分数阶反向累加NHGM(1,1,k)模型及其应用研究

灰色预测模型的模拟序列是齐次指数序列,而实际应用中大量存在着近似非齐次指数序列,为了解决这个问题,在已有研究的基础上,提出了一阶反向累加NHGM(1,1,k)模型和分数阶反向累加NHGM(1,1,k)模型.分析了两种模型的扰动界,并对一阶反向累加NHGM(1,1,k)模型和分数阶反向累加NHGM(1,1,k)模型的计算公式进行了推导,给出了两类模型适用于小样本建模的原因.由于充分利用了系统的新信息,分数阶反向累加NHGM(1,1,k)模型的预测精度更高,实例分析发现其解的稳定性更好.最后,将分数阶反向累加NHGM(1,1,k)模型运用在具有多个研制阶段的某型号武器装备可靠度的预测上,取得了较高的预测精度.     

基于离散指数函数优化的GM（1，1）模型

证明了离散的齐次指数函数经一次累加生成后为离散的非齐次指数函数, 离散的非齐次指数函数经一次累减生成后为离散的齐次指数函数.结合GM(1,1)模型误差产生的原因分析,用非齐次指数函数来拟合一次累加生成序列,推导出最优的背景值计算式.大量的数据模拟和模型比较表明,优化后的模型提高了背景值的精确性以及灰预测模型的拟合精度和预测精度,并且在发展系数绝对值较大时仍然有很高的精度,突破了小于2的限制.     

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.     

二次时变参数离散灰色模型

本文基于离散灰色模型模拟值增长率恒定的原因,通过引入二次时间项来构造了 二次时变参数离散灰色模型(quadratic time-varying parameters discrete grey model,简称为QDGM(1,1)模型).并且研究了该模型的性质.结果说明, QDGM(1,1)模型具 有白指数规律重合性,线性规律重合性,二次规律重合性,伸缩变换一致性.应用最优化方法研究QDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后叙述了应用 QDGM(1,1)模型建模和预测的步骤,并通过实例比较了QDGM(1,1)模型与原离散灰色 模型及其非齐次离散模型和线性时变参数离散灰色模型的预测能力,最终结果表明本文 提出的QDGM(1,1)模型具有更高的模拟和预测精度.     

近似非齐次指数数据的灰色建模方法与模型

传统GM(1,1)建模是用齐次的指数序列来拟合原始数据,对近似非齐次指数序列进行建模时会有较大的偏差,而现实中存在大量的近似非齐次指数的数据序列.根据传统灰色GM(1,1)建模机制,提出了一个用非齐次指数序列来拟合原始数据的灰色模型,给出了模型参数的最小二乘解,并给出了模型时间响应函数的表达式. 最后,通过实验验证了新模型的拟合和预测精度实验结果显示,新模型比传统GM(1,1)模型具有更好的拟合和预测精度.     

离散GM(1,1)模型与灰色预测模型建模机理

GM(1,1)模型中,从离散形式到白化形式的转变,以及GM(1,1)模型预测稳定性问题,一直困扰着灰色系统理论的研究者.本文以此为研究出发点,从由离散到离散的角度解决这一理论问题,建立了离散灰色预测模型(称DGM(1,1)模型),并对其与原GM(1,1)模型的关系做了深入研究,找出了原模型预测不稳定的原因,利用麦克劳林公式展开对这些原因做全面解释,最后用纯指数序列验证DGM(1,1)模型预测的无偏性,研究结果表明,可以将本文建立的DGM(1,1)模型作为灰色预测模型的精确形式,而原模型作为近似形式加以使用.     

基于扰动信息的连续区间灰数灰色预测模型

针对连续区间灰数的预测,提出了分数阶累加二次时变参数离散灰色预测模型(FQDGM (1,1)模型)。在不损失原始信息的前提下,将区间灰数转化为核序列和灰半径序列,然后分别对核序列和灰半径序列建立FQDGM (1,1)模型。新模型针对同时包含指数和二次曲线趋势的系统,通过二次时变参数的求解和阶数的调整,实现对于原始信息进行有效挖掘,避免扰动信息的干扰,提高模型的稳定性。最后,运用不同灰色预测模型,对于一个算例和一个实例进行建模,计算结果显示了所提方法的优越性,从而进一步拓展了灰色预测理论的应用范围。     

线性时变参数离散灰色预测模型

分析离散灰色模型模拟值增长率恒定的原因,通过引入线性时间项,构造时变参数离散灰色模型(称TDGM(1,1)模型).进而研究该模型性质,结果表明:TDGM(1,1)模型具有白指数规律重合性、线性规律重合性、伸缩变换一致性,克服了原离散模型模拟值为等比序列的问题.应用最优化方法研究TDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后说明应用TDGM(1,1)模型进行建模和预测的步骤,通过实例比较该模型与原离散灰色模型及非其次离散模型的预测能力,结果显示TDGM(1,1)具有更高的模拟和预测精度.     

