径流中长期预报的灰色系统方法研究

探讨径流中长期预报的灰色系统方法，提出了全因果序列扩维的灰关联模式识别与预测方法、灰参数线性模型的预测方法以及ＧＭＲ（１．１）模型．分别用于年月径流预测和灾变预测．通过海河流域潘家口水库资料验证，表明计算方法是可行的．     

灰色预测在市场营销管理中的应用

探讨在市场营销管理中运用灰色系统作市场分析与预测，具体介绍了ＧＭ（１，１），新陈代谢、灰Ｖｅｒｈｕｌｓｔ等模型，并举聘实例说明在小样本情况下灰色系统预测结果明显优于传统方法。     

灰色预测在市场营销管理中的应用

探讨在市场营销管理中运用灰色系统理论作市场分析与预测，具体介绍了ＧＭ（１，１）、新陈代谢、灰Ｖｅｒｈｕｌｓｔ等模型，并举出一实例说明在小样本情况下灰色系统预测结果明显优于传统方法。     

灰色自记忆神经网络模型在年径流预测中的应用

径流序列是一种非线性、弱相依高度复杂的动力系统,径流预测还处于探索阶段,提高径流预测精度关键在于对有限样本包含的信息进行充分发掘.采用一种理论和方法很难充分挖掘径流序列所包含的信息.基于组合预测思想,应用灰色理论,自记忆性原理与BP神经网络三种理论与建模方法对年径流序列进行挖掘,在此基础上提出年径流预测的灰色自记忆神经网络模型.结果表明,模型能够很好地反映径流的变化规律与极值趋势,具有较好的拟合与预报精度.     

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     

基于生命旋回-权马尔可夫的径流预测模型

针对生命旋回预测模型不能反映河川径流周期性和波动性变化的特点,将其与权马尔可夫链结合,提出了一种精度较高的预报模型——生命旋回-权马尔可夫链组合模型.该模型用生命旋回模型预报河川径流的趋势项变化,由权马尔可夫链对径流残差序列进行修正,进行预测时采用等维信息方法处理,在此基础上对黄河龙门水文站径流进行预测,拟合精度为86.97%,合格率为86.78%,表明该模型可以用于径流预测.此外,对求解生命旋回模型的方法作出了改进,经研究表明,该方法实用可行.     

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。     

年径流预测的自适应NNBR-ANN耦合模型

以基本遗传算法为基础，优化人工神经网络与最近邻耦合模型的基本参数，得到无参数的自适应NNBR-ANN耦合模型。应用此模型对黄河青铜峡年平均流量进行预测，并与单独的人工神经网络模型和最近邻抽样回归模型预测结果进行比较分析。结果表明：此方法将模型的基本参数进行优化处理，打破传统的定参方法，用于径流预测更加方便适用，且预测精度更高。     

支持向量机及其在径流预测中的应用

给出了支持向量机方法(SVM)的思路、特点及关键之处,探讨了SVM在径流预测中的可能性,并与基于遗传算法的门限回归模型(TR) 进行了对比分析。径流预测实例分析表明,在拟合阶段,SVM模型要好于TR模型;在预留检验阶段,SVM模型与TR模型接近。同时SVM模型适合于小样本情况且能达到全局最优。SVM模型用于径流预测是可行的、优越的。     

一种用于电站燃烧经济性预测的灰箱建模研究

介绍了一种灰箱建模方法及其在电站锅炉经济性能预测中的应用。首先,根据相关文献综合一组实际锅炉效率的简化计算公式;然后分别构造锅炉效率的灰箱模型及人工神经网络模型;最后,以机理模型为标准,比较灰箱模型和神经网络模型的学习精度和预测能力。实例计算证明,灰箱模型在预测精度上有着明显的优势,且灰箱模型具有清晰的物理意义。该灰箱方法计算,过程简单,易于收敛,具有较好的实际应用前景。     

