基于优化K-GM(1,1)在桥梁变形预测中的应用研究

摘要

传统GM(1,1)模型在建模过程中易受到随机扰动的影响导致预测精度低、残值大.将卡尔曼滤波和灰色理论结合,先使用卡尔曼滤波消除扰动误差,并对滤波后的数据序列进行初始值和背景值的优化,建立K-GM(1,1)模型.结合桥梁沉降变形监测数据,采用两种模型分别预测对比分析,研究结果表明:优化的K-GM(1,1)模型精度优于传统灰色模型,桥梁沉降监测值与预测值变形一致.