基于背景值和初值优化的灰色Verhulst建模方法与应用

针对灰色Verhulst模型的优化问题,提出从背景值和初值两个方面对灰色Verhulst模型进行优化,分别利用倒数变换和约束优化模型求解模型的背景值参数与初值参数,并给出基于背景值和初值优化的灰色Verhulst建模步骤,最后以案例验证了本文模型的有效性、适用性和优化效果。结果表明,利用背景值和初值的优化方法能够有效地提高Verhulst模型的模拟精度与预测精度。     

基于驱动变量增长趋势的TGM(1,N)预测模型

为解决多因素输入的灰色预测问题,改善GM(1,N)模型建模效果,本文提出一种新的TGM(1,N)模型构建方法;首先推导得出驱动变量初值化序列的建模性质,在GM(1,N)模型基础上推导得出TGM(1,N)模型的参数估计式以及模型的时间响应式,并根据系统特性建立了调整参数的确定准则,得出调整参数的计算公式;应用新模型研究了我国粮食产量的预测,其结果证明新TGM(1,N)模型不但具有较高的预测精度,并且满足建模的合理性和实用性。     

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。     

平滑系数自适应的二次指数平滑模型及其应用

通过对传统指数平滑模型的分析,提出了动态平滑参数的概念;并由此建立了平滑权重对时间序列能够自适应的新的二次指数平滑新模型;进而得到Brown单参数和Holt双参数两类线性趋势模型及其不同于传统模型的良好性质.新模型使困绕指数平滑应用的初值难以选取、平滑参数适应性差及系统预测偏差等问题得到了较完整的解决.预测实例表明新模型提高了预测精度,并有很好的自适应性.     

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.     

一种基于数据融合的新型GM(1,1)建模研究

基于灰色理论和自适应数据融合技术的研究,提出一种基于自适应数据融合的新型灰预测GM(1,1)模型,并对整个建模过程进行了理论推导。该方法利用自适应数据融合以及累加再生成操作来提高非平稳时间序列的光滑度,从而减少样本序列的随机性,提高重构背景值的精确性以及灰预测GM(1,1)模型的拟合精度和预测精度。最后通过该方法对液浮陀螺仪零漂进行建模仿真,结果表明该方法辨识精度高,优于一般平均值法和灰预测方法,具有良好的应用价值。     

确定组合预测权系数最优近似解的方法研究

首先建立了以预测方法有效性指标为目标函数的组合预测优化模型 ;其次在对组合预测精度序列分析的基础上 ,得到了求两组合预测方法权系数近似解的优化模型及最优近似解的计算公式 ;最后通过实例说明了这种方法的有效性.     

基于遗传算法优化的GM(1,1)模型及效果检验

对变化较平稳的数据和变化幅度较大的非平稳数据两种序列建立的 GM(1 ,1 )模型 ,分别用加速遗传算法 (AGA)和最小二乘法 (LSM)对模型参数求解 .结果表明 ,对变化较平稳数据序列 ,两种参数求解法建立的预测模型的拟合优度和预测精度相差无几 ;对变化幅度较大的非平稳数据序列 ,基于 AGA的 GM(1 ,1 )模型的拟合优度和预测精度远高于基于 LSM的 GM(1 ,1 )模型的拟合优度和预测精度 .     

非等间距GM(1 ,1) 模型建模研究

基于灰色模型的指数特性和积分定义,提出了一种重构非等间距序列的GM(1,1)模型背景值的方法,用该方法重构的背景值更加精确,可以提高GM(1,1)模型的拟合精度和预测精度,进一步拓广GM(1,1)模型的应用范围.     

基于数据变换的GM(1,1)误差校正方法

提高预测方法的预测效果具有重要意义,但是仅靠建立单一的预测模型来提高预测精度是非常困难的.本文对当前预测方法存在的不足进行了阐述,在此基础上提出将误差校正方法引入预测以提高预测精度的新思路.首先,采用预测方法(文中以T-S模糊神经网络方法为例)对训练样本进行拟合,再对预测对象进行初始预测;其次,引入加速平移变换和加权均值变换对误差序列进行处理,再以处理后的数据为样本构建基于数据变换的GM(1,1)误差预测模型,并对该序列后续点进行预测;最后,利用误差预测结果对初始预测值进行校正.文章最后以上证综合指数的收盘价的预测为例,算例分析表明,与校正前的预测精度相比,校正后的预测精度有显著提高,进而验证了该模型的有效可行.     

新信息离散GM(1,1)模型及其特性研究

研究了新信息离散GM(1,1)模型(NDGM)的参数特性及其对等比序列的拟合性质.提出了分段修正新信息离散GM(1,1)模型(SNDGM)并对其建模机理进行研究.证明了序列初始值不影响发展系数值,以此为依据对SNDGM模型进行拓展,解决了原始数据序列为分段等比数据情况下的拟合精度问题.结果表明NDGM模型能够完全拟合等比序列,SNDGM模型能够完全拟合分段等比序列.     

