基于信息融合和改进UGM(1,1)模型的故障预测

针对故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴信息融合技术和灰色预测理论,提出了一种基于信息融合和改进不等时距灰色模型(improved unequal interval grey model, IUGM)的预测方法。首先,运用一元二次非线性回归思想建立不等时距灰色预测模型,并通过初始值改进、残差修正和新陈代谢相结合的方式对模型进行改进;然后基于加权思想提出隶属度加权法,以确定特定个体和同类产品的隶属度权值;最后基于加权思想和IUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了所提方法的有效性。     

基于灰色时序组合模型的产品实时寿命预测方法

针对产品性能退化数据样本个数少、退化轨迹存在非线性与随机性的特点,提出了一种灰色时序组合模型对产品的退化轨迹进行建模并实时预测个体寿命。首先,采用灰色系统GM(1,1)模型和时间序列AR(p)模型分别对同类产品退化数据中的趋势项与随机项进行预测,构造灰色时序组合预测模型来建立同类产品的退化轨迹。然后,根据K均值聚类理论计算特定个体与同类产品退化轨迹的相似度权值,通过加权同类产品的退化轨迹来获得特定个体的退化轨迹;最后,通过个体实测退化数据更新退化模型并实时预测寿命。将本文方法用于某电子产品的寿命预测中,试验结果验证了该方法的准确性与有效性。     

基于灰色相关向量机的故障预测模型

针对样本数据量较小条件下的故障预测问题,提出了一种灰色相关向量机（relevance vector machine, RVM）故障预测模型。在模型的训练阶段,根据特征数据序列建立其离散灰色模型（discrete grey model, DGM）,以DGM的预测值作为输入、原始数据序列作为输出,训练得到RVM回归预测模型;在模型的预测阶段,由建立的DGM和RVM回归预测模型组合得到灰色RVM故障预测模型,并通过引入新陈代谢过程,不断更新数据中的信息。实验结果表明,模型的预测性能优于传统的灰色预测模型。     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。     

基于自适应遗传算法的油田产量灰色预测模型

应用灰色预测建模理论，使用精确差分格式和改进拟合参数的方法，对呈波动变化的数据系列，建立了改进的灰色预测模型,由于拟合参数与误差之间存在着明显的非线性关系，选用自适应遗传算法求取拟合参数最优值，通过对油田产量预测的实例计算表明，改进的灰色模型预测精度明显提高。     

基于改进Theil不等系数的导弹备件消耗预测

针对传统备件消耗预测模型在组合赋权方面存在的缺陷,提出了一种基于改进Theil不等系数的诱导有序加权调和平均（induced ordered weighted harmonic averaging, IOWHA）算子和马尔科夫链（Markov chain, MC）的导弹备件消耗预测模型。首先运用最小二乘法、数据变换技术和加权理论对单项预测模型进行改进;然后建立基于Theil不等系数的IOWHA算子组合预测模型;提出利用MC定性推导出组合模型中各单项预测模型在待预测时点上的预测精度状态,进而应用遗传算法（genetic algorithm, GA）求解得到待预测时点上的组合模型权系数。实例结果表明,所提出的组合预测模型大大降低了预测误差。     

基于冲击效应的灰色多变量时滞预测模型及其应用

考虑到经济社会系统中的冲击现象,本文将冲击效应纳入建模框架中,首先剖析冲击效应影响作用机理以及其滞后性累积机理,在此基础上,通过引入冲击效应项刻画冲击效应的影响作用,基于Beta函数设计累积时滞效用项,表征冲击因素对系统带来的滞后性累积影响,进而构建基于冲击效应的灰色多变量时滞预测模型(IEGTDM(1, N)),并针对其中累积时滞效用项的参数求解问题,提出了基于鲸鱼算法的求解框架.最后,利用碳交易政策冲击影响下北京市和上海市能源强度进行实证案例分析,通过与其他灰色预测模型、统计预测模型和机器学习模型的对比分析结果表明, IEGTDM(1, N)模型具有更为优越的预测性能,该模型对冲击影响下的预测建模分析具有很强的适应性.     

多维灰色模型阶数差异性优化与结构拓展研究

当前多维灰色预测模型对因变量和自变量取相同阶数进行建模,忽略了不同变量数据特征及物理属性之间的差异,导致了模型性能稳定性较差.为此,文章对因变量与自变量阶数进行差异性定义与优化,并引入非线性修正项以拓展模型灰信息结构,在此基础上构建了一种新的多维灰色预测模型.利用该模型对油气管道腐蚀速率进行模拟与预测,结果显示其综合误差(0.321%)优于其它三种主流多维灰色预测模型(3.035%, 2.212%和0.755%),实现了对油气管道腐蚀速率的有效建模.本研究改善了阶数对序列数据的预处理效果和对数据特征的挖掘能力,对提升多维灰色预测模型的建模能力具有积极意义.     

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。     

分数阶累加时滞GM(1,N,τ)模型及其应用

基于系统的时滞性,本文建立了时滞灰色GM(1,N,τ)模型,给出了模型的最小二乘参数估计公式以及模型的解析解.在引入分数阶累加生成算子后,将原模型扩展为分数阶累加GM(1,N,τ)模型,当时滞值为非整数情况时,采用相邻整数点加权构造法,完善了模型;通过粒子群算法确定模型最优的分数阶累加生成阶数.最后本文结合武汉市1995-2008年14年科技投入及经济增长的实际背景,分别建立了经典时滞GM(1,N,7)和分数阶累加时滞GM(1,N,7)模型对GDP数据做了预测,比较了两个模型预测结果,发现分数阶累加时滞GM(1,N,7)模型具有更高的建模精度.     

