基于反余弦函数变换的优化GM(1,1)模型应用研究

研究了有关提高灰色GM(1,1)模型预测精度问题。在对原始数据序列进行标准化处理基础上,结合反余弦函数变换与灰色预测模型的新陈代谢思想建立优化GM (1,1)预测模型,并用实例验证了优化GM(1,1)模型比优化模型的单个条件能获得更高的预测精度。     

灰色预测模型的改进

一、引言灰色系统理论是由创始人邓聚龙教授创立的,由于它的建模方法简单,所需样本少,以及预测精度高等许多优点,自该理论创立以来,已被广大科技工作者广泛地应用于社会、经济、生态等领域,取得了很好的效果.由于灰色预测模型已被得到广泛的应用,所以在应用该模型前,应对动态模型的应用条件作一分析,并研究如何提高预测的精度.本文想通过讨论动态GM(1,1)模型的建模原理的基础上,进一步探索GM(1,1)模型存在的问题,并提出改进的方法,以提高模型对实际问题的预测精度.二、灰色预测模型的建模原理GM(1,1)预测模型是最常用的一种灰色动态预测模型,其建模原理是:     

基于动态自适应PSO算法的GM(1,1)融合预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b是两个关键的参数,其对模型的预测精度有较大的影响.在分析GM建模原理和参数对模型精度影响的基础上,提出了一种基于动态自适应粒子群算法的灰色GM融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用改进的粒子群优化算法来求解模型的相关参数.实例分析表明:与传统的GM(1,1)模型相比,动态自适应粒子群优化算法与GM融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型更具优势.     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

灰色预测理论在数学建模中的应用

灰色系统理论在自动控制领域中已取得了广泛的应用,本文针对灰色预测理论的特点,分析了它在数学建模中的具体应用。首先,本文对如何将实际问题转化为灰色GM(1,1)预测模型给了具体的步骤,同时针对模型的特点,可以对其的预测精度进行后验差检验,随后,针对基本灰色GM(1,1)预测模型单调性的特点,我们可以采用改进的等维灰数递补模型,这样可以大大的提高模型对实际问题的预测精度。     

一种基于灰色模型和机理模型集成的质量预测模型及其应用

针对长流程工业过程中产品质量难以实时检测且不易实现优化控制的难题,通过对生产数据特性和质量预测要求的分析,提出了一种基于GM(1,1)灰色模型和机理模型集成的质量预测模型.首先根据过程机理知识建立了粗糙质量预测模型;然后运用灰色预测中的残差辨识理论,用机理预测模型的残差时间序列建立残差GM(1,1)模型,其预测结果补偿机理模型的预测值.验证结果表明,该质量预测模型能获得较理想的质量预测精度,其应用可使产品质量得到显著的提高.     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

GOM(1,1)模型时间响应函数的优化

利用"最小二乘法"确定GOM(1,1)模型白化权函数的时间响应函数中的常数c,摈弃了传统GOM(1,1)模型将x(1)(1)作为初始值的欠科学的做法,构建了时间响应函数的优化模型。不管GOM(1,1)模型的发展系数a及控制系数b的估计值使用何种方法求出,通过本文两个准则确定待定系数c值从而得到时间响应函数的优化模型均能提高模型的模拟预测精度,并用实例验证了新方法的有效性与实用性。     

基于灰模型白化响应的边缘检测算法研究

边缘检测是图像分析与处理的重要基础，一直是视觉领域研究的活跃课题。本文深入研究了一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法。该算法用原图相邻的若干象素点，构建GM(1,1,C)模型，算出相应象素点的白化值，得到原图像素点亮度值与相应白化值之间的误差。依据边缘像素点其亮度与非边缘像素点亮度相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值误差大的特点，实现边缘检测。实验证明该算法的有效性和具有一定的抗噪能力。     

高铁中基于改进GM(1,1)马尔可夫模型的频谱预测策略

针对现有高铁环境中沿线网络复杂且频谱利用率低的问题,将具有人工智能特性的认知基站引入高铁无线通信,并提出一种新的改进灰色GM(1,1)马尔可夫模型对频谱进行预测.与其他方法不同,分别从主用户到来时间及其持续时间两方面进行预测,建立信道的占用/空闲模型.通过新陈代谢GM(1,1)对历史序列的1步预测结果进行对比,得到最佳历史序列个数,并对最佳序列预测值利用二次加权马尔可夫模型进行校正,该校正模型分别对各步长的转移概率和各概率的转移状态进行加权,使其更加适应真实的高铁无线通信场景.通过MATLAB实验仿真,将新的改进GM(1,1)马尔可夫模型与灰色关联度模型的拟合程度和1步预测精度进行对比.结果表明,就时间序列预测而言,该模型对历史序列的拟合程度及1步预测精度更高.因此,该模型能够有效进行频谱预测,提高预测性能.     

一种提高灰色模型拟合精度的简便方法

GM(1,1)模型是一种应用广泛的呈指数增长趋势的灰色系统模型.它的拟合精度与建模数据序列的光滑度有关.建模数据序列光滑度越高,灰色系统模型的精度越高.根据线性函数变换和逆变换的知识,提出了通过对建模数据进行线性函数y=px q变换来提高灰色模型拟合精度的一种简便方法,并且从理论上证明了这种变换可以有效提高建模数据序列的光滑度.算例分析的结果表明,对建模数据序列进行线性函数y=px q变换的方法在提高灰色GM(1,1)模型拟合精度方面是有效的.     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.     

平顶山市“十二五”规划期间人口发展预测

根据最新人口统计资料,分别建立长、中、短不同维度的GM（11,）模型、增量GM（11,）模型和灰色Verhulst模型,对2005-2009年平顶山市人口总量进行检验性预测,通过对比分析,发现短维度GM（1,1）模型的预测效果要好于其他模型.最后,在充分采纳新信息的基础上建立5维GM（1,1）模型,对十二五期间平顶山市...     

动态调整GM(1,1)发展系数的预测优化算法

在灰色预测GM(1,1)算法的基础上,针对小样本、穷信息、不确定性和以时间为序列的特征数据,运用限定条件下的随机非线性规划方法、动态调整GM(1,1)算法均质生成数列中的发展系数,构建一套优化预测模型,藉此提高算法的数据预测精度.结果表明:优化算法的预测结果精确度高,在数据预测方面,优于传统的GM(1,1)算法.     

基于响应不变法的GM(1,1)模型

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.     

灰色系统模型预测茶叶产量方法初探

<正>从微分方程及系统状态空间表达式出发,讨论了特征方程的根为两个共轭复根时,求二阶系统响应函数的方法,其结果完全一致。根据江苏宜兴县川埠茶场1959～1973年茶叶产量资料,建立了GM(1,1)和GM(2,1)预测模型,其预测精度前者高于后者。