源量灰色建模预测法

本文应用灰色预测的理论，在给出了矿床定性预测－灰色关联分析预测法的基础上，提出了矿床资源量定量预测－灰色ＧＭ（１，１）拓扑预测法。理论分析和预测结果表明，该方法适用于矿床的定量预测，为预测金矿资源提供了科学依据。     

沉降预测的非等步长灰色时变参数模型

针对经典灰色系统模型的不足，根据灰色系统理论的信息处理原则，在模型中引入遗忘因子，建立了灰色系统沉降预测的非等步长灰色时变参数模型，并在求解过程中引入遗忘因子以修正预测结果。模型充分考虑了预测系统的时变性和灰色性，从而降低对预测系统状态的预测误差。实例预测表明，灰色时变参数模型可以将工后总沉降量的预测误差控制在23%以内。误差检验结果显示，预测结果的精度等级较引入遗忘因子修正前有显著的提高。     

岩溶地下水灰色系统分析软件开发

结合灰色系统在岩溶地下水方面的研究进展,从实际应用的角度出发,通过逐步求精的方法,使用VisualC++6.0编程,开发出一套能够满足水文地质工作者使用且操作方便的岩溶地下水灰色系统分析软件。该软件分别由灰色关联分析、数据预处理、GM(1,1)模型、等维递补预测、残差周期模型和GM(1,N)预测模型6个模块组成,具有操作简单便捷、计算结果精确、出错信息处理完善、预测结果直观、数据输入输出方式灵活、残差结果曲线输出及可推广性强等优点。利用该软件对山西柳林泉2008和2009年的泉水流量进行预测检验,GM(1,1)模型的残差周期修正预测精度明显提高,2008年的预测误差由0.32m3/s下降到0.17m3/s,2009年的预测误差由0.29m3/s下降低到0.19m3/s。      

洛阳市浅层地下水硬度的灰色数列预测

洛阳市浅层地下水硬度上升问题突出。要解决水质硬化问题，必须掌握市区浅层地下水硬度的时空发展趋势。灰色数列预测是一种较好的趋势预测方法，不需要大量数据，而且是一种动态的分析过程。本文将市区的浅层地下水硬度作为灰色量，用已有的硬度数据建立GM（1，1）灰色模型，预测其未来的变化趋势。目的在于为改善洛阳市浅层地下水质，解决水质硬化问题提供一个参考依据。预测结果显示，灰色模型具有较好的预测效果。除局部地段外，洛阳市大部分地方的浅层地下水硬度呈上升趋势；硬度在空间分布上会发生变化。     

联合多种数据驱动建模方法的滑坡位移预测研究

边坡位移是滑坡演化的宏观体现,分析并预测滑坡位移发展态势对于防灾减灾具有重要意义。由于滑坡位移曲线具有明显的非线性特征,单一模型往往难以刻画其非线性与复杂性。为发展一种普遍适用于滑坡位移的预测方法,提出了一种联合多种数据驱动模型的新方法。该方法根据时间序列分析理论,将滑坡位移序列分解为趋势项和周期项,趋势项采用并联型灰色神经网络处理,周期项则采用人工蜂群算法（ABC）优化后的极限学习机模型（ELM）处理,从而充分应用各种模型的优点。以三峡库区白水河和八字门滑坡为例,对位移数据进行分析处理后,灰色神经网络模型预测其趋势性位移,改进后的极限学习机模型对周期性位移进行训练及预测。结果表明:在预测精度上,优化后的极限学习机模型准确度高于极限学习机模型及小波神经网络等方法,提出的灰色神经网络与ABC-ELM的组合模型可作为实际工程的一个参考。     

矿床灰色预测系统观

矿床是在漫长的时间、广阔的空间、复杂的介质中，由一定的成矿作用形成，赋存于地质环境发生局部性变异的地区。这种异常变化可分为地理、地球物理、地球化学三大类。它们概有各自的特殊性，又有相经的关联性。人们采用地质、地球物理、地球化学勘探方法获提的找矿信息，可以将其视为成矿作用在3个侧面的表现形式。显然，用现代灰色系统思想来分析，长期、复杂、多源的成矿作用是灰色动态过程；综合方法寻找矿床是地质找矿灰色系统工程，矿床形成和分布是多种控矿地质因素综合作用、相互关联、发展变化的灰色系统。因此，从矿床的预测的意义上说，就是对这个系统进行整体上的考察，揭示灰色成矿场的展布，以圈定矿床赋存的最有利部位。 在新的矿床预测方法的研究中，我们把灰色系统理论与地质、物探、化探方法相结合，提出了以已知矿床上建立的参考数列系为灰色子波，对研究区的比较数列系进行关联度扫描，从中圈定关联度异常，预测矿床赋存部位的矿床灰色预测法。在新疆哈密研究区作了隐伏铜镍矿床预测试验，证实了该方法具有矿床信息提取、综合处理、靶区优选、定位预测的功能，适用于大比例尺隐伏矿床预测。     

