[摘 要]文章提出了用灰色人工神经网络模型对数据序列进行模拟和预测，是结合GM（1，1）和BP网络模型的各自特点对数据序列进行模拟预测和修正，是在灰色模型的模拟和预测基础之上，用神经网络模型对残差序列进行训练和预测，用以修正模拟值，得到精度更高、
　　可靠性更强的值。该模型运用到变形监测中，对监测对象进行预测，通过实例表明，灰色BP网络模型可以对数据序列进行模拟，并在一定程度上可以反映和预测序列的走势和变化，在变形监测中可以起到一定的作用。
　　[关键词]GM（1，1）模型；BP神经网络；残差；预测值；变形监测
　　中图分类号：P258 文献标识号：A 文章编号：2306-1499（2014）08-0170-02
　　灰色人工神经网络是运用灰色模型对数据进行模拟得到残差序列，然后通过神经网络模型对残差序列进行自适应学习和训练，预测出残差序列，在此基础上构造新的预测值。
　　在变形监测的实施过程中，往往会对监测对象反复的进行监测，这样目的和侧重点不是很明确，而且浪费很多人力和财力。为了解决这一问题，本文运用灰色人工神经网络模型对监测对象进行预测和预判，在一定程度上可以引导监测工作中的重点和方向。
　　1. 灰色理论模型
　　设x（0）=（x（0）（1），x（0）（2），...，x（0）（n））为原始序列，其一次累加生成1-AGO序列为
　　2. BP神经网络模型
　　基于误差反向传播（Back propagation）算法的多层前馈网络（Multiplelayer feedforward network， 简记为BP网络），是目前应用最成功和广泛的人工神经网络.
　　BP神经网络由输入层， 输出层以及一个或多个隐含层节点互连而成的一种多层网， 这种结构使网络可在输入和输出间建立合适的线性或非线性关系，BP神经网络的训练过程可以分为向前传输和向后传输两个阶段，其学习算法如下：
　　（1）向前传輸阶段：
　　①从样本集中取一个样本Pi，Qj， 将Pi输入网络；
　　②计算出误差E1和实际输出Oi=FL（...（F2（F1（PiW（1）W（2））...）W（L））；
　　③对权重值W（1），W（2），...WL各做一次调整， 重复这个循环， 直到ΣEi<ε.
　　（2）向后传输阶段：
　　3. 灰色人工神经网络模型
　　灰色BP网络模型主要是通过建立灰色理论模型来得到原始数据的模拟值和预测值，并以此得到残差序列，然后通过BP神经网络训练残差序列来修正预测值，提高精度。
　　5 结论
　　（1）灰色人工神经网络是综合灰色理论和人工神经网络的一种模型，是结合两种模型的特点来对数据进行模拟和预测，可以运用到变形监测中，对监测对象起到预判和估计的作用，指导工作的重点，节省了大量的人力、财力和物力。
　　（2）通过本例数据表明模拟精度比较好，该模型在变形检测中具有一定的可靠性和参照性。
　　（3）为了进一步的提高预测精度，可以在建模过程中对数据进行动态的筛选，也可以对数据进行预处理，这样也可以提高精度，增加可靠性。
　　参考文献
　　[1]邓聚龙.灰色系统理论基教程[M].武汉：华中科技大学出版社，1990.
　　[2]谭冠军.GM（1，1）模型的背景值构造方法和应用（1）[J].系统工程理论与实践，2000（4）：98- 103.
　　[3]罗党，刘思锋，党耀国.灰色GM（1，1）优化[J].中国工程科学，2003（8）：50-53.
　　[4]闻新，周露，李翔，张宝伟.MATLAB神经网络仿真与应用[M].北京：科学出版社，2003.
　　[5]飞思科技产品研发中心，MATLAB6.5辅助神经网络分析与设计[M].北京：电子工业出版社，2003.
　　[6]焦李成.神经网络系统理论[M].西安：电子科技大学出版社，1990 .
　　作者简介：杨军（1989.09-），男，汉族，重庆人，江西理工大学研究生。研究方向：测量数据处理，变形监测研究。