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.     

等维灰数递补MGM(1,n)模型在商品住宅价格趋势预测中的应用

主要探讨了在商品住宅价格趋势预测中更为适用、精确的一种方法--等维灰数递补MGM(1,n)模型即基于多变量灰色模型的等维灰数递补动态模型.针对该模型选取XX市历年商品住宅均价及相关指标数据作为样本,对其进行了严格的验证,等维灰数递补动态模型的引入使得多变量灰色模型的预测精度得到了不断的提高,该方法在经济预测中具有很好的实用价值.     

灰色残差模拟在城市用水量预测的研究

目的 使用灰色残差模型,解决预测城市需水量问题.方法 在传统灰色预测基础上,通过模型模拟的还原值与原始数据比较,取其差值,构建新数列模型代回原模型修正误差.结果 通过对2000-2004年沈阳市生活用水量计算,灰色残差模型中均方差比值c为0.32,小误差概率p为0.94.而传统灰色方法 中均方差比值c为1.03,小误差概率p为0.62.表明灰色残差模型在模型精度方面高于传统灰色方法 ,更能对外界因素的影响做出反应.结论 通过对比验证.灰色残差模型弥补了传统灰色模型在预测中不足而且能更好地预测城市未来需水量.     

NPSO-GRNN在城市生活需水量预测中的应用

利用小生境粒子群算法(NPSO)的全局搜索能力,对GRNN的光滑因子进行优化,提高了广义回归神经网络(GRNN)的网络性能,建立了基于NPSO-GRNN的城市生活需水量预测模型。研究结果表明:利用该模型拟合和预测北京市1988-2012年生活需水量数据的平均相对误差绝对值分为别0.72%和0.36%,两者都比BP神经网络模型拟合预测的结果低;NPSOGRNN模型能更好的拟合北京市城市生活需水量的变化趋势,预测精度更高,泛化能力更强。     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

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.     

基于网格搜索和支持向量机的灰熔点预测

为了预测混煤的灰熔点,采用支持向量机建立煤灰软化温度模型,模型将煤的灰成分作为输入量,煤的软化温度作为输出量,利用网格搜索寻优方法对支持向量机(SVM)模型的参数进行了优化,在设定的不同精度下分别获得模型的最优参数,利用优化后的模型对单煤和混煤的灰熔点进行了预测,并将不同精度下的预测结果与实验结果进行对比.煤灰软化温度模型设定精度为0.01时,单煤样本预测相对误差最小,其最大相对误差和平均相对误差分别为3.00%和0.48%;运用此模型对混煤预测的最大相对误差和平均相对误差分别为1.74%和0.62%.预测结果表明,经网格搜索优化后的支持向量机模型对煤灰熔点预测较精确.     

利用灰关联定权组合模型预测城镇给水管道腐蚀速率

目的 研究城镇给水管道腐蚀预测,减小爆管事故的发生率,提高供水系统安全性.方法 应用灰色理论分别考察在不同单因素影响下给水管道腐蚀速率的变化状况,建立灰关联定权组合模型,预测给水管道在溶解氧、溶解性CO2、pH值、水流速度、水压共同作用下的腐蚀速率.结果 运用灰关联定权组合模型预测得到的给水管道腐蚀速率的相对误差最高为2.33%,最低为0.21%,与实际测量腐蚀速率能够较好吻合.结论 基于灰色理论求解的灰关联定权组合预测模型可较准确地预测多种影响因素下给水管道腐蚀速率.