共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
5.
针对以往单一GM(1,1)模型建立过程中难以克服不稳定因素对预测结果的影响,提出根据不同时间段建立多个GM(1,1)模型,基于济宁市2001~2011年用水量数据,采用灰色动态模型群对济宁市2011~2020年需水量进行预测。结果表明,济宁市2011年用水量为26.76×108 m3,到2015年需水量增至29.9×108 m3,2020年增至33.9×108 m3,呈增长趋势,这与济宁市社会经济发展态势相吻合,可见灰色动态模型群用于需水量预测可行、有效。 相似文献
6.
传统静态监控模型是一次性利用全部监测资料建立起来的,不能反映最新观测资料的影响,且随着资料延长,重复工作量较大。针对这些不足,应用递推回归的方法,建立了大坝安全动态监控模型,实例分析表明,动态监控模型的预报和监控效果均好于静态监控模型。 相似文献
7.
8.
9.
10.
为提高大坝安全监测数据预测精度,将差分自回归移动平均模型(ARIMA)与广义回归神经网络(GRNN)相结合,建立了ARIMA-GRNN预测模型。以前期实测值和ARIMA拟合值作为GRNN网络的输入,后期实测值作为网络输出,以平均平方误差最小为原则寻找光滑因子,建立最佳的预测模型,并运用熵权法和标准离差法对各模型进行多指标综合评价。结果表明,ARIMA-GRNN模型预测精度较ARIMA模型明显提高,可应用于大坝安全监测。 相似文献
11.
12.
针对基本的粒子群算法存在训练早熟等问题,调整了算法中的粒子飞行策略,将其应用于大坝变形安全监控模型中,比较了改进前后模型的效果;并建立了逐步回归统计模型,通过对比模型的预测特征参数,比较分析了模型间的预测效果。结果表明,改进的粒子群算法具有改善早熟现象的优点,且预测效果有所提高。 相似文献
13.
14.
15.
16.
为解决利用混凝土坝安全监测全序列数据建立的支持向量机(SVM)模型存在结构复杂、计算工作量大等问题,提出利用熵理论选择具有代表性样本代替全序列样本进行建模,即通过建立外部档案,根据外部档案更新算法选择具有代表性的样本,然后将外部档案的样本用作支持向量机的训练样本。将该方法用于某蓄水初期的混凝土坝变形模型的构建中,结果表明,该组合算法在保证模型精度的同时有效降低了模型的复杂程度,减少了模型的训练时间,且使模型的泛化能力得到一定的提升。 相似文献
17.
灰色模型可以克服随机分析模型的某些缺点,但有时灰色模型的拟合精度较低,针对这个问题,提出了用灰关联度较大的显著变量建立较优GM(1,N)模型的方法,并将其应用于大坝安全监控领域。算例表明,较优GM(1,N)模型的精度比逐步回归模型要高。 相似文献