疲劳裂纹扩展预测模型及其应用

在分析了灰色预测方法和支持向量机各自的优缺点基础上,提出了将二者相结合的一种新的预测模型———灰色支持向量机裂纹扩展预测模型.新模型发挥了灰色预测方法中"累加生成"的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷.工程实例表明,文章所提出的裂纹扩展预测模型较传统的GM(1,1)模型、等维GM(1,1)模型精度都有所提高,为预测疲劳裂纹扩展提供了一种新的方法.     

基于新陈代谢GM(1,1)模型的校准间隔预测

针对测量仪器校准间隔的优化问题,根据校准数据非线性、小样本的特点,提出了一种基于新陈代谢GM(1,1)模型的校准间隔预测方法.通过分析历史校准数据的特征,建立了新陈代谢GM(1,1)预测模型,通过仿真实验对预测模型进行了对比验证.结果表明,相对于灰色GM(1,1)模型,新陈代谢GM(1,1)模型克服了随机扰动对系统的影响,更能反映系统的变化趋势,预测精度更高,适合用于测量仪器校准间隔的预测.     

测量仪器校准间隔的动态灰色线性回归预测

根据测量仪器的实际状态进行校准间隔的预测,可有效地避免不足校准和过剩校准。该文分析了历史校准数据的特征,对于既含有线性因素又含有指数因素的历史校准数据序列,建立动态灰色线性回归预测模型,预测测量仪器的校准间隔。动态灰色线性回归模型有机地将灰色GM(1,1)模型和线性模型组合起来,通过新老数据的新陈代谢,更加真实地反映系统的特征。通过实验对预测模型进行验证,结果表明:动态灰色线性回归模型的拟合与预测精度高于单纯的灰色GM(1,1)模型及新陈代谢GM(1,1)模型。     

火灾预测的改进GM(1,1)模型

火灾的发生受很多因素的影响,有的因素已知、有的未知,符合灰色系统的特征,从而可以利用灰色理论进行预测.现从传统GM(1,1)预测模型构造原理出发分析其存在的理论缺陷,通过采用平均斜率法、等维替换和变换灰色预测公式的方法建立改进的GM(1,1)模型,以适应火灾频数序列的波动特性,从而达到精确预测的目的.我国1997—2006年火灾数据预测计算表明,新方法有满意的拟合和预测效果,从而为火灾预测精度提高提供了新的途径.     

基于改进灰色预测模型的中长期电力负荷预测

介绍了等维灰度递补GM(1,1)的建模原理,采用山东省2000-2007年的用电需求负荷建立等维灰度递补GM(1,1)预测模型,预测山东省2008年和2009年的用电负荷,与实际用电负荷进行对比,验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

灰色马尔可夫理论在煤炭消费需求预测中的运用

将灰色系统理论与离散状态的马尔可夫链理论相结合,提出了灰色马尔可夫预报模型以预测煤炭需求量,该模型针对灰色数据系列首先建立GM（1,1）模型进行趋势预测,然后利用马尔可夫状态概率转移矩阵预报方法对其预测值进行拟合,可提高波动性较大的随机变量的预报精度．实例计算表明：灰色马尔可夫预报模型精度明显高于GM（1,1）模型,用于煤炭需求的预测是可行的。     

改进灰色沉降预测模型及其应用

根据GM(1,1)灰色模型的指数特性,首先对原始数据取λ次幂以降低原始数据的分散性,再通过在区间上求积分计算模型的背景值,并采用最小二乘法求解最优的模型初始值由此建立改进灰色预测模型,将其应用到某高速公路沉降预测计算,结果表明,改进模型较之原GM(1,1)模型模拟和预测精度要高.     

基于灰色GM(1,1)和自适应神经模糊推理的数据预测模型

综合利用灰色理论与自适应神经模糊推理系统( ANFIS)建立预测模型的思路,给出了利用自适应神经模糊推理系统对GM(1,1)模型残差进行修正,重构灰色GM(1,1)模型预测值的综合预测方法.选用我国某地区冬季最大电力负荷作为原始数据,用GM(1,1)模型对历年的电力负荷进行建模,并利用自适应神经模糊推理系统对其残差进行...     

