基于等维灰数递补模型的路面性能预测方法

为了准确掌握沥青路面使用性能指标的变化趋势,以车辙指数(rutting depth index,RDI)为例提出了能够有效动态使用新数据的等维灰数递补模型.利用该模型对路面状况指数(pavement condition index,PCI)、行驶质量指数(riding quality index,RQI)和横向力指数(skidding resistance index,SRI)等指标进行了预测.结果表明,使用等维灰数递补模型对RDI、PCI、RQI和SRI预测在第3步时,最小误差概率均为1,后验方差比分别为0. 1117、0. 0654、0. 2018和0. 1130.证明了随着步数的增加,其预测结果精度越高、误差越小,表明该方法能够准确地预测路面性能.     

灰色递补模型在城市需水量预测中的应用

目的提出使用灰色递补模型准确地预测城市需水量,弥补传统灰色预测中不能对外界影响因素做出反应的不足.方法在传统灰色预测基础上,由已知数列预测一个值,将预测值补加到已知数列中去,同时去掉最早期的一个数据,保持维数的不变,接着预测下一个数据,把新的数据补充到原数列中去,同样去掉最早期的一个数据,这样逐个替换、补充,依次递补,直到完成预测目标.结果通过模型模拟结果可以看出灰色递补模型在模拟精度方面要远远超过传统灰色模型,灰色递补模型模拟的相对误差较小,小误差概率P、均方差比值C都较好,对未来需水量预测更准确.结论通过对比和实践验证,灰色递补模型弥补了传统灰色模型在预测中的不足,把外界对需水量的影响降到最低,能更好地预测城市未来需水量.     

重庆市职工工资收入的灰色预测

利用灰色系统理论,建立残商修正等维灰数递补ＧＭ（１．１）模型,对重庆市职工工资总额、平均工资作中长期预测,预测精度达到一级,为制定调资政策提供定量依据     

重庆市职工工资收入的灰色预测

利用灰色系统理论,建立残商修正等维灰数递补ＧＭ（１．１）模型,对重庆市职工工资总额、平均工资作中长期预测,预测精度达到一级,为制定调资政策提供定量依据。     

城市用水量灰色预测

利用磷以预测方法对城市中长期用水量进行了研究,介绍了磷以系统预测的基本原理,建立了两次拟合等维灰数递补灰色用水量预测模型,通过在三个城市的实际应用,验证了其有效性及可行性。     

煤炭地下气化过程灰色预测

煤炭地下气化系统是一个信息部分明确、部分不明确的灰色系统，针对这一问题，建立了煤炭地下气化过程状态参数灰色数列预测模型和系统预测模型；实际应用结果表明，数列预测的误差是在8．92％～14．47％之间，系统预测的误差在0.13％～16．6％之间，而采用等维新息模型，形成等维灰数递补动态预测，可减少预测误差,“灰色预测”模型能够指导操作人员作出定性或定量分析，从而事先调控煤炭地下气化生产过程，实现连续稳定生产。     

灰色神经网络耦合模型在城市需水量预测中的应用

目的为了更准确预测城市用水量,弥补灰色和神经网络预测模型在中长期需水量预测中的不足.方法采用最小方差法建立了灰色新息递补模型和新息递补BP神经网络的耦合模型即灰神经模型,并对城市需水量进行预测.结果预测沈阳市生活需水量,灰神经网络耦合模型的平均相对误差为0.144%;预测沈阳市工业需水量,灰神经网络耦合模型的平均相对误差为0.19%.在模拟精度方面远远高于其他模型的模拟值,提高了预测的准确性.结论提出了用灰色神经模型来预测城市需水量的方法,能更好地预测城市未来需水量,把影响预测的不定因素降到最低限度,具有广泛的实用性.     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

数控机床故障时间的灰色神经网络复合预测

为了提高数控机床的可靠性,需要对其工作故障时间进行预测.基于等维新息观点,分别用灰色系统多次残差修正模型和神经网络等2种单一预测方法和等维新息递补神经网络组合预测方法对机床故障观测数据进行了预测,结果显示复合预测误差小于单一预测误差,模型有较高的预测精度.     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

