截尾时间下数控机床可靠性分析的灰色模型法

针对所收集数控机床的现场故障数据,采用灰色模型GM(1,1)的直接建模法对三参数威布尔分布模型进行估计,通过对比,考虑截尾时间和不考虑截尾时间所得模型参数的变化,说明了采用截尾时间进行分析时所得模型更加贴近实际。将故障数据用区间法划分,本文提出采用离散GM(1,1)建模法,对区间失效数进行预测。采用中点与失效数计算数控机床的平均无故障工作时间,通过与公式计算结果的对比,验证了该方法的准确性,可以在工程实践中进行运用。     

Weibull分布下只有一个失效数据的多层Bayes分析

针对在定时截尾试验中仅有一个失效发生情况，利用Weibull分布在m〉1,t〈η（m-1/m）^1/m 条件下的凸性，确定了失效概率pj（j=1,…,k）的多层先验分布，并给出了其Bayes估计。然后用最小二乘法给出Weibull分布参数m，η的估计，进而得到Weibull分布可靠度估计。最后通过实例和随机模拟，讨论了文中C值的选取问题，证明了文中方法的可行性。     

基于MCMC稳态模拟的Weibull共享异质性模型及其可靠性应用

针对传统假设中个体寿命独立同分布的不足，构建了贝叶斯Weibull共享异质性模型，提出了对寿命服从Weibull分布的产品，运用基于Gibbs抽样的马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法动态模拟出参数后验分布的马尔可夫链，在异质性因子的先验分布为Gamma分布时，给出随机截尾条件下，参数在Weibull共享异质性模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用WinBUGS (Bayesian inference using Gibbs samp     

基于Matlab的随机截尾数据下的Weibull分布参数估计

介绍了随机截尾情况下计算样本失效概率的两种方法,并编写了Matlab函数.提出了利用Matlab的非线性最小二乘曲线拟合函数对服从Weibull分布的随机截尾数据进行曲线拟合和参数估计的方法,并编写了相应程序.计算结果表明,在Matlab中只需少量代码即可获得较好的拟合效果和估计精度,比用其他计算机语言编程更简单而实用.     

基于改进蜂群算法和灰色模型的管道腐蚀预测

为了解决缺少大量数据样本情况下油气管道剩余寿命预测问题,采用GM（1,1）模型预测管道腐蚀趋势。考虑到GM（1,1）模型自身存在的缺陷,采用指数变换预处理原始数据和动态生成系数重构背景值两种方法改进GM（1,1）模型的建模过程,并运用改进的蜂群算法（IABC）求解全局最优动态生成系数,进而建立改进的蜂群算法优化的指数变换灰色模型（IABC-EGM（1,1））。利用弯头测厚数据进行验证分析,GM（1,1）模型的平均相对误差为4.92%,IABC-EGM（1,1）模型的平均相对误差为2.28%,表明模型的预测精度得到了提高。     

Weibull分布在完全数据条件下的参数估计

在完全数据条件下对Weibull分布,分别使用Newton-Raphson算法、CM算法进行完全数据Weibull分布参数的极大似然估计计算,并且在得到相应的迭代公式后,进行随机模拟,从模拟结果来分析这两种算法在处理Weibull分布参数的极大似然估计的优良性.     

用两个次序统计量确定Weibull分布形状参数的置信下限

从两个次序统计量出发,给出了二参数Weibull分布的形状参数的置信下限.在实际数据的缺失、删失、截尾等情况下,为可靠性试验的数据处理提供了一种有效的估计方法.     

定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.     

两参数Weibull分布联合置信区间估计

提出了定数截尾下两参数Weibull分布精确联合置信区间估计的一种方法,并给出了可靠度的一个保守的置信下限,最后用模拟方法将其和已有的联合置信区间估计方法进行比较,表明文章的估计方法更好.本方法亦可推广到双边定数截尾的情形.     

