孫昌瑜，朱軍桃

(1.桂林理工大學(xué)測(cè)繪地理信息學(xué)院，廣西桂林 541004；2.廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室(桂林理工大學(xué))，廣西桂林，541004)

改進(jìn)背景值的新陳代謝GM(1,1)在變形預(yù)報(bào)中的應(yīng)用

孫昌瑜1，2?，朱軍桃1，2

(1.桂林理工大學(xué)測(cè)繪地理信息學(xué)院，廣西桂林 541004；2.廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室(桂林理工大學(xué))，廣西桂林，541004)

文獻(xiàn)[1]根據(jù)GM(1，1)模型的指數(shù)特性，通過在其白化微分方程區(qū)間上求積分推導(dǎo)出了背景值的一個(gè)計(jì)算公式。本文在此基礎(chǔ)上，利用該公式建立了新陳代謝GM(1，1)模型。實(shí)際算例表明由此建立的新陳代謝GM(1，1)模型的預(yù)測(cè)結(jié)果高于傳統(tǒng)背景值下的新陳代謝GM(1，1)模型，表明了改進(jìn)背景值的新陳代謝GM(1，1)模型合理性，其可用于測(cè)量數(shù)據(jù)處理中的變形分析預(yù)報(bào)。

背景值；GM(1，1)模型；新陳代謝GM(1，1)模型

1 引 言

目前，變形預(yù)報(bào)的主要方法有回歸分析法、確定函數(shù)法、時(shí)間序列分析法等，但這些方法通常要求有大量樣本，而且要求具有典型的概率分布，這在實(shí)際生產(chǎn)中有時(shí)難以滿足，同時(shí)也限制了其使用范圍。灰色GM (1，1)模型彌補(bǔ)了這一缺陷，但由于GM(1，1)模型隨著時(shí)間的推移，將會(huì)不斷地有一些隨機(jī)擾動(dòng)或驅(qū)動(dòng)因素進(jìn)入系統(tǒng)，使前端的數(shù)據(jù)對(duì)末端的數(shù)據(jù)影響逐漸減弱，導(dǎo)致后期預(yù)測(cè)誤差逐漸增大[2]。很多研究者都在尋找各種方法對(duì)GM(1，1)模型進(jìn)行改進(jìn)，以提高其預(yù)測(cè)的精度。例如殘差GM(1，1)修正模型[3]以及采用加權(quán)，優(yōu)化等方法[4]以提高模型的精度。雖然這些方法在一定程度上提高了GM(1，1)模型的預(yù)測(cè)精度，但這些方法較煩瑣，沒有從根本上對(duì)GM(1，1)模型進(jìn)行改進(jìn)，不利于實(shí)際生產(chǎn)中的應(yīng)用?；诖?，本文在文獻(xiàn)[1]的基礎(chǔ)上，推導(dǎo)了改進(jìn)背景值的新陳代謝GM(1，1)模型，并通過工程實(shí)例驗(yàn)證了改進(jìn)模型的可行性和有效性。

2 改進(jìn)背景值的新陳代謝GM(1，1)模型

2.1 灰色模型背景值的推導(dǎo)[1]

設(shè)GM(1，1)模型的原始數(shù)據(jù)序列為:x(0)(k)= {x(0)(1)，x(0)(2)，…，x(0)(n)}，經(jīng)過一次累加生成得到的序列為:x(1)(k)={x(1)(1)，x(1)(2)，…，x(1)(n)}，

則生成數(shù)列x(1)(k)的白化微分方程為:

將上式在[k，k+1]上積分，有:

設(shè)背景值Z(1)(k+1)為x(1)(t)在區(qū)間[k，k+1]上時(shí)，則有:

由此可知背景值即為x(1)(t)在區(qū)間[k，k+1]上的定積分。

由于方程(2)的解為指數(shù)形式，為方便起見x(1)(t)可用如下指數(shù)曲線近似表示:

并假設(shè)該曲線過x(1)(k+1)和x(1)(k)兩點(diǎn)，因此有:

由式(6)、(7)可得:(1)

因此背景值為:

經(jīng)過一次累減計(jì)算(1-IAGO)可以還原出模型的模擬值為:

2.2 改進(jìn)背景值的新陳代謝GM(1，1)模型原理

在原始數(shù)據(jù)序列x(0)(k)={x(0)(1)，x(0)(2)，…，x(0)(n)}中，置入新的數(shù)據(jù)x(0)(n+1)(該數(shù)據(jù)是采用GM(1，1)模型依據(jù)新的背景值公式(10)式預(yù)測(cè)一步所得)，同時(shí)去掉最老信息x(0)(1)，用序列{x(0)(2)，x(0)(3)，…，x(0)(n+1)}作為原始序列，在重復(fù)上述步驟建立新背景值得GM(1，1)模型，如此反復(fù)依次遞補(bǔ)，直到完成預(yù)測(cè)，此即為改進(jìn)背景值的新陳代謝GM(1，1)模型。

3 工程實(shí)例

西安市南郊某18層建筑物布置了11個(gè)沉降監(jiān)測(cè)點(diǎn)，取其中C5、C6點(diǎn)的施工期間13期數(shù)據(jù)為例進(jìn)行分析[5]。為了說明本文改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)效果，設(shè)計(jì)兩種方案進(jìn)行對(duì)比分析，其中用前5期數(shù)據(jù)建立動(dòng)態(tài)模型進(jìn)行預(yù)測(cè)，并與其余8期觀測(cè)值進(jìn)行比較分析。

從表1分析得出:方案一(傳統(tǒng)背景值的新陳代謝GM(1，1)模型)從第10期開始預(yù)測(cè)殘差較大，到第13期時(shí)預(yù)測(cè)殘差達(dá)到了4.13mm，不利于工程實(shí)際的應(yīng)用。方案二(改進(jìn)背景值的新陳代謝GM(1，1)模型)與方案1相比，預(yù)測(cè)精度有了明顯的提高，預(yù)測(cè)的最小殘差為0.11mm，最大殘差才只有1.7mm。從殘差還可得知，方案二明顯優(yōu)于方案一，證明了改進(jìn)背景值的新陳代謝GM (1，1)模型的可行性，可應(yīng)用于建筑物的沉降變形預(yù)報(bào)。

實(shí)測(cè)值與各模型預(yù)測(cè)值的比較 表1

為了更直觀的說明改進(jìn)背景值的新陳代謝GM (1，1)模型的優(yōu)越性，現(xiàn)將C5點(diǎn)各模型的預(yù)測(cè)值與殘差值如圖1、圖2所示。

圖1 沉降值與各模型預(yù)測(cè)值比較

圖2 各模型的預(yù)測(cè)殘差值比較

由圖1、圖2可以看出:經(jīng)過改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)值更加接近實(shí)測(cè)值，其預(yù)測(cè)效果高于傳統(tǒng)背景值的新陳代謝GM(1，1)模型。傳統(tǒng)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)殘差較大，而改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)殘差相對(duì)較小。因此，改進(jìn)背景值的新陳代謝模型可以提高預(yù)測(cè)的穩(wěn)定度和精度。

由上述可知:改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)結(jié)果優(yōu)于傳統(tǒng)背景值的新陳代謝GM(1，1)模型。為了更加充分說明改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)效果，對(duì)C6點(diǎn)進(jìn)行預(yù)測(cè)，各模型的預(yù)測(cè)值和殘差值如表2所示。