基于粒子群算法和BP神经网络改进的灰色电力负荷预测研究

灰色预测模型被广泛运用于电力负荷预测中,取得了较好的效果,但是灰色预测模型在实际应用中的缺点和局限性导致其预测精度有待提高,存在改进的必要。本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,从而提高普通灰色GM（1,1）模型的预测精度。对初值的处理可以削弱异常值的影响,强化趋势,从而避免由于初值选择不当而造成预测误差。本文中对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。通过这些对灰色预测模型的修正和改进,进一步提高了灰色预测模型的适用性．最大限唐妯提高了灰乍．GM（1,1）模型的预测精唐．     

基于改进灰色神经网络的房地产价格走势分析

针对房地产价格走势状况,通过对灰色预测模型GM（1,1）和BP神经网络的研究,将两大模型进行组合改良,形成新的组合灰色神经网络预测模型,以南京市中房指数为例,以Matlab为预测工具,进行2013年12个月份的价格指数预测,研究结果证明新的组合预测模型精度较高,可为房地产价格指数的预测和研究提供参考依据。     

一种自校正预测补偿价格模型的研究

应用商品经济价值规律和经典力学中的惯性理论,提出了自校正预测补偿模型,该模型不仅能合理地反映商品供需与价格的动态关系,而且为宏观调控部门提供了价格调控方法和理论依据．     

多变量时间序列CAR模型在短期光伏发电量预测中的应用

提出一种采用多变量自回归时间序列CAR(Controlled Auto-regressive)模型作为预测光伏电站发电量的方法。该方法利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型。以华中科技大学电力电子研究中心18kWp并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性。应用结果表明,天气良好时,预测精度较高,对光伏电站发电管理具有一定的参考价值。     

多变量灰色预测模型在建筑物沉降观测中的应用

采用多变量灰色模型对建筑物沉降观测数据进行处理,并通过工程实例将预测结果与实测数据对比,说明多变量灰色预测模型的准确性,预测精度较高,尤其适用于多点变形的整体预测预报,且满足工程需要,具有重要的工程意义和经济价值.     

小区间浴盆形火灾事故预测

基于传统灰色预测模型预测剧烈波动型火灾数据误差较大的缺陷,使用泰勒公式将灰色预测模型的原始数据序列展开,并展开拉格朗日型余项,以此修正传统的灰色预测模型,改进了传统的灰色预测算法。使用Matlab软件编程,分别采用传统的灰色预测算法和改进的灰色预测算法,针对小区间浴盆形火灾事故,选取三组数据进行预测。结果表明,修正后的灰色预测模型改善了传统灰色预测模型预测浴盆形火灾事故稳定性差、误差大、精度低的不足,预测曲线符合浴盆形曲线特征,与原始数据曲线特征具有较高的一致性。改进的灰色预测模型与传统的灰色预测结果相比,三组数据的平均相对误差分别降低86.59%、55.32%、55.70%。改进的灰色预测模型预测结果在精度、相对误差、关联度三方面都能满足要求。     

中国商品住宅价格省际差异的决定因素——基于货币数量论的实证研究

利用货币数量论对我国商品住宅价格省际差异的决定因素进行理论分析,基于理论分析提出关于我国商品住宅价格空间差异决定因素及其决定机制的若干理论假设,然后采集2010年全国各省级行政区的房地产市场数据对理论假设进行了计量经济学检验,实证检验结果与理论预期完全一致,即我国各省商品住宅价格与该省城镇居民可支配收入、住宅抵押贷款余额增量高度空间正相关,与其商品住宅供应面积高度空间负相关。研究结论与利用传统S—D模式分析商品住宅价格的空间差异所得到的结论具有高度的逻辑一致性。     

商品住宅经济性能评价研究

住宅产业是我国国民经济新的增长点和消费热点,有着巨大的发展潜力。但是,我国住宅商品市场发育不完善,存在着开发水平低,功能质量差,建设资源浪费严重,功能与价格偏差过大,空置严重等不良现象。国家迫切需要采取一系列措施来解决这些问题,进行商品住宅经济性评价正是最为有力的措施之一。本文就进行商品住宅经济性能评价的意义,原理,方法进行了探讨,对于推进我国商品住宅性能认定工作具有积极的意义。