基于边缘信息的区域合并SAR图像分割算法

针对基于区域合并的合成孔径雷达图像分割中区域合并的顺序问题,提出一种利用边缘信息的区域合并技术。首先,利用改进的比例边缘检测算子获得初始过分割结果;然后,设计一个基于相邻区域的面积和边缘信息的区域合并优先级函数来引导区域合并的进行,该方法提高了模型参数的估计精确,同时保留图像的强边缘;最后,将边缘信息区域合并技术用于求解基于多边形网格的最短描述长度准则SAR图像分割模型。实验表明,与同类方法相比,本文方法的边缘检测能力与定位精度均有提高。     

灰色模型GM（1，1）的一种新优化方法

根据灰色系统理论的新息优先原理,提出了将X(1)的第n个分量作为灰色微分模型的初始条件与优化背景值相结合的方法,对GM(1,1)模型进行了改进,改进后的模型既适用于低增长指数序列建模,也适用于高增长指数序列建模,尤其是对高增长指数序列,改进的GM(1,1)模型的模拟精度与预测精度都有提高,即使在发展系数|a|大于2时,新模型的拟合精度仍然很高.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

无陀螺捷联惯导系统角速度解算的新方法

针对无陀螺捷联惯导系统中角速度解算精度难以满足工程应用要求的关键问题,利用一种基于九加速度计的配置方案能提供两种角速度解算值（积分值和开方值）的特点,设计了一种智能加权解算方法。该算法利用解算值修正下一时刻积分法的解算初值,使得积分解算值的精度也同时得到了提高,从而形成了良好的精度相互促进机制,然后利用遗传算法和数据拟合方法得到了加权因子的计算公式。仿真结果表明,与现有的解算方法相比,加权算法解算误差的均值减小了19.7％,方差减小了两个数量级。     

无偏GM(1,1)幂模型初始条件的优化

针对无偏GM(1,1)幂模型初始条件的优化问题,分别考虑模型结构参数已知和未知的情形下的优化方法。在结构参数已知的情形下,构建优化模型使得原始序列的一阶累加生成序列与其模拟值的误差平方和在理论上达到最小,并给出了最优初始条件的解析解;在结构参数未知的情形下,将最优初始条件视为待定变量,建立基于预测误差最小化准则的非线性优化模型,并通过Matlab求解优化的初始条件和结构参数。结果表明,提出的优化方法能够显著地提高无偏GM(1,1)幂模型的预测精度。     

组合预测建模中单项预测模型筛选研究

组合预测模型本身是一个对单项预测模型的信息进行选择利用的过程。分析了如何判定和检验参与组合预测的单项预测需满足何种条件,并运用了协整理论对模型进行筛选,从三方面综合地提出了筛选组合预测单项模型的方法和步骤,以期提高组合预测精度,简化计算。在初选的单项预测模型中,除选用较为常见的预测方法外,还加入了一些具有代表性的的单项预测方法,如状态空间模型、神经网络模型等。这些良好预测模型的选用,在一定程度上提高了组合预测的精度。     

A New Generating Method and Its Application

1 .INTRODUCTIONGreyforecastingisoneoftheimportantelementsinthegreytheory .Ithasbeenusedinmanyfields[1 ,3] ,andalltheseapplicationsarebasedonagreymodel.Intheprocessofmodelbuilding ,usuallytherawse riesismanagedbyaccumulatedgeneratingoperation(AGO) ,thatis,letx(0 ) =(x(0 ) ( 1 ) ,x(0 ) ( 2 ) ,… ,x(0 ) (n) )bearawseries,andx(1 ) =(x(1 ) ( 1 ) ,x(1 ) ( 2 ) ,… ,x(1 ) (n) )isone orderaccumulatedgeneratingseriesofx(0 ) ,wherex(1 ) (k) = Ki=1x(0 ) (i) ,k=1 ,2 ,… ,nIfx(0 ) (k)≥ 0 ,obviously ,…     

海基导弹初始误差分离建模与参数估计

影响海基导弹落点偏差的因素主要是制导工具误差和初始参数误差。首先分析了海基导弹初始误差的来源,包括三项定位误差、三项定向误差以及三项艇速误差。然后详细推导了初始误差对弹道遥测、外差数据的影响,建立了海基导弹初始误差分离的线性模型,结果表明初始误差与工具误差可以实现线性分离。最后根据六自由度弹道仿真程序仿真的遥测数据和外测数据对模型进行了验证,计算结果证实了模型和算法的正确性与可行性。