摘要：利用灰色verhulst模型原理 ,对某路堤沉降进行预测 ,以比较少的观测样本建立了新陈代谢数列 ,经后验差检验 ,结果理想可靠。

摘要：文章针对灰色verhulst模型中初始值与背景值的择取,设计了两种不同的改进灰色verhulst模型,并采用我国入境游客经济的发展进行预测,并对两种预测结果进行比较。结果显示,改进的灰色verhulst模型相对传统灰色verhulst模型拟合精度更高,第二种改进灰色verhulst模型的拟合精度也优于第一种改进灰色verhulst模型。通过预测可以发现,未来我国入境旅游经济的增势仍然是存在的。

摘要：针对在地形复杂的矿区沉降观测资料不易获取的问题,将合成孔径雷达差分干涉技术（D-In SAR）与灰色verhulst模型相结合,提出了一种矿山开采沉陷监测和预计方法。该方法首先对覆盖大柳塔煤矿某工作面的12景Terra SAR-X雷达数据进行D-In SAR处理,获取观测站沉降值;然后根据沉降量与时间的关系建立了基于灰色verhulst模型的预测函数,对开采沉陷发展规律进行分析。试验结果表明：3个测试点D-In SAR监测数据的绝对和相对误差分别为2.8~15 mm,0.9%~6%;结合灰色verhulst模型预测的绝对和相对误差分别为3.4~18.8 mm,1.2%~5.7%。上述研究结果进一步表明,所提出的方法可有效弥补矿区沉降实测数据的不足,为实现矿区开采沉陷监测和预计的一体化软件设计提供参考。

摘要：本文在研究丁坝坝头冲刷随时间变化的规律的基础上,利用灰色verhulst模型在“小样本、贫数据”预测方面的优势,建立了丁坝最大冲深预测模型,以最少的实测数据挖掘坝头冲刷过程的潜在规律,得到了丁坝坝头冲刷过程线。通过对比分析不同丁坝型式的模型预测精度及在非恒定流条件下的适用性情况,可为丁坝水毁预防提供参考依据。

摘要：高铁路基需严格控制工后不均匀沉降。鉴于高铁路基沉降预测值精度受观测噪声和预测拟合函数的影响,本文提出了基于小波函数去噪,对去噪数据进行灰色verhulst模型预测的方法,并阐述了高铁路基沉降预测评价方法。通过工程实例对比分析了去噪灰色verhulst模型、GM(1,1)模型、双曲线模型在沉降数据处理中的拟合精度和预测精度。结果表明:GM(1,1)模型拟合精度高,预测精度低,不适用于长期预测;双曲线法预测精度最低,预测曲线不包含路基饱和发展过程;小波去噪灰色verhulst模型符合高铁路基沉降规律,预测精度高,可以广泛用于路基沉降预测。

摘要：建立防波堤沉降预测的非等距灰色verhulst模型,利用倒数变换对模型的背景值进行优化,提出优化背景值的非等距灰色verhulst模型的建模步骤。最后结合防波堤工程实例,采用verhulst模型对其进行沉降预测,结果表明:经过背景值优化的非等距灰色verhulst模型具有很高的预测精度,适用于防波堤沉降变形预测。

摘要：采用小波去噪与灰色verhulst组合模型的研究,首先对于原始观测数据进行小波去噪处理,通过信噪比和均方差两个评价指标确定小波基函数、分解层数以及阈值函数;其次,将小波阈值去噪后处理的数据代入灰色verhulst模型对沉降监测数据进行预测;最后,以某矿区西九采区回采工作面C观测线98号测点14期累计沉降观测数据为例,建立不同的预测模型进行对比。实验结果表明,基于小波去噪的灰色verhulst组合模型的预测结果精度更高,能够更准确地表达其变形趋势。

摘要：饱和负荷是指一个地区经济发展进入负荷增长饱和阶段的时间及负荷规模,饱和负荷预测对电力规划设计具有指导性意义。饱和负荷受很多未知随机因素的影响,灰色verhulst模型能够对部分信息未知、具有饱和特性的系统进行高精度预测。通过灰色verhulst模型对浙江地区饱和负荷预测,浙江地区全社会用电量达到饱和的时间为2020年,饱和规模为4281.28亿千瓦时,年最大负荷进入饱和阶段的年份为2020年,饱和规模为7528.78万千瓦。

摘要：为提高软土路基沉降预测灰色verhulst模型的预测精度,首先从沉降初始实测值修正和增加时间指数项两个方面对灰色verhulst模型的离散时间响应式进行了改进;然后基于最小二乘原理,利用差分进化算法对改进的灰色verhulst模型时间响应式进行直接地优化估计,避免了灰色verhulst模型常规估计方法中因背景值选取问题而导致的计算误差.实例计算结果表明,改进的灰色verhulst模型较原模型具有更好的灵活性和适应性,比Gompertz模型、Logistic模型、Bertalanffy模型、Weibull模型及原灰色verhulst模型这几种沉降预测模型具有更高的预测精度,可供工程设计参考.

摘要：针对直接采用原始数据建立尾矿坝变形规律预测verhulst模型不满足精度要求的问题,根据尾矿坝变形规律和缓冲算子理论,选取三种弱化缓冲算子,对原始数据进行弱化缓冲处理,用新生成的序列建立verhulst模型进行精度校核,最后用建立的模型对坝体未来的变形值进行预测。结果表明,采用引入弱化缓冲算子作用后的序列建模,可以提高verhulst模型预测精度,使得预测结果符合尾矿坝变形规律。