基于分数阶累加的离散灰色模型

针对灰色预测模型为什么适用于“小样本”建模的问题进行了研究. 以离散灰色模型为例,利用最小二乘问题解的扰动理论证明了灰色一阶累加方法在扰动相等的情况下,原始序列样本量较大,解的扰动界较大; 样本量较小,解的扰动界较小. 为了使离散灰色模型解的扰动界变小,本文提出了分数阶累加离散灰色模型. 实例说明分数阶累加离散灰色模型的实用性.     

灰模型对单调递减序列的适应性与参数估计

对单调递减序列建立GM(1,1)模型,利用数学归纳法证明了GM(1,1)模型的时间响应式和预测式分别与实际的一次累加序列和原始序列的增减趋势吻合,说明了GM(1,1)模型适应于直接对单调递减序列建模,澄清了人们认为GM(1,1)模型只适应单调递增序列的曲解,拓宽了GM(1,1)模型的适用范围,并提出了避免繁琐矩阵计算的参数近似估计方法.最后通过实例证实了此方法的有效性和可行性.     

融合自忆性原理的优化GM(1,1)幂模型构建及应用

针对因发展变化受众多因素影响而具有饱和增长趋势或单峰特性的原始波动序列,为了提高预测精度,以灰色GM(1,1)幂模型为基础,构建了自忆性原理与优化GM(1,1)幂模型的耦合预测模型,用动力系统自忆性原理来克服传统灰色模型对初值比较敏感的弱点。结果表明,新构建模型能够充分利用系统的多个历史时次资料,模拟和预测精度都高于传统优化GM(1,1)幂模型,进一步拓展了灰色模型的应用范围。最后,以我国高中升学率的数据为例验证了所构建模型的优越性和有效性。     

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.     

动态灰预测模型的缓冲适应性建模方法

提升对数据特征的适应能力是预测建模的关键问题之一.本文融合缓冲算子方法与灰色滚动预测模型构建适应性灰预测模型,即BARGM模型.该方法将原始序列拆分为连续的数据片段,利用缓冲算子和数据片段上的反馈信息调整变权系数.并用GM(1,1)的衍生模型对调整后的片段数据进行逐步建模和外推;缓冲适应性模型相对传统建模方法具有两个特点,即改变灰模型响应式形式的单一性、具有较强的智能化拓展能力:案例研究采用我国能源相关的温室气体排放数据进行建模测试与对比,建模结果显示拟合精度和预测精度均有明显提升,印证了缓冲适应性建模方法的有效性.     

特征自适应型GM(1,1)模型及对中国交通污染排放量的预测建模

兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM(1,1)模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM(1,1)模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM(1,1)和CAGM(1,1)模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.     

含时变时滞函数的GM(1,1|τ_i)模型及其应用

针对带有时滞效应的小样本数据序列的预测建模问题,现有模型通常假设时滞期为固定值,忽略了时滞值动态变化对模型效果的影响.为了克服这一局限性,本文考虑系统时滞的动态变化效应,将GM(1,1|τ,r)模型的静态时滞参数推广为时变时滞函数,设计出非整数时滞取值区间对应的时变时滞参数表达式.提出以灰关联理论为基础的时变时滞函数的参数优化方法,推导出GM(1,1|τ_i)模型参数估计值以及预测序列的时间响应式.该方法不仅提高了模型对所分析序列的拟合度,还可充分利用时滞参数函数的数学性质,进一步研究时滞因素对系统发展趋势的影响.最后,将GM(1,1|τ_i)模型应用于福建省全省沿海港口货物吞吐量预测,并将建模预测结果与经典的GM(1,1)模型和GM(1,1,τ)模型进行比较.结果表明当原始序列具有时滞效应时,GM(1,1|τ_i)模型具有更高的建模精度,能够反映出更为复杂的系统时滞变化情况,扩展了含时滞参数灰色预测模型的适用范围.     

再论离散GM(1,1)模型的病态问题研究

针对离散GM(1,1)模型在参数辩识过程是否出现病态问题,利用矩阵条件数进行了研究,研究结果表明:直接用原始数据建模,模型会出现很大的病态问题,问题的严重性很大程度上与原始数据大小有关.解决问题的方法是通过数乘变换,使原始数据都变成为小于1的数,则离散灰色GM(1,1)模型中的病态问题就会得到有效解决.