

摘要:灰色模型具有小數據樣本的優點,但由于系統沖擊擾動的緣故,若直接使用標準GM(1,1)模型對地殼形變進行預測和分析,并不能很好的反映變化規律。在對已有數據進行定性和定量分析的基礎上,利用緩沖算子和殘差改正方法對地殼運動變化速率數據進行調整,然后用改進的GM(1,1)模型進行模擬預測。利用實測數據對該方法進行驗證,結果表明該方法克服了單純使用GM(1,1)模型預測的缺陷,可以大幅修正系統沖擊干擾對原始數據的影響,有效提高了整體預測精度。
關鍵詞:緩沖算子;灰色模型;殘差改正;地殼形變
中圖分類號:P20 文獻標識碼:A 文章編號:1672-3791(2015)10(b)-0000-00
1 引言
地殼運動是一種普遍的地質現象,很多自然現象和人類活動都會對地殼產生影響,例如地震、城市建筑施工、過量地下水開采等[1-3]。隨著人類活動的加劇,區域地殼運動研究對人們生產生活的影響也越來越重要,對區域地殼運動的規律、未來區域地殼運動趨勢變化的研究迫在眉睫。利用緩沖算子[4-5]和殘差改正模型對原始數據序列進行計算和調整,再對調整后的數據使用GM(1,1)模型進行預測。基本原理為:首先對地殼運動速率數據進行定性分析,根據分析結果使用緩沖算子進行調整,再根據數據的殘差序列做進一步改正,淡化或消除沖擊擾動對系統行為序列的影響[5],并利用實測數據對模型進行檢驗。
2 改進的GM(1,1)模型
2.1 灰色模型
設某一監測點的原始數據序列為 ,對其進行一次累加生成新的序列 ,其中 ( )。構造灰色模型的基本形式:
(1)
其中, 為模型發展系數, 為灰色作用量。其值可由最小二乘參數估計求得,即若有:
,
則最小二乘估計參數為 。可以得到GM(1,1)模型的時間響應函數為:
(2)
則GM(1,1)模型的預測序列為:
(3)
2.2 弱緩沖算子
設原始數據序列 ,則緩沖序列為 。其中,
, (4)
當X為單調增長序列、單調衰減序列或振蕩序列時,D皆為弱緩沖算子。
2.3 強緩沖算子
設原始數據序列 ,則緩沖序列為 。其中,
, (5)
當X為單調增長序列、單調衰減序列或振蕩序列時,D皆為強緩沖算子。
2.4 殘差修正
設由殘差組成的殘差序列為 ,其中 。若存在 ,且 ,則稱存在可建模殘差尾段,記作 。對 建立GM(1,1)模型,得到 的模擬值 。進而可得到為殘差修正后的GM(1,1)模型:
(6)
3 計算與分析
選取陜西GPS網2004年到2011年37個觀測點共8期的觀測數據作為樣本,再對數據進行必要的預處理之后,分別采用標準GM(1,1)模型和改進后的GM(1,1)模型進行預測,并對預測結果進行分析。兩種方案的預測精度見表1,預測值和實際值的對比見圖1和圖2。
表1 預測精度對比(單位:mm)
方案方案1方案2
NENE
最小差值0.010.230.060
最大差值7.346.225.93-6.34
平均差值1.04-2.480.64-0.39
RMS3.414.371.61.67
圖1 北方向速度對比
圖2 東方向速度對比
從計算結果可以得出:
1)利用改進的GM(1,1)模型對數據進行預測,精度得到了顯著的提高,東方向和北方向的平均差值分別由1.04mm/a和-2.48mm/a降低到0.64mm/a和-0.39mm/a,均方根差也有了明顯減小。
2)基于緩沖算子和殘差改正的GM(1,1)模型的預測精度優于標準GM(1,1)模型,這是因為緩沖算子可以對原始數據進行調整,減小系統沖擊擾動,使數據序列符合真實情況;再通過殘差模型對預測值進行修正,可以進一步減小預測誤差,提高預測精度。
4 結論
對于小數據樣本和信息貧乏系統的預測,GM(1,1)模型有著獨有的優勢。然而,由于地殼運動速度具有基數較小且變化不穩定的特點,若直接對原始數據使用標準GM(1,1)模型進行預測,會得到與實際偏差較大的結果,無法真實反映系統的變化趨勢,失去預測的意義。使用緩沖算子和殘差改正的GM(1,1)模型,將定性分析與定量分析結合起來,對已有的地殼運動速率數據進行調整,減小系統沖擊擾動的影響,有效地提高預測精度,可以取得優于標準GM(1,1)模型的預測效果。
參考文獻:
[1]祝意青,王慶良,田勤儉,等.關中地區地殼形變綜合分析與研究[J].大地測量與地球動力學,,
2006,26(4):56-62.
[2]程晨健.基于灰色模型和GIS技術的地殼形變預測及運動研究[D].西北大學,2012.
[3]潘志華,衛建東,夏治國,等.動態灰色模型在變形預測中的應用[J].測繪科學,2007,32(4):121-123.
[4]劉思峰.沖擊擾動系統預測陷阱與緩沖算子[J].華中理工大學學報,1997,25(1):25-27.
[5]徐君毅,曾安敏.基于緩沖算子的灰色模型在地殼形變預測中的應用[J].大地測量與地球動力學,2009,29(3):91-94.