传统的GM(1 ,1) 模型通常以第1 点作为初始值来确定积分常数C ,缺少一定的理论依据。文中就GM(1 ,1) 模型初始值的优化选取进行了深入的探讨,提出建模方差的概念。依据建模方差δ2 最小的原则,对传统GM(1 ,1) 模型的初始值进行改进,提出基于优化初始值的GM(1 ,1) 模型。在...

通过分析小波理论和灰色模型的各自特征,提出一种基于小波分析的灰色预测模型。根据小波变换特点,对变形监测数据序列进行分解,对各个分解后的子序列利用灰色模型进行预测,最后重构变形预测结果,且将该结果与灰色模型预测结果进行比较。结果表明,该方法具有较强的预测能力...

提出了基于AR并将其推广到CAR模型对时间序列统一建模的新观点和方法,并以实例对动态模型与静态模型分别作了应用比较。结果表明,时间序列分析动态模型预测精度高,用途广泛...

变形监测对于建筑物的安全运营具有重要作用。结合工程实际，采用时间序列模型对变形数据进行建模预测，结果表明，时间序列分析在短期数据预测中精度较高，随着预测时间的增加，预测精度逐渐下降；建模数据越多，模型精度越高；同时，建模数据变化越平稳，数据预测效果越...

研究了将模糊规则推理和粗糙集理论相结合建立大坝安全监测变形预测模型的新方法。该方法采用粗糙集理论对原始监测样本数据进行离散,根据离散结果确定模糊推理规则,并通过对规则的模糊推理建立大坝安全监测变形预测模型。实例分析表明,该模型在大坝变形影响因素重要性评...

大坝监测数据分析和大坝监控预测模型的难点在于监测数据的效应量和影响量之间的高度非线性关系,传统监测模型的非线性分析能力欠缺。在充分利用模糊神经网络的模糊推理能力、处理众多影响因素能力和解决复杂非线性问题能力的基础上,结合混沌优化算法的全局搜索能力,建立...

将混沌时间序列预测理论应用到大坝变形预测中，根据非线性大坝变形时间序列，运用相空间重构理论，建立了加权一阶局域法、基于最大Lyapunov指数法大坝预测模型，对混沌的大坝变形数据短期预测模型进行了研究，对比分析了各自的特点，并结合实例完成了对大坝变形的预测。...

在简单介绍多小波基本理论的基础上，给出了把DGHM多小波应用于全球定位系（GPS）监测信号去噪的实例。由于DGHM双正交小波具有短支撑、正交性、对称性（反对称性）及二阶逼近性等特点，在相同的滤波器长度下，利用多小波对变形监测信号消噪，可以取得比传统小波更好的信...

针对传统反向传播(BP)神经网络收敛速度慢、计算量大的缺点,引入一种结合LM(Leverberg Marquart)优化算法的BP神经网络,并应用在大坝的变形预报中。实验结果表明,新模型具有训练速度快、预测精度高的特点。...

针对横泉水库大坝监测点的类型及分布特点，结合大坝安全对监测系统的要求以及当前土石坝监测自动化水平的发展，提出了横泉水库大坝安全自动化观测设计方案，可供有相同或类似该水库大坝安全自动化观测设计参考。...

介绍了李仙江戈兰滩水电站首次蓄水期，大坝临时外部变形监测方案设计与实施方法。...

安康水电站混凝土重力坝安全监测系统已运行多年，实际运行情况揭露了设计中存在的问题，如视准线观测法理论和实践运用的差距，大地四边形设计中对通视考虑不足等。电厂经过研究决定，对安全监测系统进行更新改造，先后对变形监测系统、扬压力监测系统、绕坝渗流系统、静...

从ML-EM重建算法入手,分析了贝叶斯模型的一些关键点.针对采用传统方法求解MAP问题的局限性,提出一种用于正电子成像的贝叶斯神经网络(BNN)重建算法.为了保留边缘信息,引入了二进制的保边缘变量,并应用共轭神经网络求解.模拟的重建结果表明,应用这种算法可以得到比ML-EM算...