基于虚拟变量控制的GM(1,N)模型构建及其应用

现实中系统行为特征序列常受到虚拟变量的影响,而此时传统GM(1,N)模型不能准确地描述系统特征的变化规律.将虚拟变量引入传统GM(1,N)模型的灰作用量,构建虚拟变量控制的GM(1,N)模型,讨论新模型的参数求解方法;鉴于背景值对模型精度有着重要影响,利用粒子群优化算法对含有插值系数的背景值进行优化求解;从两个角度提出虚拟变量有效性检验方法.最后,通过河南省农民人均收入预测案例表明,新模型能够准确描述虚拟变量影响下系统特征序列的未来变化趋势.     

改进灰色GM(1,m)模型在变压器故障预测中的应用

针对灰色模型在预测变压器故障时对波动数据序列的预测误差较大的问题,提出了一种灰色GM(1,m)预测模型改进方案:对原始数据序列进行处理,使其具有更好的指数规律,以满足预测模型对光滑性的要求;对处理过的原始数据序列进行灰关联度分析,以得到各变量之间的关系;优化预测模型的背景值并用其建模;采用等维新息模型预测数据。采用改进的灰色GM(1,m)模型预测某变压器油中7种特征气体的体积分数,所得预测数据的平均残差和后验相对误差均小于GM(1,1)模型和传统GM(1,m)的预测结果,表明其具有更好的预测精确度。     

基于灰色GM(1,1)模型的故障预测方法

首先介绍灰色GM(1,1)模型,但该模型的预测精度往往受原始序列光滑度的影响,对于不能够满足光滑度的序列,预测精度并不高。提出一种通过变换原始序列来改善光滑度的方法,并将此方法应用于故障预测中,取得了良好的效果。通过用MAT-LAB对实例仿真并进行精度检验说明,提出的方案在故障预测精度上有明显的提高。     

基于GM(0,N)和RBF的小样本时程数据预测

RBF网络具有良好的非线性函数逼近能力,且收敛速度快,而灰色GM(,)静态模型对小样本线性数据的预0N测精度高,将两者有机结合起来,提出了一种新的小样本数据预测方法,即灰色RBF(GRBF)静态预测法。同时,为了提高RBF网络的预测精度和运算效率,文中采用ROLS和后向选择法来训练网络。将GRBF静态预测方法应用到小样本时程数据的预测中,实验结果表明,此预测方法快捷简便,精度高,具有良好的实用性。     

灰色预测控制的无偏GM(1,1)模型

灰色预测控制已在过程控制中得到了广泛应用,控制器的核心模型是GM(1,1)模型,该模型是有偏差的指数模型.作者导出了GM(1,1)模型的偏差公式,并在此基础上提出了无偏GM(1,1)模型.本文介绍无偏GM(1,1)模型,并用实例显示了无偏GM(1,1)模型的优越性.     

振荡型GM(1,1)幂模型及其应用

针对现实世界广泛存在的小样本振荡序列建模和预测问题,提出含有系统延迟和时变参数的振荡型GM(1,1)幂模型。给出最小二乘准则下的两级参数包计算公式,在此基础上构建非线性优化模型以寻求最佳幂指数和时间作用参数,以此识别原始数据所蕴含的振荡特征。将该模型应用于应急资源需求预测,并将建模结果与传统GM(1,1)幂模型、ARIMA和EMD-ARIMA方法进行比较,结果表明振荡型GM(1,1)幂模型具有较高的精度。     

基于GM(1,1,μ,ν)模型的股指预测

当前对灰色预测模型GM（1,1）的优化主要集中在2个方面,1个是建模所用数据维度的选择上,一个集中在白化背景值z（1）（k）的优化上.由于这些工作都只考虑单一因素的影响,因此,GM（1,1）的潜力还没有被充分的挖掘出来.针对以上情况,提出同时考虑2个因素的GM（1,1,μ,ν）模型,并根据股市的特点,提出选择最优解的办法.实例证明该模型比传统的GM（1,1）有更低的预测误差.更重要的是,该模型提出综合考虑2种因素的思想,为更进一步优化GM（1,1）提供新的思路.     

灰色GM(1,N)预测模型编程实现及应用检验

灰色GM(1,N)预测模型在社会、经济、农业、生态等诸多领域应用十分广泛.为推广使用该预测模型,依据邓聚龙教授的灰色理论,使用VC++编程实现GM(1,N)预测模型,实现了多个预测因子和多个关联因子同时进行分析,提高了使用效率,择优选择算法提高了分析精度.使用参考文献中的数据和模拟数据,对系统预测模型正确性和预测精度进...     

