基于小样本的非等距加速应力试验寿命预测方法

对非等距灰色GM(1,1)模型作进一步的改进,给出了一种新的非等距GM(1,1)模型.该模型与传统的非等距模型生成方式不同,在数据生成处理时,不是直接利用原始数据进行建模预测,而是通过对原始数据取对数变换,作降幅平滑处理,然后再对背景值加权处理.背景值加权的权重不是传统的绝对距离,而是相对距离,可以有效地避免改变原始数据列的性质.实例表明,对于非等距加速应力试验寿命预测,改进后的模型与Arrhenius模型及传统的非等距GM(1,1)模型相比,具有更好的建模精度和较强的适应性.     

基于非等距BFA GM(1,1)模型的尾翼疲劳寿命预测

针对非等距GM(1,1)模型中背景值系数α对模型的预测能力影响很大而最优值难以确定的问题,将细菌觅食算法与GM(1,1)模型相结合,提出了BFA-GM(1,1)优化模型.以飞机尾翼疲劳寿命预测为实例,分析比较了BFA-GM(1,1)模型、PSO-GM(1,1)模型和GA-GM(1,1)模型的性能.从试验的结果来看,本文提出的BFA-GM(1,1)模型消耗的时间少于其他2种模型消耗的时间,而平均预测误差低于其他2种模型的平均预测误差,这说明本文提出的BFA-GM(1,1)模型能够更快速、更准确地找到最优的背景值系数α,从而提高了"小样本""贫信息"条件下的飞机尾翼疲劳寿命预测的精度.     

基于模糊回归理论的GM(1,1)模型优化

文章将传统的GM(1,1)模型与模糊回归模型相结合,得到了基于模糊回归理论的GM(1,1)优化模型,保留了传统GM(1,1)模型的所需建模数据少和具有预测功能的优点;利用定义的三角模糊数的左、中、右距离公式,得到了基于模糊回归理论的GM(1,1)优化模型的求解方法.     

灰线性回归模型在建筑物沉降分析中的应用

从GM(1,1)模型原理和GM(1,1)与线性回归组合模型原理的不同之处开始讨论,利用GM(1,1)与线性回归组合模型对广州市某小区1#楼一个沉降监测点(CJ1)进行了分析和预测,分析和预测的结果验证了GM(1,1)与线性回归组合模型在建筑物沉降变形分析中的实用性、正确性和有效性.最后对组合模型预测精度起决定性作用的灰指数v和参数m进行了分析,给出了求解灰指数v和参数m的最优值算法,应用结果表明,该方法使预测结果更可靠、准确,具有实际的参考价值.     

小数据量情境下的滑坡位移非线性变化预测模型

为得到小数据量情境下滑坡位移非线性变化趋势的准确估计,融合广义回归神经网络学习速度快、预测精度高和p GM(1,1)模型减小数据随机性并能增强规律性的建模优势,建立了基于p GM(1,1)模型和广义回归神经网络的滑坡位移组合预测模型.两个工程实例与以往研究结果的对比结果,验证了所建模型可行、有效.     

基于响应不变法的GM(1,1)模型的动态特性分析

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,提出了一种新的无偏GM(1,1)模型.对基于响应不变法的GM(1,1)模型的动态特性进行了分析,明确了该模型的特性和适用条件.     

应用两数学模型对长江口凤鲚捕捞量建模初探

对1997～2004年长江口凤鲚捕捞量建模进行了研究,对多个相关因子分别建立了多元回归模型和GM(1,1)模型.最优回归预测方程为y=-0.9933 0.4547X1 0.8617X2 0.6117X3;最优时间响应函数为X1(t 1)=-60.3823 e-0.0169t 61.4493.多元回归预测模型适合于以丰富的参数精确预测当期捕捞量,而GM(1,1)预测模型则可以少量参数对捕捞量进行中长期初步预测,两者结合可以加强对凤鲚捕捞的科学管理.     

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.     

基于双向差分GM(1,1)模型当季国内生产总值预测

以灰色系统理论建模中的GM(1,1)模型为基础,结合双向差分原理,建立基于双向差分的GM(1,1)模型.该模型克服了大数据建模中对数据量的限制,为"贫数据"及"数据信息不确定"的这类数据提供一种建模思路.实证分析表明,基于双向差分的GM(1,1)模型预测精度优于灰色GM(1,1)模型及大样本建模中的ARMA模型.     

