基于残差修正GM(1,1)模型的采空区残余变形预测研究

针对灰色GM(1,1)模型直接应用于采空区地表残余变形预测效果一般的问题,以灰色GM(1,1)模型为基础,以一元二次多项式对GM(1,1)模型预测结果进行正化残差拟合修正,构建残差修正GM(1,1)模型,并以等间距和非等间距2种形式的采空区地表残余沉降监测数据集进行实例验证。结果表明：残差正值化处理后的非线性多项式拟合修正GM(1,1)模型的预测精度增益明显,而未对残差进行正值化处理的多项式残差修正GM(1,1)模型预测精度提升效果一般,正化残差拟合修正是有效的GM(1,1)模型后处理改进方式。     

改进的灰色预测模型在煤矿安全管理中的应用

预测是确定安全管理目标的有效方法,GM(1,1)模型适用于对平滑单调数列进行建模,遇到带有周期振荡性的数列时预测精度较差.改进的GM(1,1)模型通过函数变换法对数据的周期振荡性进行处理,得到单调增加的数列,再利用GM(1,1)模型建模.实际应用表明,这种改进的方法较GM(1,1)模型效果好,使用简单.     

灰色系统理论在矿井涌水量预测研究中的应用

本文应用灰色系统GM ( 1,1)预测模型拟合韩城矿区桑树坪煤矿 1990～ 1997年的矿井涌水量 ,建立了经过二阶残差校正的GM ( 1,1)模型 ,最后对该矿 1998～ 2 0 0 1年的矿井涌水量进行了预测。研究结果表明 ,该模型的精度高 ,适合于具有灰色特征的地质数据的模拟、控制和预测     

GM（1，1）模型改进及其在矿区变形分析中的应用

矿山开采引起地表和建筑物变形,对矿区的安全生产产生不利影响,需要对矿区的地表沉降监测和预测。为提高预测模型的质量,文中在分析GM(1,1)模型的基础上,对GM(1,1)模型的参数估计方法进行了改进,用普通最小一乘法和折扣最小一乘法代替了原来的最小二乘法,并以煤矿的主井沉降监测为例,进行了分析、预测,验证了该改进方法的有效性,取得了满意的效果。     

基于非等步长的GM(1,1)模型在矿区沉陷预测中的应用

由于矿产资源的大量开采,岩体结构产生内部变形,进而导致矿区地表会产生沉陷现象,亟待利用现代测绘与数据处理手段,加强矿区地表沉降的监测与分析,科学预测地表沉陷的发展趋势。文中拟以灰色GM(1,1)模型为基础,针对样本采集的非等步长特性进行加权改进,通过沉降样本的数学建模与分析预测,扩大了传统灰色模型的适用区间。     

灰色系统理论在采空区瓦斯抽采纯量预测中的应用

为了准确预测采空区瓦斯抽采纯量,本文将GM (1,1)模型与Markov模型有机结合,构建了GM(1,1)残差-Markov预测模型.以安徽淮北某矿采空区瓦斯抽采纯量为例,分别利用GM (1,1),GM(1,1)残差,GM(1,1)残差-Markov预测模型进行预测,对模型预测结果运用后验差检验比值c及小概率精度p进行精度检验.结果表明,GM(1,1)残差-Markov预测模型达到优等,适合对近期的采空区瓦斯抽采纯量进行预测.     

基于动态不等时距的边坡位移灰色预测模型分析

对边坡进行安全监测,建立灰色GM(1,1)模型可以预测预警灾害的发生。边坡监测难以实现等时距观测,传统不等时距GM(1,1)模型预测精度低,无法满足长期预测要求。针对其缺点,重新分配在建模过程中系统数据累加和累减的权值分配,确立最佳权值分配,并在MATLAB实现程序化建模。针对仓上露天坑尾矿库边坡建立了传统、动态和修正权值的动态不等时距GM(1,1)模型,对比分析3个模型发现:动态模型较传统模型具有明显优势,预测精度提高,残差和残差率下降;修正权值的动态模型拟合度更好,预测结果更接近真实值,更能反映系统发展趋势。     

基于马尔可夫和GM系列模型的邹庄煤矿钻孔钻屑量预测对比

为减少钻孔钻屑量的实测工作,以淮北邹庄煤矿四采区中组煤72煤4#钻孔钻屑量的实测数据为原始数据,基于GM(1,1)模型、新陈代谢GM(1,1)模型、残差GM(1,1)模型和马尔可夫模型对钻孔钻屑量进行预测,对比分析其预测结果.得出结论:在煤矿瓦斯钻屑量实测中,应用马尔可夫模型预测钻孔钻屑量的精度最高,可以更大程度地减少...     

基于幂函数变换的GM(1,1)模型在地铁施工沉降监测中的应用

针对传统的GM(1,1)模型对原始观测数据的光滑度要求较高且预测结果精度较低的问题,该文选用幂函数变换的方法对原始观测数据进行预处理,提高原始观测数据的光滑度。在此基础上,该文提出了一种基于幂函数变换的GM(1,1)模型,并通过地铁施工沉降监测实例对两种模型预测结果精度进行验证。结果表明:与GM(1,1)模型相比,基于幂函数变换的GM(1,1)模型预测误差降低幅度为65. 73%,绝对误差降低幅度为50. 06%,相对误差降低幅度为46. 34%,中误差降低幅度为39. 05%,在很大程度上提高了模型的预测精度,减小了预测误差,对地铁施工过程中的安全稳定性评价具有一定的参考价值。     