GM(1,1)的MATLAB实现及其应用

灰色GM（1,1）预测模型是灰色理论中的重要组成部分,也是主要的预测方法之一．因此,GM（1,1）模型的应用范围很广泛．本文简要介绍了GM（1,1）模型的原理及其预测步骤,用MATLAB软件实现了GM（1,1）预测算法并给出了源代码．在此基础上,用统计年鉴上的住宿和餐饮业收入增加值数据进行了仿真,从而验证了该算法的有效性和程序的正确性。     

动态调整GM(1,1)发展系数的预测优化算法

在灰色预测GM(1,1)算法的基础上,针对小样本、穷信息、不确定性和以时间为序列的特征数据,运用限定条件下的随机非线性规划方法、动态调整GM(1,1)算法均质生成数列中的发展系数,构建一套优化预测模型,藉此提高算法的数据预测精度.结果表明:优化算法的预测结果精确度高,在数据预测方面,优于传统的GM(1,1)算法.     

基于FPSO-SA算法的威布尔分布参数估计研究

为解决威布尔分布等复杂分布模型采用常规方法很难直接进行参数估计的问题, 提出了基于模糊粒子群模拟退火算法的威布尔分布参数估计。该算法根据粒子个体纵向和横向运动特性, 引入模糊逻辑推理动态调整惯性权值因子, 提高了粒子群算法(PSO: Particle Swarm Optimization)的收敛速率; 将上述模糊粒子群算法(FPSO: Fuzzy Particle Swarm Pptimization)与模拟退火算法(SA: Simulated Annealing)结合, 以FPSO算法的速度位置更新公式作为SA算法的状态生成函数, 再运用Metropolis算法以概率接受新状态, 获得全局最优参数估计值。将基于上述智能算法的参数估计法运用到威布尔分布参数估计中, 提高了参数估计精度。实际应用表明, 该参数估计方法在复杂分布模型参数估计中具有可行性和有效性。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

灰色模型GM(1,1)背景值的一种改进方法

分析了灰色GM(1,1)模型的理论缺陷,提出了对背景值的一种改进方法,建立了GM(1,1,λ)模型,数据模拟结果表明,GM(1,1,λ)模型的模拟精度高于GM(1,1)模型,既适合低增长指数序列建模,也适合高增长指数序列建模.     

船舶航行GPS定位轨迹的新预测模型

为了提高海上船舶航行轨迹的预测精度,根据船舶航行的GPS定位轨迹特征,构建一套适用于航行轨迹预测优化算法模型,研究内容包括轨迹数值预处理、预测计算、结果精度分析3个部分.运用离散小波变换对船舶航行轨迹数值的分辨预处理,在灰色预测GM（1,1）算法的基础上,运用非线性规划方法动态调整GM（1,1）算法均质生成数列中的发展系数,构建基于时间序列的数值预测优化算法,最后通过算法模型的实验比较和应用测试.结果表明,本预测模型计算结果精确度高,优于多个其它预测算法或模型.     

一种带有调节因子的背景值构造方法及在灰色系统建模中的应用

针对传统灰色GM（1,1）模型和已有的若干改进GM（1,1）模型在高增长指数序列建模时模型精度较低的问题,构造了一种带有调节因子λ的新背景值公式,提出了调节因子λ的优化方法,并应用于灰色系统建模中.大量的数字仿真表明：基于调节因子λ建立的新GM（1,1）模型,即使是在发展系数较高、且用于多步预测时精度仍然保持较高,它较传统GM（1,1）模型和已有的改进GM（1,1）Ⅰ,Ⅱ型均有显著地提高.     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

土地利用规划中的人口预测方法研究——以荥阳市为例

根据2002年至2009年荥阳市的人口数据,采用综合增长率法、回归分析法和GM（1,1）模型预测2020年的人口规模．并对3种方法的预测结果进行精度检验．结果表明,GM（1,1）模型预测精度最高,可以采用其预测值作为最终预测结果．