實(shí)測(cè)值與各模型預(yù)測(cè)值的比較 表2

由表2可知:傳統(tǒng)背景值的新陳代謝GM(1，1)模型從第10期開始預(yù)測(cè)殘差較大，到第13期時(shí)預(yù)測(cè)殘差達(dá)到了3.5 mm。改進(jìn)背景值下的新陳代謝GM(1，1)模型預(yù)測(cè)的最小殘差為0.11 mm，而到第13期預(yù)測(cè)殘差才只有1.31 mm。從誤差的角度進(jìn)行分析:傳統(tǒng)背景值的新陳代謝GM(1，1)模型預(yù)測(cè)的最大相對(duì)誤差為4.49%，而改進(jìn)背景值下的新陳代謝GM(1，1)模型預(yù)測(cè)的最大相對(duì)誤差為1.68%，傳統(tǒng)背景值的新陳代謝GM(1，1)模型預(yù)測(cè)的平均相對(duì)誤差為1.57%，而改進(jìn)背景值下的新陳代謝GM(1，1)模型預(yù)測(cè)的相對(duì)誤差為0.58%。這更加充分的說明了改進(jìn)背景值的新陳代謝GM(1，1)模型的可行性和有效性。

4 結(jié) 論

在其白化微分方程上求積分推導(dǎo)了背景值的一個(gè)計(jì)算公式，并利用該公式建立了新陳代謝GM(1，1)模型。通過工程實(shí)例表明使用改進(jìn)背景值的新陳代謝GM(1，1)模型的預(yù)測(cè)結(jié)果明顯高于傳統(tǒng)背景值的新陳代謝GM(1，1)模型，證明了改進(jìn)背景值的新陳代謝GM(1，1)模型的合理性，可用于變形監(jiān)測(cè)的分析預(yù)報(bào)。

[1] 王鐘羨，吳春篤.GM(1，1)改進(jìn)模型及其應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2003，33(9)：20～26.

[2] 翟信德，高飛，徐文兵.新陳代謝GM(1，1)模型在建筑物沉降預(yù)測(cè)中的應(yīng)用研究[J].城市勘測(cè)，2008(3)：136～138.

[3] 劉思峰，謝乃明等.灰色系統(tǒng)理論及其應(yīng)用[M].北京：科學(xué)出版社，2008.

[4] 王義鬧，劉光珍，劉開第.GM(1，1)的一種逐步優(yōu)化直接建模方法[J].系統(tǒng)工程理論與實(shí)踐，2000(9)：99～104.

[5] 李日云，王利，張雙成.灰色預(yù)測(cè)模型在高層建筑物沉降預(yù)測(cè)中的應(yīng)用研究[J].地球科學(xué)與環(huán)境學(xué)報(bào)，2005，27 (1)：84～87.

[6] 陳偉清，田海濤，陳佳佳.工程建筑變形分析的灰色模型探討[J].廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，36(1)：64～70.

[7] 郭崢英，陳鵬宇.建筑地基沉降預(yù)測(cè)的灰色模型與Asaoka法[J].工程勘察，2012(6)：67～70.

[8] 陳偉清.灰色預(yù)測(cè)在建筑物沉降變形分析中的應(yīng)用[J].測(cè)繪科學(xué)，2005，30(5)：43～45.

Application Based on Im proved Background Value M etabolic GM(1，1)M odel in Deformation Forecast

Sun Changyu1，2，Zhu Juntao1，2
(1.College of Geomatics and Geoinformation，Guilin University of Technology，Guilin 541004，China；2.Guangxi Key Laboratory of Spatial Information and Geomatics，Guilin 541004，China)

According to the exponential nature of the GM(1，1)model，a background value calculation formula is derived by integrating in albino differential equations interval in references[1].This paper establishesmetabolic GM (1，1)model based on this formula.A practical example demonstrates the metabolic GM(1，1)model thereby established is higher accuracy than the traditional background value GM(1，1)model.It shows that themetabolic GM(1，1) model of improving background value is reasonable and can be used for deformation prediction.

background values；GM(1，1)model；metabolic GM(1，1)model

1672-8262(2013)03-137-03

P258，TU196

A?

2012—11—28

孫昌瑜(1988—)，男，碩士研究生，主要研究方向:變形監(jiān)測(cè)數(shù)據(jù)處理。

國(guó)家自然科學(xué)基金(41071294)