基于小波分解的优化支持向量机模型在水库年径流预测中的应用

为提高水库中长期径流预测的精度和可靠性,更好地发挥水资源综合利用的效益,提出了结合小波分解预处理的支持向量机预测模型(SVM-WDP)。该模型将包含复杂信息和随机噪声的径流过程分解为不同频率、不同特征的子序列,再分别针对各子序列运用PSO参数优化支持向量机模型进行预测,最后将子序列预测结果重组为最终预测径流。以淮河流域梅山水库1959—2014年径流过程为研究对象进行预测,结果表明:SVM-WDP模型所得结果的合格率为85%,达到水文预报甲等标准;与单独使用支持向量机模型相比,SVM-WDP模型拟合阶段RMSD由14.98降低至7.76,预测阶段RMSD由6.85降低至5.54,模型的预测性能均大幅度提高。该模型为中长期年径流预测提供了有效的方法和思路。     

白云鄂博区大气污染灰色预测的研究

通过对ＧＭ（１，１）模型的研究，探讨了该模型在大气污染预测应用中存在的问题，提出用ＧＭ（１，１）模型群作为污染物的灰色区间预测，并将其应用于白云鄂博区大气污染的预测，证明 了此方法应用于白云鄂博区大气污染预测是比较合理的。     

基于可公度和灰关联模式识别法的鲁台子、蚌埠站中长期洪水预报

选取淮河流域典型站点鲁台子站和蚌埠站为研究对象,基于站点1956-2010年的年径流总量、主汛期(6-8月)径流总量、年最大洪峰资料,采用可公度预测法和灰关联模式识别法对站点进行中长期洪水预报研究.结果表明:可公度预测法成功地模拟出了淮河流域2007年洪水的发生;灰关联模式识别法对鲁台子站和蚌埠站检验期的中长期洪水模拟合格率最高达100%,效果比较理想.以上两种方法在中长期预报中均具有一定的参考价值.     

考虑计算时段间径流变化过程的随机动态规划模型

本文首先提出一种适用于水库水沙调节优化调度的随机动态规划模型。该模型中考虑了计算时段间径流过程的变化。在此基础上，应用文献［１］中提出的模糊模式识别模型，进一步给出了使用所给模型时关键性地确定计算时段间典型径流过程的方法。最后，给出了求解模型的总体流程图。     

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.     

灰色人工神经网络模型及其在和田河径流预测中的应用

针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时,预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的改进模型,并将其应用于和田河径流变化预测中.结果表明,该方法提高了模型精度,为分析和田河径流变化趋势提供了有效的方法.     

基于果蝇优化广义回归神经网络的径流预测

针对水文径流的不确定性特点,提出一种新的径流预测模型。该模型在广义回归神经网络的基础上,采用了果蝇优化算法。通过该模型对四川省万源市后河径流进行了预测,结果显示改进后的模型预测精度明显提高。     

R/S-BP网络耦合模型及其在年径流预测中的应用

由一维径流序列构建的BP网络模型输入因子(输入层结点数)的确定至今尚无明确定论,R/S分析法能度量前期径流对当前径流的有效影响时长(拟周期),基于此构建了基于R/S分析法的BP网络预测模型——R/S-BP网络耦合模型。该模型由R/S分析法识别径流序列的拟周期,以当前径流为界将拟周期内的前期径流作为BP网络输入的待选因子,优选后得到模型的输入因子,从而构建BP网络并进行径流预测。将R/S-BP网络耦合模型应用于釜溪河流域年径流预测中,并与两种常规BP网络模型的应用结果进行对比分析。结果表明,釜溪河流域年径流序列存在13 a的拟周期;R/S-BP网络耦合模型的预测效果优于常规BP网络模型;R/S分析法可为BP网络筛选输入因子提供科学依据,减少人为选择的不确定性;R/S-BP网络耦合模型用于年径流预测是可行的。     

GM（1,1）模型参数估计的新方法

针对ＧＭ（１，１）模型预测估计值稳定性差等问题，从灰色建模基本要求出发，给出了一种新的ＧＭ（１，１）模型参数估计方法。与原方法相比，新方法参数估计值稳定性强，误差小，达到了理想的预测效果。     

基于自适应模糊网络系统的径流序列预测

应用自适应模糊网络系统进行径流序列数据预测，并给出此类混沌数据列预测的ANFIS系统结构形式。自适应模糊网络系统模型充分利用观测数据中的先验信息，预测结果精确、可靠。最后通过实例应用证明该方法的可行性和有效性。