河南省农业技术进步贡献率的灰色测试及预测

采用灰色系统理论的思想和模型技术，在“索洛”模型的基础上建立灰色技术水平度量模型，分阶段分析了河南省农业技术进步等要素对农业总产值增长的贡献率问题。并应用动态模型GM（1，1）对上述各项指标进行了预测。试图为提高技术水平和取得技术进步，促进河南省农业的发展，提供科学依据。     

作物灰色育种电脑决策系统研究

以《作物灰色育种学》为开发蓝本，以PowerBuilder6.0为开发平台，以SQL aywhere为后台数据库，研制出作物灰色育种电脑决策系统。阐述了其开发流程、主要模型，并结合实例介绍了其应用。在此基础上，讨论了作物灰色育种电脑决策系统的应用及前景。     

非线性直接灰色模型

灰色模型可用于描述复杂动态系统的性质，但这种描述往往是间接的，文中（１）提出了一个直接灰色（线性）模型，本文旨在得到一个非线性直接灰色模型。     

基于改进灰色关联分析的仿真模型验证方法

为客观有效地进行仿真模型验证,降低灰色关联分析应用于模型验证的风险,构建了改进的灰色关联分析模型。分析了当前基于灰色关联分析的模型验证所存在的问题,针对仿真模型验证的特殊需要,综合考虑仿真模型输出和实际系统输出时间序列之间的相近性和相似性,提出了改进的灰色关联度模型,并证明了改进模型满足灰色关联四公理。最后通过实例的分析与比较验证了该模型的合理性和有效性。     

基于灰色关联分析的仿真模型验证及其改进

分析比较了仿真模型可信性验证常用方法的特点，把灰色关联分析方法运用于仿真模型的可信性验证中，给出了具体的操作步骤，然后分析了灰色关联分析模型运用于仿真模型可信性验证中存在的风险，并针对仿真模型可信性验证的特殊需要，对灰色关联分析模型进行了一定的改进，最后通用实例验证了改进的合理性及风险的降低。     

一种新的关联度量化模型及其在农民收入结构分析中的应用

在已有灰色关联理论的基础上,综述了现有的几种典型灰色关联度量化模型,并分别指出了其缺陷。在此基础上,领会灰色关联度公理的内涵,提出了一种灰色关联度量化模型———演变模型,克服了现有关联度量化模型的缺陷,并证明了其科学性。最后,以河南省农民收入结构分析为例,介绍了其应用方法。图1,表1,参19。     

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。     

反向累加生成及灰色GOM（1，1）模型

相对传统累加生成提出反向累加生成的定义，给出灰色GOM（1，1）模型，为灰色模型提供新的生成方法。     

棉花耗水量预报模型的初步研究

本在试验实测资料的基础上，应用灰色关联分析的方法对影响棉花耗水量的主要因素进行了分析，同时建立了以旬叶面积系数，旬平均温度以及初始土壤含水率为指标进行预报棉花耗水量的灰色关联动态模型。     

湖泊富营养化灰色评价模型及其应用

将待评价湖泊富营养化指标组成参考数列,湖泊富营养化评价标准指标组成被比较数列,根据灰色关联度定义,运用扩展的最小二乘方准则构造目标函数,通过求条件极值建立了湖泊富营养化灰色评价模型。应用该模型对我国１８个主要湖泊的富营养化进行了评价,并与用其它方法评价的结果进行了对比.     

Combined model based on optimized multi-variable grey model and multiple linear regression

The construction method of background value is improved in the original multi-variable grey model (MGM(1,m)) from its source of construction errors.The MGM(1,m) with optimized background value is used to eliminate the random fluctuations or errors of the observational data of all variables,and the combined prediction model together with the multiple linear regression is established in order to improve the simulation and prediction accuracy of the combined model.Finally,a combined model of the MGM(1,2) with optimized background value and the binary linear regression is constructed by an example.The results show that the model has good effects for simulation and prediction.     

无偏灰色预测模型递推解法及其优化

针对传统灰建模由差分方程向微分方程跳跃而导致误差的问题,提出了无偏灰色预测模型的 递推解法,给出了不同初始条件下无偏灰色模型递推预测公式.在此基础上,进一步研究了在两 种准则下初始条件的优化问题,结果表明,同一准则下两种优化模型的模拟预测值相等,且都能 获得较高的模拟、预测精度.最后以实例验证了该方法的有效性与实用性.     

