[发明专利]一种古建筑位移的组合预测方法及系统

摘要

本发明提供了一种古建筑位移的组合预测方法及系统，涉及古建筑位移预测技术领域。该方法有效规避了灰色预测模型自身误差大的缺点，同时减少了神经网络中训练样本随机性对建模精度的影响，提高了整体模型的精度。计算结果表明，该方法的平均绝对误差和平均绝对误差率分别为0.001078和2.67e‑06，预测精度显著优于单一的Verhulst预测、RBF神经网络预测方法和GM‑BP组合预测模型，能更准确地反映实际的古建筑沉降数据发展趋势。

主权项

1.一种古建筑位移的组合预测方法，其特征在于，该方法包括：导入测量得到的位移时间序列和多个影响因素时间序列，并分别计算所述位移时间序列和多个影响因素时间序列之间的小波互相关系数，其中所述影响因素时间序列包括温度时间序列、湿度时间序列、降水量时间序列、光照强度时间序列、紫外线强度时间序列、风速时间序列和风向时间序列；将所述小波互相关系数排序，选择三个最大的所述小波互相关系数对应的影响因素时间序列，分别计算所述位移时间序列与三个被选择的所述影响因素时间序列之间的小波时滞因子，并确定每个所述小波时滞因子对应的滞后响应时间；将三个被选择的所述影响因素时间序列分别按照对应的所述滞后响应时间提前输入至灰色系统GM(1,1)，分别将所述位移时间序列和三个被选择的所述影响因素时间序列通过所述灰色系统GM(1,1)进行初步估计，获得所述位移时间序列的初步估计序列和被选择影响因素时间序列的初步估计序列；对所述位移时间序列的初步估计序列和被选择影响因素时间序列的初步估计序列分别进行归一化处理，得到所述位移时间序列归一化后的初步估计序列和所述被选择影响因素时间序列归一化后的初步估计序列；采用基于蚁群聚类算法的RBF神经网络对所述位移时间序列归一化后的初步估计序列和所述被选择影响因素时间序列归一化后的初步估计序列进行预测，获得位移预测序列；将所述位移预测序列中的元素进行反归一化操作，获得反归一化后的位移输出序列。