基于灰色GM(1,1)模型的时间序列预测研究

基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。     

基于遗传算法的灰色区间数的GM(1,1)优化模型

利用遗传算法作为优化工具对基于灰数带及灰数层的区间灰数预测模型中的参数进行优化提取.首先,利用变权均值生成思想取代非偏生成,将区间灰数转化为实数序列;然后,对此实数序列进行建模.在优化过程中,选取区间灰数预测的平均相对误差最小为目标函数,通过遗传算法寻找到最优的参数,建立新的灰色区间数的GM(1,1)模型.算例仿真显示该新模型的平均模拟相对误差和预测误差有了明显的降低,表明该新模型具有有效性和可行性.     

基于灰数带及灰数层的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行灰数序列预测的缺陷,通过计算灰数层的面积以及灰数层中位线中点的坐标,在不损失已有灰数信息的前提下,将区间灰数序列转换成实数序列,然后建立一种基于区间灰数的新灰色预测模型.算例仿真验证了所提出模型的有效性及实用性.     

基于时间权重序列的GM(1,1)初始条件优化模型

灰色GM(1,1)模型的初始条件对其精度有着重要的影响,为了提高模型的精度,提出一种初始条件的优化方法.首先,综合考虑1-AGO序列中各分量的作用,取所有分量的加权平均作为初始条件,权重由各分量的大小决定;然后,基于时间权重序列,对模拟序列与原始序列的误差平方和进行加权;最后,求解最优问题,确定时间参数,从而建立优化模型.算例表明,所提出的优化模型具有可行性,可以有效地提高模型的精度.     

基于区间数的多目标灰色局势决策模型

基于区间数的距离和灰熵分析,将灰色局势决策拓展到决策信息为区间数的情况,给出了灰色局势决策目标权重的优化方法.考虑各局势的效果测度与正理想效果值的接近性以及目标权重本身的不确定性,建立了多目标优化模型,利用拉格朗日乘子法求解该模型,得到了灰色局势决策的目标权重表达式.利用区间数的可能度对每个事件的局势进行排序,进一步完善了传统的灰色局势决策理论.最后通过实例验证了该模型的有效性和实用性.     

基于三种GM(1,1)的BGA焊点健康预测

针对球形封装焊点健康预测过程中遇到的数据样本少、无明显变化规律、焊点失效过程难以预测等难题,引入灰色系统理论,建立差分、均值、离散三种1阶1变量灰色模型,并对焊点后期健康状况进行预测。仿真结果表明:三种灰色模型都可以实现球形封装焊点的健康预测,预测值与实测值基本吻合,均值灰色模型的预测结果好于其它两种模型。     

基于直觉模糊数的GM(1,1) 预测模型

在灰色系统理论研究领域,较少见到以直觉模糊数为建模对象的预测模型的研究。鉴于此,运用直觉模糊数的记分函数和犹豫度构建直觉模糊数序列GM(1,1)预测模型,得出直觉模糊数的隶属度和非隶属度,从而实现了直觉模糊数的预测。通过算例分析表明了所提出方法的合理性和可行性,且直觉模糊数预测模型能够丰富灰色系统理论体系,扩展灰色预测模型的应用范围。     

基于核和信息域的区间灰数Verhulst 模型

针对传统Verhulst模型的建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.首先,对“灰度不减”公理进行延伸,得到了“信息域不减”的推论;然后,构建核序列的Verhulst模型,并以信息域不减推论为依据、以核为中心推导区间灰数上(下)界的时间响应式;最后,通过实例演示了模型的计算步骤.所进行的研究对于丰富和完善灰色预测模型理论体系、拓展灰色预测模型的应用范围具有积极意义.     

基于信息分解的区间灰数一致性投影决策模型

针对区间灰数决策时信息得不到充分利用的问题, 在信息不丢失的前提下, 利用信息分解方法将区间灰数分解成实数型的“白部”和“灰部”. 在分析已有的向量投影决策方法优缺点基础上, 建立正、负理想点的“白部”和“灰部”与方案点 的“白部”和“ 灰部”构成向量双向投影的测度方法, 进而构建向量双向投影的一致性系数决策 模型. 最后通过算例表明了所提出模型的可行性和有效性.     

GM(1,1)模型在巡航导弹预测中的应用

为了对巡航导弹的距离进行预测,建立了GM(1,1)模型,详细介绍了建模和计算预测值的过程.采用"等维灰数递补动态预测"的预测方法,对预测模型的可行性进行了分析,提出了对巡航导弹预测建模的原则,并进行了示例分析,用预测值和实际值进行了误差检验,并对模型精度进行了分析.建模和计算结果表明,该模型和方法对巡航导弹的距离进行预测,计算精度高且运算速度快.