基于灰色bp神經網絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統的灰色gm(1，1)模型和bp神經網絡模型的基礎上，進行了灰色bp神經網絡組合模型的研究。通過總結2傳統模型的原理和算...

灰色gm(1,1)預測模型,要求樣本數據少,具有原理簡單、運算方便、短期預測精度高、可檢驗等優點,在負荷預測中得到了廣泛應用,但是也有其局限性。當數據灰度越大,預測精度越差,且不太適合經濟長期后推若干年的預測,在一定程度上是由模型中的參數α造成的,為此引入向量θ,建立殘差gm(1,1,θ)模型,利用蟻群優化算法對其進行求解,同時應用神經網絡對其預測殘差進行優化。實證分析表明,與傳統的預測方法相比,大大提高了預測精度,該方法具有一定的實用價值。

針對當前電力需求在中長期預測方面的需求，結合相關的智能算法，提出一種基于改進聚類算法的電力需求預測模型。結合聚類算法的優點，對電力需求數據進行劃分，從而得到不同行業的電力數據；然后利用統一的電力需求模型，對電力需求進行預測。通過這種方式挖掘到不同行業在未來對電力的不同，進而更好的做好對各個行業電力需求的供應。

介紹灰色神經網絡模型的建模原理和方法,并采用該模型對實際的監測數據進行處理和分析。結果表明,灰色神經網絡模型能夠在小樣本、貧信息和波動數據序列等情況下對變形監測數據做出比較準確的模擬和預報,從而能夠為變形監測的數據處理提供一種較好的方法,能夠滿足實際應用的需求。

灰色神經網絡就是將灰色系統方法與神經網絡方法有機地結合起來,對復雜不確定性問題進行求解所建立的模型.結合灰色預測方法與神經網絡預測方法,對四川省普通高等學校每年所招收新生人數進行預測.結果表明此種組合模型的精度較高,且具有灰色系統的少數據建模優點及神經網絡的精度可控特性.

以浙江省公路貨運量歷史數據為例,考慮到影響貨運量主要因素,采用灰色神經網絡模型gnnm(1,n)進行預測,并與灰色模型gm(1,n)和神經網絡預測結果相比較。計算結果表明:該方法在預測公路物流需求量具有有效性;在灰色模型gm(1,n)預測時,通過比較緊鄰均值生成序列的生成系數α對預測精度的影響,選取了最優值進行計算從而提高了灰色模型的預測精度。

建筑物沉降的因素多種多樣，因此，采用變形監測技術對沉降量進行監測，利用精度較高的預測模型進行沉降量預測預警很有意義。為了提高建筑物變形監測的精度以及變形監測預警的準確性，針對gm（1，1）模型和rbf神經網絡進行分析，提出灰色rbf神經網絡模型。通過對某建筑物的沉降監測數據進行實例計算，結果顯示灰色rbf神經網絡模型具有較高的預測精度。

通過markov狀態轉移矩陣對改進后的灰色預測結果進行修正,構建改進灰色-markov預測模型,并對我國鐵路未來貨運量需求預測進行了實證分析。

gm模型在預測中對歷史數據作不同取舍時,其預測值并不相同,即這種預測結果將是一個預測值的區間,這就給預測人員的取舍帶來一定困難。利用gm模型少數據建模和人工神經網絡非線性逼近的優點把兩種模型結合起來,用對歷史數據作不同取舍的gm模型的預測值和純神經網絡的預測值作為組合神經網絡的輸入,由人工神經網絡確定這些不同gm模型和純bp網絡的組合,實例驗證得出更為準確的預測值,從而證明這一模型的可行性和有效性。

bp神經網絡-灰色系統聯合模型預測軟基沉降量——目前軟基沉降預測多采用指數曲線和雙曲線延伸法，其結果不夠理想，神經網絡在此方面的運用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預測領域已得到運用，但在已有的案例中所使用的等時距模型都沒有明確說明...

簡單地介紹了bp神經網絡與灰色系統gm(1,1)模型原理,并利用matlab語言及其工具箱,結合某深基坑工程的地表沉降監測數據編制了預測預報程序,實現了地表沉降數據的預測預報。分析了這2種模型的預測結果。

利用智能方法對邊坡形變進行預測,進而對礦區安全進行評估近年來成為研究的熱點。針對邊坡形變數據小樣本、貧信息、高非線性等特點,本文將灰色理論與神經網絡方法相結合構建灰色神經網絡,充分利用灰色模型處理小樣本和神經網絡處理非線性的能力,對礦區邊坡形變進行預測。實驗分析表明,利用灰色神經網絡進行形變預測是正確有效的,預測精度取得了較好的效果。

在城市地下工程建設中,深基坑開挖引起的周圍地表土沉降問題越來越受到人們的重視。地表沉降將引起鄰近建、構筑物破壞,從而造成經濟損失。因此,預測基坑周圍土體未來一段時間的沉降,對及時采取治理措施具有重要意義。文章針對gm(1,1)模型地面沉降預測精度較低的問題,利用神經網絡對灰色預測模型進行組合,生成灰色神經網絡模型,并進行預測分析,結果表明,利用灰色神經網絡模型預測的沉降值,比單獨的灰色gm(1,1)模型預測的沉降值具有更高的精度。