广义离散灰色预测模型及其应用

基于离散灰色预测模型提出了广义离散灰色预测模型(GDGM(1,1)模型),它包含了常见的齐次与非齐次指数序列模型,一次累加抛物型自回归模型,以及一次累加时变线性模型;证明了对四类特殊序列具有模拟完全重合性;研究了在数乘变化下模型参数与模拟值的变化规律以及相对误差的不变性;给出了模型建模步骤及其方法,通过实例对DGM(1,1)模型,NDGM(1,1)模型,CDGM(1,1)模型,TDGM(1,1)模型,NHGM(1,1,k)模型,GM(1,1)直接建模模型以及本文模型的模拟预测效果进行了比较,结果表明GDGM(1,1)模型能够提高预测模拟精度.     

灰色离散Verhulst模型

针对传统灰色Verhulst模型适应性不强的情况,借鉴离散化思想,通过对原始数据序列进行倒数生成,建立了灰色离散Verhulst模型。灰色离散Verhulst模型充分考虑了数据序列的准指数规律,实现了从连续形式向离散形式的转变,消除了传统灰色Verhulst模型由微分方程直接跳到差分方程所产生的误差。同时给出了两种初始条件下的灰色离散Verhulst模型的预测公式,有效地解决了传统灰色Verhulst模型预测稳定性差的问题。实例分析表明,灰色离散Verhulst模型能够显著提高模拟和预测效果。     

基于多维关联抽样的区间数灰靶决策模型及其应用

传统区间数灰靶决策模型忽略了指标区间分布及指标间相关性对于方案优劣评价的重要影响,且赋权过程中存在一定的模糊误差.针对上述不足,本文提出了基于多维关联抽样的区间数灰靶决策模型,通过全面考虑指标空间边界及空间内部的多维联合概率密度分布情况,弱化了指标极值对于决策结果的影响;并引入模糊集值统计方法确定指标权重,将灰靶决策模型权重由实数序列拓展到区间数序列,减小了专家判定过程中的模糊误差.以潘口水库汛期运行水位抬升方案决策为研究案例,将改进模型与传统模型进行比较,结果表明,改进后的模型能够更有效地考虑区间内部数据特点及指标间的关联程度,区间数权重的设定也更合理客观.     

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的, 提出了一种通过平滑性算子压缩随机振荡序列振幅, 提高序列光滑度的算法, 并在此基础上推导及建立随机振荡序列的灰色预测模型; 将该模型应用于多组随机振荡序列的模拟, 并与其他模型的模拟精度进行了比较, 结果表明, 新模型能显著提高随机振荡序列的模拟精度.     

离散灰色模型的拓展及其最优化求解

目的:探讨灰色预测模型中不同的迭代初始值点对模型的影响及其解决方法,探讨非齐次指数增长序列情况下的离散灰色模型;方法:采用理论证明和图形分析相结合的方法,比较迭代初始值分别为始点、中间点和终点三种不同形式对离散灰色模型的影响,构建新的灰色预测模型和参数求解公式;结果:迭代初始值的不同确实对离散灰色模型的模拟和预测产生影响;构建了优化离散灰色模型和无约束参数求解公式,建立了非齐次指数增长序列情况下的离散灰色模型;结论:新建立的优化灰色模型解决了迭代初始值点的不同对模型的影响问题,可以取代GM(1,1)模型和离散灰色模型进行模拟和预测,离散灰色模型得到了拓展,应用于非齐次指数增长序列的情形.     

一类离散灰色模型及其预测效果研究

GM(1,1)模型是灰色系统理论中最重要的内容之一,针对该模型在预测时出现的预测精度问题进行讨论,进而建立了新的离散灰色模型:始点固定离散灰色模型(SDGM)和终点固定离散灰色模型(EDGM),运用大量的数据模拟和预测,将新建立的2个模型和GM(1,1)模型的进行效果比较,发现新建立的2个模型均比GM(1,1)模型有更高的模拟精度和预测精度.     

Grey Markov chain and its application in drift prediction model of FOGs

1.INTRODUCTION Sincetheinterferometricfiberopticalgyroscope(FOG)wasfirstproposedbyAmericanUtahUniver sityin1976,ithasbeenattractingalotofscientific andtechnicalinterestsinsteadofthespinningwheel mechanicalgyroforitcanprovideuniqueadvantages.Withtheextensionofresearch,peoplehavebecome acquaintedwithnoisesandbiasdrifts,whichinduce non negligibleerrorsintheoutputofFOGs.The hugeeffortsontechnique,whichweredevotedtothe developmentoflow noiseandlow driftFOGsmainly basedonmaterials,machining…     

基于串联灰色神经网络的电力负荷预测方法

为了提高电力负荷预测的精度,分析现有人工神经网络和灰色预测方法各自的优缺点,将二者相结合提出了一种串联灰色神经网络预测方法.新方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,同时避免了灰色预测方法存在的理论误差.最后实际算例证明了方法的有效性.方法适用于中长期负荷预测.