基于灰色-马尔可夫模型的道路PCI预测方法

本文利用马尔可夫模型修正传统灰色GM(1,1)模型的残差,建立基于时间序列的路面PCI动态预测模型;并利用MATLAB软件开发了灰色-马尔科夫链预测模型框架,实现了路面PCI滚动动态预测。将预测模型应用到某高速公路PCI预测中,结果表明该模型的预测能力强,比传统灰色GM(1,1)模型的预测精度更高,能满足实际工程需求。     

基于网络基坑沉降预测的马尔可夫修正模型

分析灰色GM(1,1)预测模型存在的理论缺陷,指出灰色GM(1,1)预测模型虽可用于小样本基础数据预测,但对基础沉降一类随机性强、波动性较大的数据拟合质量较差,预测精度降低。因而,提出利用马尔可夫链修正神经网络模型,其计算过程为:首先建立神经网络动态拟合模型作为基础沉降变化的基准线,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,最后通过系统状态划分样本值与模型拟合值之间的残差及中误差等指标分析计算,最终完成基础沉降的准确计算,该模型应用于基础沉降工程实例运算,取得较好效果。     

铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上与泊松曲线模型建立一种组合预测模型,并利用马尔科夫链进行残差修正,得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析,将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析,结果表明：模型对铁路软土路基沉降变形可取得较好预测效果,提高了预测精度与稳定性。     

基于灰色模型的高速公路路基沉降预测

在公路施工过程中,路基施工质量的好坏是确保公路施工质量的关键,为确保路基施工质量,必须掌握路基沉降的变化情况,特别是要能够较为合理地预估路基沉降的变化情况.文中利用灰色系统理论建立GM(1,1)灰色预估模型及其残差模型,并应用于某高速公路路基沉降变形预测中,预测结果和实测结果能较好地吻合,验证了预估模型的精度和预测方法的可行性.     

基于三次样条插值和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,提出一种基于三次样条插值和灰色GM(1,1)模型的组合预测算法。通过三次样条插值法处理原始非等间距数据,将其转变为等间距序列,继而用传统GM(1,1)模型进行预测,克服了单一预测模型的局限性,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,算法预测误差均值分别为2.07%和1.61%,方差比为0.131和0.142,精度等级达到1级。     

基于多变量灰色模型的路基沉降预测

路基沉降变形是一个复杂的动态变化过程,常用的单变量预测模型不能考虑各沉降监测点间的相关性,不足以反映路基整体的变形规律。多变量灰色模型是单变量GM(1,1)模型在多元变量条件下的拓展,可以实现对路基中相互影响的多个监测点变形预测模型的建模和预测。实例计算表明,与单变量GM(1,1)模型相比,多变量灰色模型具有更高的预测精度,显示了该方法进行路基工后沉降预测的有效性。     

灰色理论在软土路基沉降分析中的应用

根据灰色理论建立GM(1,1)模型,得到时间响应函数及预测模型,据此对路基沉降过程和最终沉降量进行预测,其预测精度满足工程需要.     

基于灰色理论的道路交通事故预测模型综述

交通事故预测模型是进行交通安全控制的关键问题之一。重点介绍了目前几种主要的基于灰色系统理论的道路交通事故预测模型:基本灰色预测GM(1,1)模型、残差灰色预测模型、灰色Verhulst预测模型、灰色马尔可夫预测模型、灰色神经网络预测模型,并指出各模型的适用条件和优缺点,为相关研究提供参考。     

基于改进的GM(1,1)模型的沥青路面使用性能预测方法研究

建立了基于路面状况指标(PCI)、路面结构强度指标(SSI)、行驶质量指数(RQI)和横向力系数(SFC)4项指标历史数据的传统GM(1,1)模型,分析了传统GM(1,1)模型缺陷,引入马尔可夫状态转移矩阵来判断残差预测值在k≥n时的符号,建立了改进的残差灰色预测模型,提高了预测精度,对高速公路使用性能的各单项指标进行了预测,并根据预测结果提出了相应的养护措施。     

张桑高速公路路基沉降预测方法研究

以张桑高速公路3个典型路基断面实测数据为研究对象,采用灰色GM(1,1)、Verhulst和非等时距UGM(1,1)三种模型对各断面的沉降数据进行了拟合及预测,根据计算结果确定了各阶段最适宜的预测模型并利用该模型对各断面的工后沉降进行了预测。结果表明,Verhulst灰色模型模拟和预测精度更高,适用于路基断面的中长期沉降预测,预测结果可为路基施工提供参考。     

