主梁变形预报的改进非等间隔权重灰色修正模型

针对斜拉体系加固张拉施工阶段主梁变形难以预报,传统非等间隔灰色模型在其应用中存在精度低的问题,提出了一种马尔科夫链残差修正的改进非等间隔权重灰色主梁变形预测模型。首先,该模型将主梁变形量和索力差分别看作传统非等间隔灰色模型中的原始数据列和时间差,考虑在累加生成和累减还原过程中是否引入权重分配系数,构建了4种不同的非等间隔权重灰色预测模型,并依据相似度准则确定相应的最优权重分配系数和最佳计算模型,提高预测精度;然后,采用马尔可夫链法反映出主梁变形残差序列的随机波动特征,从而对改进非等间隔权重灰色模型的预测值进行修正,较好地弥补了单一预测模型预测精度偏低的不足,进一步提高模型的预测精度;最后,通过该模型对斜拉体系加固主梁变形进行预测。研究表明,相对传统非等间隔灰色模型,在模型累减过程中引入权重分配系数后的模型相对误差平均值降低0.47%;采用马尔可夫链法对预测结果进行修正后,相对误差平均值降低10.32%,能显著提高预测模型的精度;与马尔科夫链修正后的传统模型相比,经累减还原优化后的修正模型相对误差平均值降低3.50%,预测精度更高,能够较好地反映出了斜拉体系加固主梁变形的发展趋势;该模型的核心理论是灰色系统理论,对实测数据并无特殊要求和限制,同样适应于其他工程领域的变形预测问题。     

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。     

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.     

基于马尔科夫链误差修正的光伏发电预测

为了提高光伏发电预测的精度,在传统BP神经网络预测模型的基础上,利用相似日算法和马尔科夫链理论对预测模型进行改进。其方法以得到的相似日数据作为预测模型的输入量,通过BP神经网络进行训练,得到初步的预测值,然后根据马尔科夫链模型得到的误差状态转移概率矩阵对预测误差进行修正,根据修正后的误差得到新的预测值。最后通过与传统算法得到的预测结果进行误差对比分析,结果表明,改进算法的预测精度高于传统算法,验证了该模型的有效性。     

灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

基于灰色马尔科夫模型我国非织造布产量预测

灰色预测方法对于波动性较大的非平稳数列预测精度不高,马尔科夫链理论能克服随机波动性数据对预测精度的影响.将灰色预测方法与马尔科夫理论结合,能有效提高预测的精度.运用灰色马尔科夫模型预测我国非织造布的产量,发挥两种方法的优势,取得了较为理想的效果.模型的平均预测误差为1.757%,比GM(1,1)模型的平均预测误差4.856%减小63.81%.     

基于改进指数平滑法和马尔科夫模型的风速预测研究

针对传统指数平滑法在风速预测中的不足,搭建基于改进指数平滑法和马尔科夫修正模型的风速组合预测模型。通过梯度优化法快速追踪最优平滑系数α,加快计算效率和提高预测精度;利用马尔科夫模型修正残差,进一步增加预测精度。实验结果表明,该模型在计算效率上,比动态遍历指数平滑法提高近80%;而在预测精度上,比传统指数平滑法和灰色预测法分别提高了27%和32%。该模型对于风速的预测是准确、有效的,具有一定的实用价值。     

基于灰色动态马尔科夫的航班延误预测

为解决大型枢纽机场运行管理中的航班延误问题,建立了基于灰色理论的动态马尔科夫预测模型,对航班延误情况进行预测.将灰色预测拟合值和实际值的误差分为4个区间,根据误差区间状态,运用加权马尔科夫预测下个时间段的误差范围.结合模糊集理论,将预测误差由一个区间值转化为具体值,从而对灰色预测值进行修正,得到了精确度更高的预测值.结合某机场进行实例验证,结果表明:该方法能够使预测结果的精度有了较大提升.     

集对分析聚类预测法在区域用水量中的应用

精确预测用水量有利于水资源的规划和管理.本文利用集对分析联系度及聚类思想建立了集对分析聚类预测模型,并应用于山东省用水量预测中.结果表明,山东省2010年用水总量预测的计算值与实际值相对误差为0.67%,采用灰色GM(1,1)模型预测的相对误差为4.95%,采用BP神经网络预测的误差为4.77%.进一步对山东省2011—2013年用水量的年增长率进行预测,相对误差较小.可见,集对分析聚类预测模型精度较高,可用于区域产业用水量的预测研究中.     

基于MREC灰色模型的电力工业与国民经济协调发展趋势预测和分析

电力工业与国民经济之间的关联关系十分密切,对两者之间未来的协调发展情况进行趋势预测和分析,对于我国电力产业政策以及国家经济政策的制定具有一定的参考价值.通过马尔科夫残差修正灰色模型(MREC).选取电力工业和国民经济评价指标并对2010～2015年各评价指标进行预测,然后计算电力工业和国民经济评价指标的关联度及其耦合度...     

河流水质预测的灰色神经网络联合模型

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,运用响应成分模型将水质浓度分解为具有确定性的趋势项和具有不确定性的随机项,建立灰色神经网络联合模型对水质的趋势项和随机项进行预测。将该模型应用于淮河河流水质预测,结果表明,该模型拟合误差小,预测精度高。     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

基于BP神经网络与马尔可夫链的短期电价预测

提出了一种基于BP神经网络与马尔可夫链的短期电价预测方法.在采用BP神经网络模型进行短期电价初步预测的基础上,按照模糊C-均值聚类法划分预测误差的马尔可夫链状态区域,再根据状态转移概率矩阵对预测误差进行修正,得到最终预测结果.算例仿真结果表明,所提出的方法比单纯采用神经网络的预测精确度更高.     

Network security situation adaptive prediction model

Aiming at the low prediction accuracy of traditional network security situation prediction technology, a network security situation adaptive prediction model (NAP) is proposed. First, it extracts alarm elements and calculate network security situation time sequences based on the entropy correlation method. Then, the sequences are taken as the input of the sliding adaptive cubic exponential smoothing method with initial security situation predicted value sequences generated. Finally, the time-varying weighted Markov chain is used to predict the error value based on the error state and the initial predicted values are modified. Experimental results show that the NAP has a better prediction accuracy than other existing models.     

具有自适应残差补偿的神经网络预报模型设计与应用

在对样本数据进行预处理的基础上，建立一个具有自适应残差补偿的改进BP神经网络动态预报模型，并对神经网络的学习参数进行自适应调整。将该模型应用于铜锍吹炼过程所需的氧气量进行预报。仿真结果表明，预报最大相对误差为3．97％，最小相对误差可以达到0．1l％。该模型已应用于实际生产，具有精确度高、实用的优点。     

采用核极限学习机的短期需水量预测模型

为满足给水系统日常管理对短期需水量预测时效的需求,建立了所需训练时间短的核极限学习机模型(kernel-based extreme learning machine,KELM);从提升预测精度的角度考虑,构造了以傅里叶级数为理论依据的残差修正模块(Fourier se-ries,FS),利用该模块对需水量初始预测值与观...     

基于神经网络的马尔科夫链和遗传算法对股票价格预测研究

针对股票收益率和风险的不确定性,文章提出一种基于BP神经网络的马尔科夫链和遗传算法组合模型,该模型通过对神经网络以滚动预测法完成股票价格曲线的粗略拟合;在此基础上,借助马尔科夫链对股票价格的曲线拟合进行系统状态划分,并用遗传算法对系统状态划分进行优化,提高马尔科夫系统状态划分的合理性;最后用马尔科夫链缩小预测区间以提高预测精确度。