基于灰色回归模型广州市果蔬类生鲜农产品冷链物流需求预测

目的 通过对不同预测方法的误差进行对比研究,选取预测精度较高的方法,促进部门科学化决策。方法 从农产品供给、社会经济水平、冷链物流保障、居民规模与消费能力四大维度选取15个指标来构建影响因素指标体系,对影响因素与冷链物流需求进行灰色关联度分析。采用GM(1,1)、GM(1,6)与主成分-多元回归线性模型对果蔬类生鲜农产品冷链物流需求进行预测。结果 GM(1,1)预测模型、GM(1,6)预测模型、主成分-多元回归线性预测模型的预测误差分别为2.97%、1.70%、2.53%。结论 GM(1,6)预测模型预测精度最高,该模型适用于中短期的冷链物流需求预测,具有较高的应用价值。     

基于主成分分析与支持向量机的汽柴油需求预测

综合分析了影响汽柴油消费需求的关键因素,并针对其具有自相关性、复杂性、数据量大等特点,采用主成分分析法对样本数据进行降维处理,形成新的样本集。对支持向量机预测模型进行改进,在其基础之上引入时序动态因子,将上年的汽柴油需求历史数据作为时序反馈因子引入模型,从而形成新的动态反馈拟合模型,建立相应的需求预测模型。对1996~2012年的汽柴油需求预测进行实例研究,并将本文中所提方法的预测结果与灰色GM（1,1）模型、BP神经网络模型进行对比分析。结果表明本文中的主成分分析与改进支持向量机预测方法相对于GM（1,1）模型其预测误差均值分别降低了72.7%和74.86%,相对于BP神经网络其预测误差均值分别降低了81.3%和8166%,从而证明了此方法的有效性和优越性。     

基于改进GM(1,1)-Markov模型的国内生产安全事故预测研究

为准确预测我国生产安全事故发展趋势,本文在传统GM(1,1)模型和马尔科夫模型的基础上,结合二者优点提出改进灰色马尔科夫预测模型,并以2005—2018年全国生产安全事故起数为原始序列探讨了改进模型的实际应用。区别于传统灰色残差修正理论,选取灰色模型预测结果的相对误差作为修正指标,2次应用马尔科夫模型对相对误差状态和误差符号状态进行优化预测,并使用平均相对误差和小概率误差对模型进行精度检验。结果表明,改进GM(1,1)-Markov模型预测结果的相对误差为3.0%,较单一灰色预测模型预测误差减少19.5%,预测精度显著提高,同时预测得到2019年我国生产安全事故起数为479。     

灰色序列模型在物流园区货运量预测中的应用

运用灰色系统理论建立了货运量的灰色预测模型-GM（1,1）模型,并通过实例对货运量进行了预测,结果表明,该方法具有所需原始数据少、预测精度高等优点．     

新息累积GM (1，N)模型在交通噪声预测中的应用

从传统的灰色GM （1, N）模型出发,利用灰色关联分析法确定相关因素的关联度,引入累积法相关理论,对GM （1, N）模型进行参数辨识,建立起多因素的累积GM （1, N）模拟模型,在此基础上,充分利用最新信息,用新息思想建立新息累积GM (1, N)预测模型。将该模型分别应用到南方某城市及北京市道路交通噪声的模拟和预测上,结果表明,所建立的新息累积GM (1, N)模型的模拟精度高,预测结果平均相对误差比GM （1, 1）模型还低,预测效果好,预测值还表明,接下来两年内,噪声值基本维持稳定。     

灰色-马尔科夫模型在风电场风速预测中的应用

提出一种灰色-马尔科夫综合风速预测模型。该模型由灰色GM(1,1)模型使得小时风速序列数据近似平稳,然后由马尔科夫模型通过状态转移概率矩阵预测风速。仿真结果验证了所提方法的有效性。     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

基于GM(1,1)模型的东辛采油厂产量预测研究

本文介绍了GM(1,1)模型的建模过程,考虑油田产量数据较少的现状,将其视为灰色系统,并利用灰色系统GM(1,1)模型对油田石油产量进行了预测。经实证,模型的精度符合要求,预测结果可以为采油厂提供决策依据。     

灰色预测模型GM（１，１）的适用性分析及在火灾风险预测中的应用

通过对灰色预测模型———GM（１,１）的理论分析,证明了该模型的预测值及其变化趋势均具有单调 性,进而提出了GM（１,１）模型的适用性判据,并给出了该判据在火灾风险灰色预测中的应用实例。     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

汽车销售分析与预测系统研究

销售预测是企业供应链管理的关键环节,通过预测企业可以制定科学的采购、生产、库存、销售等计划,所以销售预测对企业经营决策具有重大的研究意义。在数据仓库的基础上,采用灰色系统理论进行预测,并验证灰色GM(1,1)预测模型的可行性。     

县级土地利用总体规划中人口规模预测实证分析

人口规模是土地利用总体规划中科学制定各类用地需求的主要依据之一。根据研究区紫金县1996—2005年的人口统计数据,分别建立了紫金县人口自然增长模型、线性回归模型和GM（1,1）灰色预测模型预测规划年2010年和2020年的人口规模,并确定规划年对应的综合人口规模分别为88．75万和102．23万。