在深基坑工程施工過程中，基坑周圍地表的沉降對周圍建筑物、地下管線和支護體系的安全都會造成很大的影響，如何利用對影響基坑周圍地表沉降的關聯因素的研究并結合基坑周圍地表沉降的監測數據來分析得到基坑周圍地表沉降量的走勢，已成為城市建設中的一個重要的安全課題．以天津市某換乘車站為例，分析影響該基坑周圍地表沉降的關聯因素，建立灰色預測和bp神經網絡組合模型，在“小樣本、貧信息”的情況下，得到的預測結果與實際監測值吻合度較高．利用該預測模型可對一些在開挖過程中監測天數相對較少的深基坑工程進行可靠而準確的預測．

礦井瓦斯涌出量預測一直是煤礦生產過程中倍受關注的問題。它受眾多因素的影響,而各因素之間的非線性關系錯綜復雜。近年來,許多的學者利用人工神經網絡對非線性的對象建模預測,但是存在收斂速度慢,易陷入局部極小等缺點。本文將灰色理論引入小波神經網絡模型中,其中灰色模型利用累加生成的新數據建模,突出趨勢項影響,小波神經網絡通過灰色模型的預測結果進行再預測,使得小波神經網絡的非線性激勵函數更加易于逼近,減小周期和隨機成分,提高了涌出量預測精度,表明了該模型可靠性。

提出了一種基于灰色模型和神經網絡組合的短期負荷預測方法。首先利用頻域分解消除負荷序列的周期性,然后利用灰色模型計算負荷序列的歷史擬合值和未來預測值,將其作為神經網絡的輸入。在歷史數據中選擇一天作為基準日,以該基準日的量為參照,以負荷的灰色模型擬合值相對基準日的變化量,以及溫度變化量為bp神經網絡的輸入,實際負荷變化量為輸出,訓練神經網絡并預測待預測日負荷的變化量,加上基準日負荷后得到預測負荷。該方法綜合了灰色模型方法和神經網絡方法的優點,仿真結果驗證了方法的有效性。

針對電力日最高負荷受多種因素影響,變化趨勢復雜,難以通過建立準確的數學模型進行預測的問題,提出灰色動態模型對電力日最高負荷進行預測,在此基礎上構造了灰色神經網絡組合預測模型。該模型避免了變權組合預測模型的主觀與繁瑣,能有效地將灰色預測弱化數據序列波動性的優點和神經網絡較強的非線性適應能力相融合。算例結果表明該方法的可行性和有效性,預測精度也得到了改善。

為降低船舶交通流量的預測誤差,提高預測精度,在分析傳統的灰色模型和反向傳播(backpropagation,bp)神經網絡模型優缺點的基礎上,構建灰色神經網絡模型預測船舶交通流量.以實際測量值作為初始數據構建不同的灰色模型,各種灰色模型的預測值作為神經網絡的輸入值,得到最佳預測模型.實例分析表明:灰色神經網絡模型可提高預測精度,預測結果比較理想,優于單一預測模型;該模型具有所需初始數據少和非線性擬合能力強的特點,用于船舶交通流量預測是可行和有效的.

采用灰色預測模型分析了農村客運需求的主要影響因素,利用這些因素建立灰色預測模型,對我國農村客運需求進行了短期預測,為我國公路客運的發展規劃提供參考。

灰色系統是部分信息已知、部分信息未知的系統。灰色系統把一般系統理論、信息控制的觀點和方法延伸到社會、經濟等廣義系統，灰色系統理論能更準確地描述社會經濟系統的狀態和行為。研究基于灰色系統理論的灰色預測模型，對社會經濟系統預測具有重要的意義。由于用電負荷增長情況受經濟發展、產業機構、氣候、居民收入水平等諸多因素的影響，其中有一些因素是確定的；而另外一些因素是不確定的，故可以把它看作一個灰色系統。

水資源利用評價與趨勢預測是當前水資源研究的熱點問題.運用生態足跡方法計算了廣西1997~2014年的水資源生態足跡、水資源生態承載力和水資源生態盈余,在此基礎上,采用灰色神經網絡模型進行動態模擬并預測其2015~2019年的發展趨勢.結果表明:①1997~2014年,廣西人均水資源生態足跡和水資源生態承載力總體均呈下降態勢,但前者的降幅明顯小于后者;歷年水資源均表現為生態盈余但總體呈下降走勢,表明該地區水資源利用處于可持續狀態但面臨逐漸轉向不可持續的威脅.②2015~2019年的人均水資源生態足跡將維持在0.9~1.1hm2左右,其走向是先升后降;人均水資源生態承載力將保持在1.8~2.3hm2左右,波動明顯;人均水資源生態盈余介于0.7~1.3hm2之間,水資源利用仍將處于可持續狀態,但可持續開發利用空間相較之前明顯縮小.③與常用的灰色模型相比,灰色神經網絡模型模擬精度具備明顯優勢并具有很強的內插擬合能力和較好的外推預測能力,可應用于同類問題的預測分析.

方法的選擇對電力負荷預測結果至關重要,本文通過對x(1)(1)增加干擾因素β,實現對初始值的優化,較已有研究文獻使用x(1)(n)+β方法更加便于理解,保持運算前后一致,同時,改進背景值的設置。通過實例驗證,此方法可以在負荷預測上得到很好的應用,提高預測精度。