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.     

一种基于区间灰数几何特征的灰数预测模型

灰色系统预测模型的已有研究主要建立在实数的基础之上,没有考虑灰数信息对预测结果的影响,根据区间灰数序列在二维坐标平面上的几何特征,通过"面积转换"与"坐标转换",将区间灰数序列转换成等信息量的实数序列,然后推导并建立区间灰数的预测模型,通过建立多组随机区间灰数序列的预测模型,与其他灰数预测模型的模拟精度进行了比较.模型...     

基于核和灰度的区间灰数预测模型

在灰色系统理论研究领域,以“灰数”序列为建模对象的灰色预测模型的研究还较为缺乏。以区间灰数的“核”序列为基础建立预测模型,实现未来区间灰数“核”的预测,然后以“灰度不减公理”为理论依据,以“核”为中心拓展得出区间灰数的上界和下界;在不破坏区间灰数独立性和完整性的前提下,实现了区间灰数预测模型的构建;算例分析验证了该模型的有效性及实用性;区间灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围,均具有十分重要的意义。     

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.     

基于合成灰数灰度的区间灰数自忆性预测模型

针对传统灰色预测模型解决灰数序列预测的局限性,为了提高预测精度,以考虑合成灰数灰度的区间灰数预测模型为基础,构建了基于合成灰数灰度的区间灰数自忆性耦合预测模型,结合动力系统自忆性原理克服了传统灰色预测模型对初值比较敏感的弱点。算例仿真以具饱和发展状态特征的区间灰数序列为对象,获得了满意的模拟预测精度,验证了所构建模型的有效性及优越性。研究结果表明,本文提出的新模型丰富和完善了区间灰数预测模型体系,并拓展了其应用范围。     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

考虑合成灰数灰度性质的改进区间灰数预测模型

基于核和灰度的区间灰数预测模型,初步解决了区间灰数序列预测问题,但模型中灰度预测值的确定方法存在不足,且模型不支持误差分析。提出了合成灰数灰度的定义及其性质,据此分析了模型存在的问题,并建立灰度序列的预测模型实现灰度预测,以代替原有模型中灰度预测值的确定方法,从而改进和完善了原有区间灰数预测模型。改进模型从核和灰度两个方面同时发掘区间灰数序列的内蕴信息与发展趋势,克服了原有模型存在的不足,且支持误差分析和精度检验。算例表明了改进模型的有效性和可用性。     

灰色模型的病态问题研究

针对灰色模型在参数辨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:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.     

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.     

离散GM(1,1)模型的特性与优化

GM(1,1)模型在对纯指数序列进行拟合时通常仍然存在偏差,对原始序列和发展系数有太多限制.离散GM(1,1)模型与原模型的很多性质很相似,可以看成是原模型的精确形式,而且对发展系数和原始序列没有非负限制,因此对于离散GM(1,1)模型的特性研究就极为重要.文章对离散模型模拟数据增长率特点、对指数序列的拟合以及数乘变换下的参数特性进行了理论证明.研究表明离散GM(1,1)模型可以完全拟合指数序列.数乘变换不改变原始序列的模拟精度,为解决灰色预测模型的病态性提供了思路.文章提出了分段修正离散GM(1,1)模型并对建模机理进行了证明.应用实例表明了该模型能够显著提高模拟精度.     

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。     

非等间距新息GM(1,1)的逐步优化模型及其应用

应用灰色系统建模方法及新信息原理,在GM(1,1)建模思想的基础上提出了一种基于直接建模的逐步优化的新息非等间距GM(1,1)模型,该模型采用原始数据的第n个分量作为灰色微分方程的初始条件,通过优化背景值与差商调节系数来估计模型参数.该模型不仅适合于等间距建模,也适合于非等间距建模,且突破了发展系数的绝对值较大时,不能用GM(1,1)模型的禁区,提高了建模的精度.实例表明所建模型的实用性与可靠性.