灰色风险型多属性群决策方法

对一类权重信息未知并且属性值为区间灰数的灰色风险型多属性群决策问题进行了探讨,提出了一种基于理想矩阵的相对优属度决策方法.首先,利用属性值为区间灰数这一特性,将灰色系统理论的思想和方法与经典风险决策方法相融合,构建了决策系统中各方案之间的关联度公式以及优化模型,合理地解决了属性权重未知问题.然后综合考虑决策者群体的主观偏好,通过构造理想矩阵,借助每一方案决策矩阵与理想矩阵、负理想矩阵的综合加权距离获得每个方案相对于理想方案的优属度,再由优属度的大小对方案的优劣进行排序.应用实例说明了所提出决策方法的合理性和算法的有效性.为解决灰色风险型决策问题提供了一种新思路.     

基于最大隶属度的目标威胁评估与排序法

对地空导弹将要拦截的目标进行威胁评估。其主要思想是在对目标威胁程度及影响目标威胁程度的因素定性分析的基础上给予了量化处理 ;基于最大隶属度原则 ,建立了目标威胁评估与排序模型 ;通过求解该模型即可获得因素权重信息完全未知或只有部分权重信息的不确定多因素决策问题的方案排序 ,即地空导弹将要拦截的目标威胁程度的排序 ,同时求得威胁程度最大的目标 ,以便于为防空作战决策提供科学依据。最后通过实例说明该模型的合理性和有效性     

基于区间二元语义的动态灰色关联群决策方法及应用

With respect to the problem that index value is ofter given in the form of interval linguistic assessment information in the dynamic multiple attribute group decision making, a novel dynamic grey incidence group decision making methodology based on interval two tuple linguistic information is proposed. Firstly, the algorithms and properties of the interval two tuple linguistic information are used to aggregate the information evaluation matrix. Secondly, the positive and negative ideal schemes for each time period are designed in order to deal with the problem that the expert weights and time weights are known, while index weights are unknown, so that the multi objective programming model with the minimum deviation of the grey incidence degree between each scheme and the positive ideal scheme for each stage is built to determine the index weights. Thirdly, the grey incidence each stage degree with interval two tuple linguistic information between each scheme and the positive and negative ideal scheme for each stage is calculated to establish the optimization model of the optimal membership degree for scheme, so that the expressions form of the optimal membership degree for scheme is determined to solve the optimal membership degree for scheme. Finally, an example validates the feasibility and effectiveness of the novel model. The results show that the proposed method can more precisely deal with the language information and avoid information distortion and loss based on the previous method of processing the language.     

导弹预警卫星目标识别算法研究

针对导弹预警与攻防对抗中的导弹目标识别问题,提出了一种导弹预警卫星地面应用系统中对导弹目标进行识别的新算法。该算法提出用导弹发射点位置、导弹尾焰红外特征和导弹关机点特征量作为导弹目标识别的特征量,用模糊隶属度加权求和方式进行信息融合,根据融合和最大融合量的阈值判决确定导弹的类型、国别。仿真实验证明了该算法的有效性。     

基于改进时域证据融合的目标识别

为了实现防空反导目标识别,根据证据折扣理论和证据可靠性评估的思想,提出了一种改进的时域证据组合方法。首先,提出了具有时域信息累积的信息融合模型;然后,通过基于信任度和虚假度的方法对累积的时域信息进行预处理,用可信度衰减模型和基于Einstein算子改进的冲突因子分别进行实时可靠性和相对可靠性评估;最后,基于Dempster准则和证据折扣准则对证据进行合成。仿真分析表明,该方法能够充分利用历史信息,体现了时域信息融合的动态性,能够有效处理信息冲突,具有较强的抗干扰能力。     

基于直觉模糊推理的直觉模糊时间序列模型

由于受到模糊集理论的限制,模糊时间序列预测理论在不确定数据集的描述上有失客观,针对这种局限性,提出一种直觉模糊时间序列预测模型。应用模糊聚类算法实现论域的非等分划分;针对直觉模糊时间序列的数据特性,提出一种更具客观性的隶属度和非隶属度函数的确定方法;提出一种基于直觉模糊近似推理的模型预测规则。在Alabama大学入学人数和中国社会消费品零售总额数据集两组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。     

设备部件延寿的灰色多指标畸变预测模型

针对设备部件延寿预测问题，首先，提出了上下限两种异常畸变指标，并给出灰色多指标延寿畸变预测模型的架构图和延寿预测示意图。其次，运用灰色系统方法分别构建了两阶段灰色预测模型，在第一阶段构建了灰色上下限畸变预测模型，得到下一次发生畸变的日期；在第二阶段构建了GM(1,1)模型，对设备部件延寿以及上下限指标的异常值进行预测。同时，对模型的预测精度进行检验和分析，并根据模型的预测结果确定了设备部件延寿的时间。最后，以半导体制造业设备靶材延寿为实际应用案例，验证了该模型的有效性和可行性，为合理制定部件的最优维护更换时间以及对降低企业运维成本具有重要指导意义。