傳統的GM(1 ,1) 模型通常以第1 點作為初始值來確定積分常數C ,缺少一定的理論依據。文中就GM(1 ,1) 模型初始值的優化選取進行了深入的探討,提出建模方差的概念。依據建模方差δ2 最小的原則,對傳統GM(1 ,1) 模型的初始值進行改進,提出基于優化初始值的GM(1 ,1) 模型。在...

通過分析小波理論和灰色模型的各自特征,提出一種基于小波分析的灰色預測模型。根據小波變換特點,對變形監測數據序列進行分解,對各個分解后的子序列利用灰色模型進行預測,最后重構變形預測結果,且將該結果與灰色模型預測結果進行比較。結果表明,該方法具有較強的預測能力...

提出了基于AR并將其推廣到CAR模型對時間序列統一建模的新觀點和方法,并以實例對動態模型與靜態模型分別作了應用比較。結果表明,時間序列分析動態模型預測精度高,用途廣泛...

變形監測對于建筑物的安全運營具有重要作用。結合工程實際，采用時間序列模型對變形數據進行建模預測，結果表明，時間序列分析在短期數據預測中精度較高，隨著預測時間的增加，預測精度逐漸下降；建模數據越多，模型精度越高；同時，建模數據變化越平穩，數據預測效果越...

研究了將模糊規則推理和粗糙集理論相結合建立大壩安全監測變形預測模型的新方法。該方法采用粗糙集理論對原始監測樣本數據進行離散,根據離散結果確定模糊推理規則,并通過對規則的模糊推理建立大壩安全監測變形預測模型。實例分析表明,該模型在大壩變形影響因素重要性評...

大壩監測數據分析和大壩監控預測模型的難點在于監測數據的效應量和影響量之間的高度非線性關系,傳統監測模型的非線性分析能力欠缺。在充分利用模糊神經網絡的模糊推理能力、處理眾多影響因素能力和解決復雜非線性問題能力的基礎上,結合混沌優化算法的全局搜索能力,建立...

將混沌時間序列預測理論應用到大壩變形預測中，根據非線性大壩變形時間序列，運用相空間重構理論，建立了加權一階局域法、基于最大Lyapunov指數法大壩預測模型，對混沌的大壩變形數據短期預測模型進行了研究，對比分析了各自的特點，并結合實例完成了對大壩變形的預測。...

在簡單介紹多小波基本理論的基礎上，給出了把DGHM多小波應用于全球定位系（GPS）監測信號去噪的實例。由于DGHM雙正交小波具有短支撐、正交性、對稱性（反對稱性）及二階逼近性等特點，在相同的濾波器長度下，利用多小波對變形監測信號消噪，可以取得比傳統小波更好的信...

針對傳統反向傳播(BP)神經網絡收斂速度慢、計算量大的缺點,引入一種結合LM(Leverberg Marquart)優化算法的BP神經網絡,并應用在大壩的變形預報中。實驗結果表明,新模型具有訓練速度快、預測精度高的特點。...

針對橫泉水庫大壩監測點的類型及分布特點，結合大壩安全對監測系統的要求以及當前土石壩監測自動化水平的發展，提出了橫泉水庫大壩安全自動化觀測設計方案，可供有相同或類似該水庫大壩安全自動化觀測設計參考。...

介紹了李仙江戈蘭灘水電站首次蓄水期，大壩臨時外部變形監測方案設計與實施方法。...

安康水電站混凝土重力壩安全監測系統已運行多年，實際運行情況揭露了設計中存在的問題，如視準線觀測法理論和實踐運用的差距，大地四邊形設計中對通視考慮不足等。電廠經過研究決定，對安全監測系統進行更新改造，先后對變形監測系統、揚壓力監測系統、繞壩滲流系統、靜...

從ML-EM重建算法入手,分析了貝葉斯模型的一些關鍵點.針對采用傳統方法求解MAP問題的局限性,提出一種用于正電子成像的貝葉斯神經網絡(BNN)重建算法.為了保留邊緣信息,引入了二進制的保邊緣變量,并應用共軛神經網絡求解.模擬的重建結果表明,應用這種算法可以得到比ML-EM算...