基于灰色关联分析的神经网络模型

在BP神经网络算法的基础上,针对在多变量复杂系统建模过程中BP网络输入变量无法自动寻优的问题,将其与灰色关联分析方法结合,建立基于灰色关联分析的神经网络优化算法(GM-BPANN).并且使用中国粮食产量预测的数据,与逐步回归方法和灰色GM(1, N )模型方法进行了比较检验.结果表明,新模型通过灰色关联度的计算,可以全面、广泛地对大量的输入变量进行处理,而不必经过专门的主观筛选,从而增强了BP网络的适应能力, 同时能够得到较好的预测精度和稳定性.     

遗传优化MGM（1，n，q）模型及在城市用水中的应用

城市用水量由于受经济,人口、生活水平等多种因素的影响,具有一定的灰色特征.多变量灰色MGM(1,n)模型作为GM(1,1)模型的扩展和补充,能够反映各变量问相互制约、相互促进的关系.遗传算法具有全局最优性和并行性特点,利用遗传算法对多变量MGM(1,n)模型的参数q进行优化,构建了基于遗传算法的MGM(1,n,q)模型.以1990～2003年大连市城市用水为例,对模型进行了验证,结果表明基于遗传算法的MGM(1,n,q)模型优于MGM(1.n)模型,MGM(1,n)模型要优于GM(1,1)模型.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

多变量非等间距GM(1,m)模型及其应用

对于多变量非等间距数据序列,建立了一类GM(1,m)预测模型。基于灰色模型的指数特性和积分定义,提出了构造多变量非等间距序列的GM(1,m)模型背景值的方法。该方法可以提高GM(1,m)模型的拟合精度和预测精度,拓广了灰色模型的应用范围。应用该方法,建立了中国农村青少年生长水平的灰色预测模型,结果理想可靠,有较好的实际意义。     

灰色增量──微分动态模型与中间变量辨识方法及其应用

本文对灰色GM(1, 1)、GM(2, 1)建模方法作了扩展和改进, 重新构造累加生成模式。利用多级增量序列首先进行回归建模, 引入中间变量并对其辨识和模拟, 使原始时间序列中隐含的有序性、规律性及灰色信息不断白化。灰色增量--微分动态模型具有系统开放性, 模型结构的包容量和信息量十分丰富, 为自然、社会经济等复杂系统建模、控制、预测提供了有效方法, 并消除了灰色GM(1, 1)、GM(2, 1)模型的局限性及不足之处；对全国总人口序列采用柯布--道格拉斯函数模型进行增量序列拟合建模, 在中间变量层次中揭示出周期性变化规律, 拟合效果极显着, 平均误差率1.21%, 最大误差率2.73%, 拟合精度极高。     

灰色系统分析中存在的两个基本问题

主要讨论灰色系统关联分析中关联系数计算公式存在的问题和 GM( 1,N )模型的系数辨识中存在的独立变量之间的共线性问题.     

灰色MGM(1,m,N)模型的构建及其在雾霾预测中的应用

针对传统MGM(1,m)模型和GM(1,N)模型均未能反映多个系统行为变量在多个因素变量影响下的模拟预测问题,本文根据两个模型各自特点对传统MGM(1,m)模型和GM(1,N)模型进行拓展,构建了灰色MGM(1,m,N)模型.研究该模型的建模机理及过程,并解决在多个因素变量的影响下多个系统行为变量的模拟预测问题.最后,将三种模型应用于雾霾的模拟预测中,结果表明,MGM(1,m,N)模型预测精度高于传统的MGM(1,m)模型和GM(1,N)模型,这主要是由于该模型能够较好地描述和反映多个系统行为变量受多个因素变量的影响.     

生物种群Logistic扩展模型灰色增量生成参数辨识方法及应用

提出 Logistic扩展模型 LM(n,1 )的一般形式 ,将内禀增长率 r扩展为具有复合振动特征的时变参数项 ,相应参数的生物、生态学意义明确 .基于灰色 GM (n,1 )微分动态建模原理 ,按离散数据序列特点 ,探索出灰色高阶增量动态 GMS(n,1 )建模原理与方法 ,为 LM (n,1 )模型及若干生长曲线模拟提供了有效、规范的参数辨识方法 .GMS(n,1 )模型的信息包容量丰富 ,适用范围广 .实际模拟结果表明精度极高     

提高灰色模型精度的一种新方法

本文提出了一种提高灰色模型(GM)精度的新方法,我们称其为小m法.文中介绍了小m法的原理,实例演示了该方法并用灰色关联度验证了该方法的有效性.     

能源工业生产量及主要能源消费量的分析与预测

本文利用文[1]中提出的关联度识别方法, 以云南省为例, 分析云南省主要能源(煤炭、石油、天然气、电力)消费量与能源消费总量的关系。并且, 分别建立了能源工业生产量及主要能源消费量的灰色GM(1, 1)模型, 本文定量分析的结果可为定性分析与决策提供可靠的依据。     

基于主基底分析的两阶段变量筛选方法

在实际系统分析及建模中,人们往往需要保留一些特别重要的分析变量。本文改进了基于主基底的变量筛选方法,分两个阶段来筛选系统分析所需变量。用重要变量构建初始主基底超平面,作为筛选其他普通变量的起点。该方法既结合了人们的定性分析经验,又保留了基于主基底分析的变量筛选方法能够自动筛选系统分析所需最简变量集合的特点,达到了数据降维目的。实际案例分析验证了该方法的有效性。     

Macwilliams Identities of Linear Codes over the Ring F_2+ uF_2+ vF_2

The Lee weight enumerators and the complete weight enumerators for the linear codes over ring R = F2 + u F2 + v F2 are defined and Gray map from Rnto F3n2 is constructed. By proving the fact that the Gray images of the self-dual codes over R are the self-dual codes over F2, and based on the Mac Williams identities for the Hamming weight enumerators of linear codes over F2, the Mac Williams identities for Lee weight enumerators of linear codes over R are given. Further, by introducing a special variable t, the Mac Williams identities for the complete weight enumerators of linear codes over R are obtained. Finally, an example which illustrates the correctness and function of the two Mac Williams identities is provided.     

