GM(1,1)模型在电厂沉降观测中的应用
2016-08-22李东王静常增亮
■ 李东 王静 常增亮
(1山东电力工程咨询院有限公司山东济南250100;2山东省地震工程研究院山东济南250021)
GM(1,1)模型在电厂沉降观测中的应用
■李东1王静2常增亮1
(1山东电力工程咨询院有限公司山东济南250100;2山东省地震工程研究院山东济南250021)
本文详细介绍了GM(1,1)模型及其建模方法,结合具体的工程实例进行了建模和预测.通过预测结果的对比和分析,验证了GM(1,1)模型在电厂沉降观测中的效果。
发电厂沉降观测GM(1,1)模型
1 引言
随着建筑物的不断增高,其稳定性和可靠性成为关注的焦点,为保证施工和运营的安全,建筑物变形预测成为工程防灾减灾的一个重要方面。建筑物变形预测方法较多,常有回归分析、灰色预测、人工神经网络、指数平滑等方法[1]。本文主要研究灰色模型在沉降观测中的应用。
2 GM(1,1)预测模型的建立
建筑物沉降过程有许多未知的外部因素影响,可通过建立灰色模型来进行沉降预测。在对沉降变化进行分析和预测时,只需研究单因素时间序列一个变量,因此采用GM(1,1)预测模型[2]。
2.1GM(1,1)预测模型[3]
对时间序列t1,t2,…….tn,由观测的沉降数据y1,y2,……yn作为原始观测序列,记为Y(0)(j)(j=1,2,……,n)。
对以上数据序列进行累加生成运算得到一组新的数据序列Y (1)(j),即
对于时间的单变量序列Y(1)(j)采用GM(1,1)模型,方程可写为
式中a,b为待辨识参数,将其参数列记为,可用最小二乘法求解,式中
在确定aˆ之后依次求得累加生成数的回代生成,进而通过累减生成运算得到原始数据序列还原值:k=1,2,…,n。
3 预测模型的精度检验
模型建立后,预测效果能否满足实际要求需进行检验。一般检验采用残差大小、后验差、关联度等三种方法,本文介绍使用较多的后差检验法进行GM(1,1)模型的精度检验。[4]
后验差法是按残差统计特征进行精度检验,以各点预测误差e(0)(j)为基础,检验后验差比值C和小误差频率P的大小,从而评定模型的精度。残差值e(0)(j)、后验差比值C和小误差频率分别按下式计算:计算值与实测值之间的残差:
根据C,P值划分的精度等级,如表所示。数据经检验达到“合格”或以上指标,才能按照(7)公式进行后期预测。
可见指标C越小越好,C越小表明尽管原始数据离散,但所得计算值与实际值差离散度小;指标P越大越好,P越大表明残差与残差平均值小于给定值0.6745S1的点较多,预报精度较高。[5]
4 具体案例分析
郭家湾电厂由山东院承担沉降观测任务,其中1#汽轮机基座共布设沉降观测点6个,共进行了7次观测。
观测时间间隔基本为70天,可按等间距序列进行模型预计,如为不等时间间隔序列应先将观测量进行均值化处理,本文按等时距将前六次数据进行建模计算,并将第七次观测值作为真值与预测值进行比较,计算过程借助Matlab数据处理软件进行,计算结果如下:
对原始数据进行累加计算得到新的数据序列,
则由公式(3)、(4)、(5)可得到;
第七次为预测值,预测值为10.97与实际测量值9.40差值为1.5,由公式(7)就可以得到累减生成数,即模型预测值。由上述数据可计算出模型的残差值。
由公式 (9)、(10)、(11)、(12),可得到S1=0.61702,S2=9.702,C=0. 0635,P=1满足表中的要求,模型精度满足要求。
5 小结
本文针对具体事例介绍了GM(1,1)模型并进行了模型预测,结果显示模型是可靠的,实测值与预测值差值为1.4mm,主要是因为参与建模的数据量较少,时间间隔不严格相等等因素造成的。总体来说GM(1,1)模型预测结果较好的预测了建筑物的沉降趋势,可以应用于电厂的沉降预测研究与分析。
[1]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987.
[2]李希灿.动态平差灰色预测优化模型[J].测绘工程,1999,8(1):34-35.
[3]张新伟,张润杰,王超.变形检测数据的分析与预报研究,淮海工学院学报(自然科学版),Vol.20.S.1.Dec.2011
[4]张志勇.建筑物沉降灰色模型预测[J].城市勘测,1999年第2期.
[5]李斌,朱健.非等间隔灰色GM(1,1)模型在沉降数据分析中的应用[J].测绘科学,Vol.32No.4.Jul.2007
[6]王有良,唐跃刚.曲线拟合与GM(1,1)模型沉降预测及相关性分析[J].测绘科学,Vol.33 No3.May.2008
TM62[文献码]B
1000-405X(2016)-3-185-2