基于改进灰色预测模型的中长期电力负荷预测

介绍了等维灰度递补GM(1,1)的建模原理,采用山东省2000-2007年的用电需求负荷建立等维灰度递补GM(1,1)预测模型,预测山东省2008年和2009年的用电负荷,与实际用电负荷进行对比,验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

组合模型EPS转矩转角传感器可靠性预测

为提高电动助力转向系统的性能,设计一种电动助力转向系统转矩转角传感器,并建立数学模型对传感器的可靠性进行预测。在实验的基础上比较灰色GM(1,1)模型、残差修正的灰色GM(1,1)模型以及残差修正的灰色马氏链组合模型的预测准确度。由于单个模型很难保证预测准确度水平,因此通过计算组合模型不同步数的转移概率矩阵确定目标状态,进而得到预测值。通过比较,组合模型比单个模型的准确度更好,更适宜描述随机性较大的问题。     

基于GM(1,1)模型的东辛采油厂产量预测研究

本文介绍了GM(1,1)模型的建模过程,考虑油田产量数据较少的现状,将其视为灰色系统,并利用灰色系统GM(1,1)模型对油田石油产量进行了预测。经实证,模型的精度符合要求,预测结果可以为采油厂提供决策依据。     

基于改进GM(1,1)-Markov模型的国内生产安全事故预测研究

为准确预测我国生产安全事故发展趋势,本文在传统GM(1,1)模型和马尔科夫模型的基础上,结合二者优点提出改进灰色马尔科夫预测模型,并以2005—2018年全国生产安全事故起数为原始序列探讨了改进模型的实际应用。区别于传统灰色残差修正理论,选取灰色模型预测结果的相对误差作为修正指标,2次应用马尔科夫模型对相对误差状态和误差符号状态进行优化预测,并使用平均相对误差和小概率误差对模型进行精度检验。结果表明,改进GM(1,1)-Markov模型预测结果的相对误差为3.0%,较单一灰色预测模型预测误差减少19.5%,预测精度显著提高,同时预测得到2019年我国生产安全事故起数为479。     

基于灰色理论的电力系统短期负荷预测

本文主要研究短期电力负荷预报的应用,在分析了目前短期电力负荷预测的现状及各种预报采用的数学模型基础上,结合黑龙江和电网实际负荷数据,在算法上采用了灰色预测中的GM（1,1）改进模型和应用matlab编程,通过对原始数据的平滑处理进行负荷预报,提高了预报准确度,验证了该方法的有效性和可行性。     

蜗轮副磨损量的灰色预测法

在灰色理论的基础上,建立了无偏的GM(1,1)模型,扩展了GM(1,1)模型预测使用的范围.并将无偏GM(1,1)用于对蜗轮副磨损数据的预测,获得了满意效果.     

测量仪器校准间隔的动态灰色线性回归预测

根据测量仪器的实际状态进行校准间隔的预测,可有效地避免不足校准和过剩校准。该文分析了历史校准数据的特征,对于既含有线性因素又含有指数因素的历史校准数据序列,建立动态灰色线性回归预测模型,预测测量仪器的校准间隔。动态灰色线性回归模型有机地将灰色GM(1,1)模型和线性模型组合起来,通过新老数据的新陈代谢,更加真实地反映系统的特征。通过实验对预测模型进行验证,结果表明:动态灰色线性回归模型的拟合与预测精度高于单纯的灰色GM(1,1)模型及新陈代谢GM(1,1)模型。     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

非等间距GM(1,1)幂模型及其工程应用

针对工程中大量存在的非等间距序列的建模问题,提出了非等间距GM(1,1)幂模型。以平均相对误差绝对值最小化为目标,以模型参数之间的关系为约束,构建了一个非线性优化模型实现非等间距GM(1,1)幂模型的参数估计。结果表明,非等间距GM(1,1)幂模型的形式较为灵活,非等间距GM(1,1)模型和灰色Verhulst模型均是非等间距GM(1,1)幂模型的特殊情形,幂指数的优化有利于提高建模精度。最后通过一个工程实例验证了非等间距GM(1,1)幂模型的有效性与实用性。     

基于新陈代谢GM(1,1)模型的校准间隔预测

针对测量仪器校准间隔的优化问题,根据校准数据非线性、小样本的特点,提出了一种基于新陈代谢GM(1,1)模型的校准间隔预测方法.通过分析历史校准数据的特征,建立了新陈代谢GM(1,1)预测模型,通过仿真实验对预测模型进行了对比验证.结果表明,相对于灰色GM(1,1)模型,新陈代谢GM(1,1)模型克服了随机扰动对系统的影响,更能反映系统的变化趋势,预测精度更高,适合用于测量仪器校准间隔的预测.     