对数频偏FDA方向图解耦优化

针对对数频偏频率分集阵列(frequency diverse array, FDA)中存在的频率偏移量取值固定、主瓣扫描精度较低的问题,并行地提出两种对数频偏频率分集阵列方向图解耦的优化方法。首先,将均匀线性阵列替换为采用正弦频偏增量的交叉子阵结构,在此基础上将频偏增量选择问题转化为二维空间的最优化问题,通过改进的粒子群算法解算最优频偏增量实现方向图解耦优化。此外,将通信中的格雷码编码方式应用于FDA阵列的频偏编码中,提出基于发射端格雷码频偏编码方式的发射方向图解耦方法。最后,仿真验证了两种优化方法的有效性。     

The Time Series Weight－changing Grey Incidence Analysis of the Development of Agricultural Mechanization in China

ＴｈｅＴｉｍｅＳｅｒｉｅｓＷｅｉｇｈｔ－ｃｈａｎｇｉｎｇＧｒｅｙＩｎｃｉｄｅｎｃｅＡｎａｌｙｓｉｓｏｆｔｈｅＤｅｖｅｌｏｐｍｅｎｔｏｆＡｇｒｉｃｕｌｔｕｒａｌＭｅｃｈａｎｉｚａｔｉｏｎｉｎＣｈｉｎａ￥ＳＵＮＷｅｉ（ＣｈａｎｇｃｈｕｎＴａｘａｔｉｏｎｉ...     

基于Jeffreys非信息超先验的贝叶斯变量选择算法

在计算机试验中,复杂现象的仿真拥有数目庞大的输入变量,因此,筛选出对输出影响重要的输入变量是至关重要的。我们通过Jeffreys非信息超先验,提出了一种新的贝叶斯变量选择算法。不同于计算机试验中存在的变量选择算法,我们的方法不需要调节控制稀疏性的超参数。新的变量选择方法通过EM（expectation-maximization）算法求解,试验结果表明,我们的方法不仅取得了理想的效果,而且大大地减少了计算的负担。     

伪装遮障设计方案优选的灰色关联分析法

针对多波段伪装遮障设计方案的优选问题,提出了基于灰色系统理论的灰色关联度分析法。该方法利用影响伪装遮障效能各指标的灰色性,采用灰色关联为测度计算出备选伪装遮障设计方案与理想方案的关联程度,利用信息熵值法确定指标权值,并结合关联程度和指标权值得出了评估系数,可获得伪装遮障设计方案优劣的排序。通过实例验证了该方法的有效性。     

灰色模型GM(1,n)的变量选择及拟合度分析

根据灰色关联度,探讨了ＧＭ（１, ｎ ）拟合度与变量选择的关系．应用实例,说明了变量选择在灰色建模过程中的必要性．     

VARIABLE SELECTION FOR COVARIATE ADJUSTED REGRESSION MODEL

This paper employs the SCAD-penalized least squares method to simultaneously select variables and estimate the coefficients for high-dimensional covariate adjusted linear regression models. The distorted variables are assumed to be contaminated with a multiplicative factor that is determined by the value of an unknown function of an observable covariate. The authors show that under some appropriate conditions, the SCAD-penalized least squares estimator has the so called ＂oracle property＂. In addition, the authors also suggest a BIC criterion to select the tuning parameter, and show that BIC criterion is able to identify the true model consistently for the covariate adjusted linear regression models. Simulation studies and a real data are used to illustrate the efficiency of the proposed estimation algorithm.     

相似关系下变精度粗糙集的阈值选取分析

针对相似关系下的变精度粗糙集模型,讨论了该模型下的阈值选取问题。阈值选取包括相似阈值和分类阈值的选取。通过粗糙熵的计算,给出了最优相似阈值的选取方法。对于分类阈值的选取,提出先将模型的边界域进行细划分,分析各边界域与分类阈值之间的影响关系;之后确立基于边界域的近似分类的准则,通过基于近似分类准则的优化计算,达到对分类阈值区间的合理选取。文末的仿真实例验证了该阈值选取方法的可行性和优越性。     

The adaptive LASSO spline estimation of single-index model

In this paper, based on spline approximation, the authors propose a unified variable selection approach for single-index model via adaptive L ₁ penalty. The calculation methods of the proposed estimators are given on the basis of the known lars algorithm. Under some regular conditions, the authors demonstrate the asymptotic properties of the proposed estimators and the oracle properties of adaptive LASSO (aLASSO) variable selection. Simulations are used to investigate the performances of the proposed estimator and illustrate that it is effective for simultaneous variable selection as well as estimation of the single-index models.