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GM(1,1)模型的图解法

灰色GM(1,1)模型是GM模型中最基础、最核心、应用最广泛的一种预测模型.本文提出了确定GM(1,1)模型基本解有关待定参数的一种新方法——图解法.该方法能方便地确定GM(1,1)模型解的有关待定参数,既简明又直观.将图解法与解析法进行比较,结果表明,图解法与解析法的精度基本接近,能够满足工程控制的需要.     

使用灰色GM(1.1)残差修正模型获得较高精度条件的探讨

从求得灰色数学模型GM(1.1)及其残差指数修正模型和残差周期修正模型函数曲线的驻点与拐点入手,导出使用这些灰色模型取得较高精度的条件,让使用者可依据初始序列数据的态势决定采用哪种数学模型,并且在结果未揭示以前便可大体上估计到拟合精度是否令人满意。     

两类离散GM(1,1)模型及其软件缺陷预测建模

为了拓广离散GM(1,1)模型的应用范围,建立了近似非齐次指数序列的离散GM(1,1)模型,NDGM(1,1)模型和直接离散GM(1,1)模型,即DDGM(1,1)模型,证明了其可以完全拟合非齐次指数序列,最后将两类离散GM(1,1)对软件进行缺陷预测建模,结果显示,DDGM(1,1)模型具有较高预测精度,可以对后续软件开发中缺陷的存在情况做出相应预测.     

基于灰生成空间的高阶GM(1,1)模型

在AGO-IAGO灰生成空间的基础上，给出了r阶GM（1，1）灰色模型的一般建模方法，并且用实例证明了该方法能够提高GM（1，1）模型的精度。     

基于灰色理论预测再生混凝土的抗冻性寿命

运用灰色理论建立了在冻融循环条件下再生混凝土的动弹性模量GM(1,1)预测模型。根据已有的试验数据,基于GM(1,1)预测模型,预测其他冻融次数下再生混凝土的动弹性模量。再根据模型预测数据,预测实际自然情况下再生混凝土的抗冻性寿命。计算分析表明,GM(1,1)的抗冻性模型的方差比C均小于0.35,小误差概率p均大于0.95。根据试验数据推导出的预测模型精度高,可用于再生混凝土抗冻性能的动弹性模量预测和分析。当再生骨料掺量为60%时,再生混凝土的抗冻性能达到最佳。从宜昌地区来看,其抗冻使用寿命可达183年。     

优化背景值的GM(1,1)

为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.     

桤柏混交林幼林生长的灰色拓扑预测

应用灰色系统ＧＭ（１，１）模型及其改进模型研究了四川省盐亭县龙江４年来连续营造的桤柏混交林和柏木纯林，建立了混交林和柏木纯林中幼木生长的灰色ＧＭ（１，１）模型、新息ＧＭ（１．１）模型和ＧＭ（１，１）新陈代谢模型，结果表明，ＧＭ（１，１）新陈代谢模型能较好地摸拟和预测桤木和柏木在幼林期的生长状况，井对其随后６年的胸径、树高作了预测．由预测结果可以推断，桤柏混交林促进目的树种柏木生长的效益是非常明显的．     

路面使用性能预测与统计分析

提出用重构背景值的GM(1，1)模型对路面使用性能试验数据进行预测，新的背景值计算公式的显著特点是使GM(1，1)模型具有对建模结果进行优化的能力，能获得最佳的拟合和预测精度。将获得的预测序列进行统计分析，为路面性能预测评价提供参考依据。实例计算结果说明，将重构背景值的GM(1，1)模型用于路面使用性能试验数据预测有很高的精度，为有效缩短试验时间提供了一个值得探讨的方法。同时从统计分析中可知，对数正态分布模型更适合于弯沉指标。     

GM估计的一个刻划及其应用

引出了参数统计模型下GM估计的一个性质，并进一步证明了该性质与GM性是等价的，从而得到了证明线性估计GM性的一种新的方法，最后由此等价性质讨论了一些线性估计的GM性．     

非等时距GM(1,1)直接模型及其在材料试验数据处理中的应用

在原始数列等时距处理的基础上,通过用一次累减数列与原始数列构建微分模型,得到了非等时距GM(1,1)直接模型;并给出2个具有不同饱和特征的材料试验数据处理实例.通过这2个实例说明了非等时距GM(1,1)直接模型适合处理呈上升或下降饱和变化趋势、对数据无非负性要求的任意数列,其预测值不需要还原计算,具有适用范围广、预测精度高和简单实用的特点.该模型有效弥补了传统GM(1,1)模型在此类数据处理方面的不足,因此,具有较大的应用推广价值.