基于灰色马尔柯夫模型的采购预测

以灰色GM(1,1)和马尔柯夫理论为基础,提出基于灰色马尔柯夫模型的采购预测方法。首先利用灰色模型进行短期预测,再利用马尔可夫理论进行波动状态预测,最后得到采购量期望值。实例结果表明,灰色马尔柯夫模型预测精度较高,具有较好的应用价值,能为采购预测工作提供有用依据。     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

灰色马尔可夫理论在煤炭消费需求预测中的运用

将灰色系统理论与离散状态的马尔可夫链理论相结合,提出了灰色马尔可夫预报模型以预测煤炭需求量,该模型针对灰色数据系列首先建立GM（1,1）模型进行趋势预测,然后利用马尔可夫状态概率转移矩阵预报方法对其预测值进行拟合,可提高波动性较大的随机变量的预报精度．实例计算表明：灰色马尔可夫预报模型精度明显高于GM（1,1）模型,用于煤炭需求的预测是可行的。     

在制备氧化钛膜的镀膜过程中溶胶渗透行为的灰色预测

用灰色GM(1,1)模型对溶胶-凝胶法制备有载体氧化钛陶瓷膜镀膜过程中溶胶在基底中的渗透行为进行预测,比较预测值与实测值,建立渗透行为模式.结果表明:灰色GM(1,1)模型适合于对镀膜过程中溶胶渗透行为的研究,实测值与预测值符合良好,推导出二氧化钛胶体的渗透距离与渗透浓度成指数函数关系.     

密闭空间爆炸温度动态不确定度评估方法研究

融合了灰色模型GM(1,1)、Bootstrap方法以及不确定度评定理论,建立了密闭空间内爆炸温度动态测量不确定度的灰自助评估模型GBM(1,1),选取某次爆炸试验300s的温度数据作为分析数据,运用估计真值、估计区间和平均不确定度等参数表征其估计结果。实验结果表明,GBM(1,1)模型融合了灰色模型GM(1,1)和Bootstrap方法的优势,可以准确模拟动态测量数据的概率分布,并实时跟踪被测量瞬时值的变化趋势。相比于灰色模型GM(1,1)和Bootstrap方法,灰自助模型GBM(1,1)具有更高的真值估计准确度和区间估计可靠度,其估计误差分布区间为［-12.62, 13.58］,标准差为8.69℃,最大相对误差为1.2%,区间估计可靠度高于90%,估计区间能够较完整地包络被测量的动态波动范围。由此证明GBM(1,1)模型能够对密闭空间内爆炸温度的动态测量不确定度做出准确评估。     

改进灰色沉降预测模型及其应用

根据GM(1,1)灰色模型的指数特性,首先对原始数据取λ次幂以降低原始数据的分散性,再通过在区间上求积分计算模型的背景值,并采用最小二乘法求解最优的模型初始值由此建立改进灰色预测模型,将其应用到某高速公路沉降预测计算,结果表明,改进模型较之原GM(1,1)模型模拟和预测精度要高.     

海水腐蚀速率的不等时距灰色模型与BP神经网络模型组合预测

金属在海水中的腐蚀机理及变化规律十分复杂,且采集腐蚀数据存在时间间隔不均匀、数据量小等问题,难以获取准确数据.基于灰色系统理论,提出运用能够适应具有无规律的采集时序数据的不等时距GM(1,1)模型对金属海水腐蚀速率进行建模,并引入了BP人工神经网络模型对预测结果进行残差修正,以提高预测精度.以A3钢与15MnMoVN钢腐蚀行为作为实例,进行预测和分析.结果显示:不等时距GM(1,1)与BP神经网络组合预测模型的预测效果明显优于单一预测模型,能更真实地反映海水腐蚀的变化趋势,因而具有较高应用价值.     

基于非等间距GM(1,1)的校准周期预测方法研究

为科学合理地确定计量器具的校准周期,提出了基于非等间距GM(1,1)的计量器具校准周期预测方法.该方法以灰色系统理论为依据,首先将已知的非等间距序列进行累加生成处理,对生成序列建立白化微分方程,通过最小二乘法求待辩识参数,进而得出非等间距GM(1,1);并通过Matlab7.5.5实现了非等间距GM(1,1)模型的快速...     

基于小波多尺度分析的股票价格组合预测方法

股票价格是众多因素影响的综合结果,波动规律异常复杂,属于典型的非平稳时间序列。为了对股价进行更有效的预测,提出一种基于小波分析、灰色残差GM(1,1)模型和AR模型的组合预测方法。运用小波分解算法,将股价序列分解成不同尺度上的逼近信号和细节信号,分别重构成低频序列和高频序列,即股价的趋势项和随机项。根据低频序列和高频序列的不同特性,分别采用灰色残差模型和自回归模型对未来股价进行预测,重新组合生成预测价格。实证研究结果表明,该方法比传统的股价预测方法具有更高的预测精度。     

灰色理论在基坑变形预测中的应用研究

引起基坑变形的因素是很多的,可将其看作一个灰色系统,故可利用灰色系统的理论对基坑的变形进行预测。根据灰色系统理论,建立基坑变形的GM(1,1)模型,并结合工程实例对预测值与结果值进行比较,证明该模型有较好的精度,对指导基坑的信息化施工具有重要意义。