GM优化方法在机械系统寿命预测中的应用

针对机械系统失效单元寿命预测所涉及的时间序列，介绍了灰色模型GM(1，1)(GM：Grey Models)方法在预测中的特长及缺陷，同时为了提高预测精度，将灰色模型GM(1，1)法拓广为GM(1，1，ω)预测模型法，因为新模型中参数ω与预测误差之间存在着明显的非线性特性，而且ω数值离散化，所以采用优化逼近方法优化ω^*值，最优GM(1，1，ω^*)预测精度高于GM(1，1)，工程实例也证实了此方法的效果是显著的。     

模型预测技术在桥梁健康监测中的应用

针对钱江四桥实时健康监测系统的监测数据,采用AR模型、ARMA模型以及灰色系统的GM(1,1)等随机模型,进行数学建模,并对各模型进行了不同步长的预测研究. 结果表明,当采用合适的数学模型参数后,预测和实际监测结果十分吻合.各个模型进行比较后发现,灰色模型只需要少量原始信息,而且它的短步长预测效果优于时间序列模型;灰色模型和时间序列模型的预测误差都会随预测步长的加大而增大．     

微光电机械系统在光通信中的应用

介绍微光电机械系统（MOEMS）技术在国内外的发展现状。通过多个应用实例和方案，展示了其在光通信领域的广阔应用前景。     

一种时间序列数据预测方法的应用

介绍了一种利用时间序列数据进行预测的灰色预测方法，通过实例建立了ＧＭ（１，１）修正模型，与传统的预测方法相比，灰色预测方法具有原始数据样本少，无需典型分布，建模过程简单，预测精度较高等特点。     

GM(1,1)建模方法的应用研究

本文在分析数据序列性质与GM(1,1)模型关系的基础上,指出了不同情况下的GM(1,1)建模方法,提出了大M改进建模法,扩充了予测范围,提高了适用性。     

优化灰色GM(1,1)模型在黄河下游灾变预测中的应用

针对灰色GM(1,1)模型精度不稳定的问题,对GM(1,1)模型的建模机理进行探讨,根据指数函数和线性函数的特性,利用分析技巧,提出了2类优化模型,并将此优化模型应用于黄河下游堤防工程坍塌险情灾变预测中.结果表明,2类优化模型均比原始GM(1,1)模型有较高的模拟和预测精度,为灾变预测提供了新思路.     

GM（1，1）模型在建筑物沉降量预测中的应用

根据建筑物的沉降变形特征。引用GM（1，1）建模思想来建立沉降预测模型。利用较少的前期观测数据建立模型来预测建筑物最终沉降量，然后据此判断其是否满足建筑物的变形要求。以便较早地提出工程防治措施。     

GM(1,N)灰色模型在气井产能预测中的应用

气井产能与其影响因素之间具有非线性关系，利用灰色系统理论进行灰色建模，采用灰关联分析和GM(1，N)灰色模型建立了产能预测模型；对长庆气田15口井进行定量分析，与各井的实测结果相比较，其绝对误差平均为0．38567，相对误差平均为6．074％．与常规方法相比，用该方法进行产能预测比较实用、有效，精度较高。     

灰色GM(1,1)模型在电力系统负荷预测中的应用

研究了灰色GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论:灰色GM(1,1)模型精度较高,但也存在一定的局限性.     

灰色GM模型在设备维修中的应用

主要探讨了灰色系统理论在设备维修时间预测中的应用。建立了基于灰色预测理论的GM（1，1）模型，通过程序实现，用其对设备在预防性维修中的维修时间间隔进行预测，示例证明预测结果是可信的。     

灰色GM(1,1)模型在电力系统负荷预测中的应用

研究了灰色GM（1，1）模型及其在电力系统负荷预测中的应用，以实际算例为基础，对预测结果作了分析，得出结论：灰色GM（1，1）模型精度较高，但也存在一定的局限性．     

时间序列模型在深层地下水水位预测中的应用

用时间序列分析法建立了地下水水位埋深时间序列模型,并对模型进行了评定和检验,结果表明,拟合精度和预测精度均较高,收到了较好的效果。     

灰色GM(1.1)模型及其在电力负荷预测中的优化应用

针对传统灰色模型的建模机理和存在的局限性,提出了改进方法,建立了新的电力负荷预测模型.通过实例计算表明,该模型具有良好的适用性和预性精度.     

GM(1,1)灰色模型在软基沉降预测中的应用

依托武穴长江大桥北岸接线段工程,根据沉降监测实测数据,采用三次样条插值方法将非等时距实测数据转换成等时距序列,建立等时距灰色GM(1,1)模型。利用matlab编程对模型进行计算,对处理后的软基沉降进行预测。利用经典的双曲线法和三点法分别进行沉降预测,并将预测曲线与基于等时距的灰色模型预测曲线进行对比,结果表明:灰色GM(1,1)模型预测精度更高,预测结果更可靠。基于等时距的灰色模型为软基处理后的沉降预测提供一种重要方法,对软基处理的施工具有一定的指导意义。     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度; 接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值; 然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度; 最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。     

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.     

动态优化GM模型中分辨率系数的数据预测算法

为提高传统GM(1,1)算法的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变传统灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.算法的数值实验结果表明,优化算法的预测精度高于传统的GM(1,1)算法和文献[3]中的算法.     

一种组合预测方法在人才需求预测中的应用

阐述了灰色动态模型与神经网络模型两种预测方法的原理、特点及应用,并把这两个模型应用于天津市汽车行业人才预测中,综合两种模型的特点,最后形成了一种组合预测方法,并得出天津市汽车行业2000年、2002年、2010年人才需求总量.