GM（1，1）模型在长沙绕城高速公路软土地基沉降值预测中的应用

通过路基填筑过程所获得的有效获信息有限,缺少较准确的描述,符合灰色系统理论最少信息原理特征,因此凭借对灰色预测模型最核心的 GM（1,1）模型的研究,建立合适的灰色预估模型来对沉降进行预测。通过模型计算与现场实测的比较,结果表明：GM（1,1）模型可用于沉降值的预测,计算精度较高。     

道路交通事故灰色马尔可夫预测模型

在道路交通事故灰色预测的基础上，引入马尔可夫链预测理论，建立道路交通事故灰色马尔可夫预测模型。道路交通事故灰色马尔可夫预测兼有灰色预测和马尔可夫链预测的优点，模型克服了随机波动性数据对道路交通事故预测精度的影响，拓宽了灰色预测的应用范围。实例计算证明：道路交通事故灰色马尔可夫预测模型预测精度高于GM(1，1)模型预测精度，模型可以用于道路交通事故预测。     

应用灰色马尔科夫模型预测路面使用性能

为了提供更加准确的路面使用性能预测方法,提出了一种基于灰色模型并用马尔科夫链进行修正的灰色马尔科夫模型。结合工程实例对该方法的实用性和准确性进行检验,结果表明:灰色马尔科夫模型能够在已知历史资料的基础上对路面使用性能进行比较准确的预测,且和单一的灰色GM(1,1)模型相比具有更高的预测精度。     

基于灰色Verhulst-马尔可夫链组合预测方法的公路客运量预测研究

将灰色系统理论和马尔可夫链理论相结合,提出了灰色Verhulst-马尔可夫链组合预测方法来预测具有饱和状态发展趋势的观点;结合广东省公路客运量发展趋势来对该组合预测方法进行具体应用.计算分析证明,该模型较灰色Verhulst模型、灰色GM(1,1)-马尔可夫模型具有预测精度高、适应弹性大、实用性强等特点,可对公路客运量的发展趋势进行宏观把握,对宏观决策具有指导意义.     

公路货运量灰色模型—马尔可夫链预测方法研究

将灰色系统理论与马尔可夫链相结合,首次提出了灰色模型—马尔可夫链预测公路货运量的方法;并结合"十五"期间中国公路货运量和公路货运市场的发展趋势的预测分析详细阐述了该方法的具体应用。首先建立GM(1,1)灰色动态拟合模型,并以此作为公路货运量发展变化的动态基准线模型;在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分、样本值与模型拟合值之间的残差及其标准化离差等指标的分析计算,最终以概率形式分析和预测公路货运量的发展变化区间。理论分析和实践都表明,该法不但预测结果更可靠,而且能够对公路货运市场的发展趋势进行宏观的把握,有利于决策者的决策行为。     

灰色系统GM(1,1)模型在软基沉降预测中的应用研究

路基的沉降与稳定性控制是高等级公路使用寿命的关键,准确计算路基沉降变形值具有实际应用意义。文中采用灰色GM(1,1)模型及计算原理,进行某一级公路软土路基沉降预测,计算得出软土路基的变形曲线。其模型精度评定指标表明,该方法拟合误差小,预测精度高。     

基于残差单调性的GM（1,1）修正模型及其应用研究

通过建立灰色GM（1,1）预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1,1）修正模型。     

基于动态GM-Markov优化模型的高铁路基冻胀变形预测研究

由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Markov预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上利用马尔科夫模型进行残差修正,得到改进动态GM-Markov预测模型。利用某高铁路基冻胀变形监测数据进行实例分析,将改进的动态GM-Markov模型预测结果与灰色以及非等间距无偏灰色模型、最优组合模型预测结果进行对比分析,结果表明：改进的动态GM-Markov模型对于波动性较大的冻胀变形可以取得较好预测效果,提高了预测精度与稳定性。     

非等间距GM(1,1)抗差估计及其在路基沉降预测中的应用

路基沉降观测前期,沉降观测值不稳定,容易包含粗差,而前期沉降数据对GM(1,1)模型预测精度影响巨大。介绍了一种将非等间距观测数据等距化处理,并在GM(1,1)模型中加入IGGIII抗差方案的新方法。通过高铁路基沉降工程实例各模型预测精度对比表明:当沉降观测值含有粗差时,新算法依然能够快速准确的识别沉降真实曲线。因此,新算法可以广泛应用于路基沉降预测。     

基于神经网络实现的改进灰色组合预测及应用

针对GM（1，1）模型预测精度差的问题，采用马尔可夫链、残差数据正数化等多种方法修正残差．按等维新息的思路建立多个改进型GM（1，1）模型，并提出了基于神经网络实现的改进型灰色组合预测模型及预测算法。仿真分析表明，通过该模型可以寻求到多个改进型GM（1，1）模型预测值的最佳组合。