灰色马尔可夫模型在火灾事故预测中的应用

在火灾事故灰色预测模型的基础上,引入马尔科夫链预测理论,建立火灾事故灰色马尔可夫模型。该模型解决了灰色预测模型对于随机波动性较大的数列预测精度低的问题。实例计算证明:灰色马尔可夫模型的预测精度高于GM(1,1)模型的预测精度,可以较好地用于火灾事故的预测。     

灰色理论在路基沉降预测中的应用及其改进

系统介绍了灰色理论预测模型在路基沉降预测中的应用,并对灰色模型进行了改进,建立了五个灰色理论预测模型,通过模型预测值与实测值比较,得出灰色理论预测模型适合于沉降过程曲线发展缓慢的软土路基沉降预测,而采用灰数等维递补动态预测模型和改进的灰色模型具有更高的预测精度。     

基于灰色-马尔可夫模型的厦门市房价预测

针对房地产营销过程中,价格变化随机性的特点,将灰色GM(1,1)预测与马尔可夫预测有机结合,用马尔可夫模型修正灰色预测的结果,构成灰色-马尔可夫预测模型,并运用该模型预测2011年厦门市商品住宅均价。结果表明,运用灰色-马尔可夫链模型对房价进行预测是可行的。     

无偏灰色模糊马尔可夫链在设备衰退预测中的应用

针对传统灰色马尔可夫模型在固有灰色偏差和抗干扰性方面的不足,提出一种基于无偏灰色模糊马尔可夫链的设备衰退趋势预测模型。首先,引入无偏灰色理论,建立无偏灰色模型,预测设备健康状态的总体趋势;然后,根据此趋势,采用模糊集合理论进行模糊状态划分,从分类方法上改进传统灰色马尔科夫模型,同时克服马尔可夫状态矩阵运算量大的缺点;最后,进行模糊马尔可夫残差修正,确定设备健康状态组合预测值。与传统灰色马尔可夫模型相比,该模型可有效提高预测精度。以屏蔽泵的健康状况数据为样本进行设备衰退趋势预测,结果表明:该模型对第13、14和15个周期的设备健康状态的预测,残差偏移率分别为0.24%、0.10%和-0.05%,对应传统灰色马尔科夫模型的残差偏移率0.46%、0.11%和0.08%,预测精度更高,能够有效实现设备衰退趋势的精确预测。     

灰色马尔可夫链在混凝土疲劳寿命预测中的应用

本文在灰色预测的基础上，引入马尔可夫链预测，建立起了灰色马尔可夫链预测模型。对混凝土疲劳寿命的实验数据进行预测．得到了精度较高的预测结果。证明了利用灰色马尔可夫链对混凝土疲劳寿命进行预测是一种行之有效的新方法。     

基于灰色马尔可夫链的武汉城市建设投资规模预测

为弥补灰色GM（1,1）模型不适合预测随机波动性较大的数据序列等缺点,辅以无后效性的马尔可夫链与之结合,建立灰色马尔可夫链预测模型。针对武汉市城市建设投资规模预测问题,通过建立灰色马尔可夫链模型对其进行分析,得出武汉市城市建设预测投资数据,经过与实际投资数据相比较以及模型精度检验,证实所建立的灰色马尔可夫链模型的预测精度很高。运用本模型来预测武汉市城市建设投资规模是可行的、其预测结果是可信的,也为武汉市城市建设的合理投资提供一定的参考依据     

基于灰色马尔可夫链的管网漏损率预测

针对城市管网漏损率数据的非线性和随机波动性特点,建立了以马尔可夫链修正灰色GM(1,1)的预测模型,以2005年—2012年全国管网漏损率为研究对象,比较分析了灰色和灰色马可夫链预测结果,指出经马尔可夫链修正后的模型预测精度更高。     

基于无偏灰色模糊马尔可夫链法的建筑业产值预测——以重庆为例

建筑业作为支柱产业,科学预测对其发展具有重要意义。单一评价模型因其各自局限性无法提高预测精确度,多种模型相结合评价较有优势,将无偏理论与模糊集合引入传统灰色马尔可夫预测模型,从拟合度和状态模糊集分类方面改进无偏灰色模糊马尔可夫模型。基于重庆1991~2011年建筑业产值,对其市场趋势进行预测分析,详细阐述该方法在建筑业产值预测中运用,定性分析预测结果,对建筑业发展历史及近期趋势进行检验和预判。     

基于中心逼近式GM(1,1)模型的火灾事故预测

应用灰色预测理论对我国火灾事故四项指标进行预测研究。以2001-2008年的火灾统计数据为原始数据序列,分别建立GM(1,1)预测模型和中心逼近式GM(1,1)预测模型,并对原始数据进行拟合分析以评估模型精度;利用这两个预测模型对2009、2010年的火灾事故数据进行预测,并与实际值比较分析。结果表明,中心逼近式GM(1,1)模型的拟合精度及预测精度均高于传统GM(1,1)模型,但这两个模型不适用于火灾事故直接经济损失的预测,其余三项指标的中心逼近式GM(1,1)模型的预测精度能够达到一级。     

灌注桩承载力的Usher与灰色理论预测模型研究

采用灰色理论GM(1,1)模型和Usher曲线模型预测了单桩的极限承载力,指出其模型具有合理性和精确性,并运用MATLAB软件实现预测模型算法,通过工程实例分析表明:灰色预测模型对原始数据预测较精确;Usher模型对桩极限承载力的预测具有较高的精度。