滑坡位移灰色预测模型的VB编程实现

灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在滑坡地质灾害研究方面，灰色模型多用于滑坡变形的中长期预测预报，且精度较高。文章在介绍分析了灰色预测模型GM(1，1)的基本原理基础上，开发了用VB语言编写的滑坡位移灰色预测软件，解决了笔算困难问题。实例验证了该模型用于预测滑坡位移值的适用性及软件的可靠性。VB编程能够很好地与其它软件(GIS软件)集成，在其它专业软件中使用，有聋于滑坡地质灾害的研究。     

系统思想在矿产预测中的运用

本文将系统科学与矿产预测相结合,初步建立了矿产预测系统的理论体系。不仅阐述了矿产预测系统的思想和原则,建立了矿产预测系统的结构及构造,而且阐明一些新颖的反映矿产预测系统特征的概念;此外,还提出了矿产预测研究的灰色系统信息方法。     

基坑变形的灰色-时序动态预报方法

基坑变形是一个动态的相互依存的过程。在基坑开挖与施工过程中,可用灰色理论GM(1,1)与时间序列AR组合模型预测其变形发展。灰色模型预测发展趋势,时间序列预测其随机部分。根据某时间序列变形观测值分别建立灰色与时间序列预测模型,并随着新数据的加入适时修改模型参数。工程实例研究表明:用组合模型预测变形值,其误差大多数情况下小于5%;在数据较少或变形数据变化较大时,组合模型预测值明显优于单一模型预测值。但在数据较多且变化平稳时,用单一的灰色模型与灰色时间序列组合模型预测误差相差不大。预测步数越多,则预测精度越低。     

灰色预测模型GM(1.1)在水文预测中的应用——以玛纳斯河为例

由于灰色预测模型理论较时间序列预测具有很大的优势,所以在许多领域得到广泛的应用.为将该方法应用于水文与水资源预测,本文以玛纳斯河流量预测为例,应用GM(1.1)灰色预测模型对水文水资源要素进行预测,并分析该预测模型在水文水资源中的应用.经分析认为,GM(1.1)灰色预测模型对水文水资源要素预测具有重要的意义.     

龙羊峡水库入库径流变化特征及趋势预测

根据龙羊峡水库入库径流代表站－唐乃亥水文站年及汛期径流量观测资料,分析了入库径流的变化特征,并利用灰色系统中的残差序列周期修正ＧＭ（１,１）模型,对其近期及未来的变化趋势进行了预测。     

也谈灰色GM（1,1）模型预测精度问题

本文根据灰色预测理论,结合预测实践,主要阐述了以下观点:1)灰色建模的数据序列不一定越长越好;2)灰色 GM(1,1)导数还原预测模型的精度低于累加生成预测模型的精度;3)累减还原预测模型是灰色 GM(1,1)预测模型的最终预测模型。     

改进灰色模型对路基沉降预测的应用研究

讨论了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)进行了改进 ,建立了任意间隔的非时序改进灰色模型。通过具体工程实践 ,给出了两种模型对路基沉降量预测结果与实测结果的比较 ,表明改进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     

改进灰色模型对路基沉降预测的应用研究

讨论了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）进行了改进,建立了任意间隔的非时序改进灰色模型。通过具体工程实践,给出了两种模型对路基沉降量预测结果与实测结果的比较,结果表明改进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。     

路面状况与造价的灰色预测研究

路面使用性能预测是路面管理活动中技术经济分析不可缺少的内容。为了提高路面状况预测精度,体现路面衰变的发展,应用灰色状态马尔科夫模型对路面使用性能进行预测。研究表明,该模型在数据较少的情况下,可以提高预测精度,实现动态预测,从而把有限的资金分配到最需要采取措施并能取得最佳经济效果的路段上,合理利用建设资金。应用GM(1,N)模型对路面寿命周期各费用的发展趋势进行预测,实现造价的主动控制和寿命周期费用最少。     

灰色关联标度分析及其应用

本文提出一个新的矿产资源定量预测方法：灰色关联标度分析，并用它对辽宁省某地的金矿预测进行模型单元选择。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。