基于神经网络的GM11预测模型残差修正研究.pdfVIP

第1期 光辉等．基于神经网络的GM(1，1)预测模型残差修正研究 157 文章编号：1672—8262(2008)01—157—04中图分类号：TUl96．2 文献标识码：B ． 基于神经网络的GM(1，1)预测模型残差修正研究 光辉‘，李国芬 (南京林业大学，江苏南京210037) 摘要：针对GM(1，1)模型预测时段较长时精度较低的缺点，本文提出了基于神经网络的GM(1，1)预测模型残差修 正方法，并且与传统的残差GM(1，1)模型修正方法进行了比较，经工程实例验证，本文提出的方法能有效提高预测精 ’ 度、延长预测时段．在工程中有较好的应用。 关键词：GM(1，1)模型；残差修正；人工神经网络 变形预测是变形监测中的一项重要工作，将预测 金‘1’(k+1)=(菇‘o’(1)一g／o,)e一出+肛／仅(3) 值与现场测量结果相比较，以判别前一步施工工艺和 还原数列得到沉降预测值为： 施工参数是否符合其要求及确定和优化下一步施工参 ；‘o’(k)=(茹‘1’(k)一未‘1’(k一1))(4) 1．2 数，从而指导现场施工。GM(1，1)预测模型因具有所 GM(1，1)预测模型的精度评定 需样本数据少，预测精度高，计算简单等优点被广泛应 在建立了GM(1，1)预估模型和得到了模型预估 用于变形预测，但当预测时段较长，其预测精度较低， 值(还原值)后，为了评定预估的可信度，必须对模型 而传统方法建立的残差GM(1，1)模型对预测值的修 的精度即模型拟合程度进行评定，常用的评定方法有： 正结果不是很理想。本文提出了基于神经网络的GM 残差大小检验、关联度检验、后验差检验。本文仅介绍 (1，1)预测模型残差修正方法，并且与传统的残差GM 后验差检验方法。 (1，1)模型修正方法进行了比较，经工程实例验证，本 计算残差： 文提出的方法能有效提高预测精度、延长预测时段，在 e(k)=戈‘o’(k)一x‘o’(尼)k=1，2，…，rt(5) 工程中有较好的应用。 计原始数列z∞’及残差数列口的方差分别为s2，爰： l GM(1，1)预测模型基本原理 s；=古砉(咒∞’(．|})一拶)2 (6) 1．1 GM(1，1)预测模型的建立 s；=吉占(e(||})一；)2 (7) 设非负离散数列为菇‘o’={菇‘o’(1)，髫‘o’(2)，…， 1 11 1 n 名‘o’(11,)}，rt为序列长度。对z∞’进行一次累加生成， 式中，x∞k吉占石∞’(后)；；2音k毛e(扛)几k=l n=I 即可得到一个生成序列：石‘o’={菇‘o’(1)，戈‘o’(2)，…，