基于Gauss-Legendre公式改进的煤炭产量灰色预测模型研究

基于GM(1,1)背景值的构造方法,提出了一种基于Gauss-Legendre公式改进灰色预测模型的方法,并推导得出了基于两点Gauss-Legendre公式改进的GM(1,1)模型,改进模型的背景值计算公式具有更高的代数精度。以我国原煤产量预测为实例,详细说明了改进模型的建模与计算过程,并将预测结果与传统GM(1,1)模型和基于连分法改进的GM(1,1)模型的预测结果进行了对比分析,验证了改进模型具有较高的预测精度。     

等维新信息模型在矿区地表沉降预测中的应用

在煤层开采过程中,实时动态的对矿区地表的下沉值进行观测与预计对煤矿的安全生产及矿区人们的生活有重要的作用。因为灰色系统GM(1,1)预计模型具有所需数据量少,计算简单,预测准确的特点,所以文章用灰色系统GM(1,1)模型对矿区地表的下沉值进行了预计,得到比较好的效果     

基于灰色模型群的软岩巷道围岩变形预测

随着煤炭资源逐步转向深部开采,软岩巷道的支护问题显得尤为突出,巷道围岩变形监测及预测对巷道支护设计、维护等具有重要的指导意义。传统的预测方法多基于岩体力学理论,计算过程较为复杂。以巷道围岩变形原始数据作为参考数列,结合灰色系统理论,构建基于全数据GM（1,1）、新信息GM（1,1）、新陈代谢GM（1,1）等3类预测模型的软岩巷道围岩变形预测灰色模型群,并将其应用于预测某矿软岩巷道顶底板及两帮围岩变形位移。结果表明,利用该灰色模型群进行巷道围岩变形预测的精度较高,能较好地顾及围岩变形新信息对预测精度的影响,使得预测结果更加符合实际。     

基于平滑变换的瓦斯涌出量灰色预测方法研究

为弱化采面瓦斯涌出量数据序列随机波动性,依据灰色模型构建理论,尝试引入不同的平滑变换函数来建立预测模型并综合对比分析．实证表明：引入实用缓冲算子的GM（1,1）模型预测拟合度和精确度更高,数据可信度更好,可为煤矿企业安全决策提供一定的理论依据．     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

GM(1,1)模型在含硫矿堆温度场预测中的应用

介绍了等时距GM（1，1）模型与不等时距GM（1，1）模型的一些基本理论，并尝试将不等时距GM（1，1）模型运用到含硫矿堆温度场的预测当中，这对含硫矿堆自燃的防治具有一定的指导意义。     

堆浸浸出率灰色系统GM(1,1)模型的建立及预测

应用灰色系统理论的数学原理及建模过程,建立了堆浸浸出率的GM（1,1）模型。应用该模型对某铀矿石室内模拟试验的浸出率进行灰色预测,采用“残差检验法”和“灰关联度检验法”进行检验。结果表明,GM（1,1）模型的预测精度高,适合于具有灰色特征的地质、采矿、选矿、经济等原始数据序列的模拟控制和预测分析。     

灰色系统分析在沉降监测中的应用

文章对在沉降监测中如何利用灰色系统理论进行数据分析与预测做简要阐述,同时研究影响GM(1,1)预测模型预测精度的因素,探索如何提高模型预测精度,进而更好完成变形监测工作。     

残差修正GM(1,1)模型在煤矿事故预测中的应用

百万吨死亡率是煤炭安全生产的一个重要考核指标,为准确预测煤炭行业安全生产的总趋势,利用灰色系统相关理论,建立了煤炭行业百万吨死亡率的GM(1,1)预测模型。同时鉴于GM(1,1)模型预测精度很低,建立残差修正GM(1,1)预测模型对模型进行了二次修正,并利用该修正模型成功预测出我国煤矿2009年的百万吨死亡率将首次降到1以下,权威机构数据表明,预测结果是可参考的。     

灰色系统理论在矿山边坡变形预测中的应用

为保证露天转地下平稳过渡,需对-30 m水平挂帮矿进行开采,而西南边帮的稳定确保挂帮矿的顺利开采,因此基于杏山铁矿复杂的地质条件和矿区在露天转地下条件,对西南帮边坡变形破坏规律进行了分析。在分析西南边坡变形破坏规律的过程中,主要运用灰色系统理论建立了杏山铁矿GM(1,1)预测模型,应用该预测模型对杏山铁矿边坡实际监测数据进行了分析,并将其结果与现场监测数据进行了对比分析,说明其变化趋势与监测结果基本一致,验证了GM(1,1)预测模型的可靠性,为模型后期的预测提供了理论依据。     

矿区边坡变形预测的IGM-LSSVM模型

由于监测环境恶劣,变形监测序列常伴有较大波动,针对灰色模型（gray model,GM）仅适用于分析指数型变形序列,且最小二乘支持向量机（least squares support vector machine,LSSVM）在进行变形预测时存在参数难以有效选取的问题,提出了一种改进的灰色最小二乘支持向量机变形预测模型（IGM-LSSVM）。将几何平均生成变换引入GM（1,1）模型,增强其输入样本的指数规律性,初步预测出变形值并计算残差;针对人工蜂群算法（artificial bee colnony,ABC）在优化LSSVM参数时易陷入局部极值的缺陷,引入Metropolis准则并为其设计了自适应降温函数,得到自适应Metropolis人工蜂群算法（adaptive metropolis artificial bee colnony,AMABC）;利用AMABC算法优化的LSSVM训练GM（1,1）模型得到的预测残差值补偿GM（1,1）模型,得到最终预测值。某矿区边坡变形预测表明：AMABC算法有效克服了ABC算法易陷入局部最优解的缺点,IGM-LSSVM、GM（1,1）、ABC-GM-LSSVM等模型预测的平均相对误差分别为1.223%,9.565％、3.200％,可见,IGM-LSSVM的预测精度相对于其余2种模型优势明显,对于实现矿区边坡变形高精度预测有一定的参考价值。