基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响，变化趋势复杂，很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计，采用多模型信息融合技术对边坡位移进行了预测。首先，将边坡这类影响因素复杂的系统看成是一个灰色系统，分别采用GM（1，1）模型、Verhulst模型和DGM（2，1）模型对位移值进行预测。其次，考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制，利用神经网络的办法对不同的灰色预测模型进行组合，生成灰色神经网络模型，该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合，通过反复训练、学习，自动调节，可以得出各模型在组合模型中的合理权重，从而输出满意的结果。通过对比发现，利用组合灰色神经网络模型预测的位移值，比单独的灰色模型预测的位移值具有更高的精度。

Prediction of slope displacement based on gray model and neural network