直升机航迹预测精度分析

该文全面分析直升机航迹预测方法，给出直升机航迹模型和去相关的航迹及其预测精度分析，提出用灰色系统实时在线建立直升机航迹的GM预测模型，并进行精度预测。结果表明，去相关的卡尔曼滤波方法虽可提高预测精度，但计算量较大，对目标作机动时，预测误差较大；而用灰色系统预测直升机航迹，只需用较少的探测数据，就可以得到较高的预测精度。     

灰色系统的弹箭系统研制费用估计模型的研究

对弹箭系统研制费用的估计常采用多元线性回归方程法。该方法要求有大量样本数据的情况 ,并且估计精度较差。在新型弹箭系统的研制中 ,由于样本数据较少 ,给研制费用估计带来一定的困难。该文应用灰色系统预测理论解决弹箭系统研制费用估计问题 ,建立了灰色系统GM预测模型和n次累加残差模型并对GM预测模型进行修正。通过实例计算能看出用较少的样本可以得到较高的预测精度。     

一种基于灰色模型和机理模型集成的质量预测模型及其应用

针对长流程工业过程中产品质量难以实时检测且不易实现优化控制的难题,通过对生产数据特性和质量预测要求的分析,提出了一种基于GM(1,1)灰色模型和机理模型集成的质量预测模型.首先根据过程机理知识建立了粗糙质量预测模型;然后运用灰色预测中的残差辨识理论,用机理预测模型的残差时间序列建立残差GM(1,1)模型,其预测结果补偿机理模型的预测值.验证结果表明,该质量预测模型能获得较理想的质量预测精度,其应用可使产品质量得到显著的提高.     

应用改进的残差GM(1,1)模型预测城市用水量

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.     

基于马尔克夫的灰色残差GM(11)模型在塑料老化行为预测中的应用

针对数据的离散程度较大时灰色GM(11)模型的预测精度较差这一问题引入残差修正在采用马尔克夫过程确定预测值的残差修正值正负号的基础上通过对灰色GM(11)模型得到的模拟值和预测值进行修正构建了基于马尔克夫的灰色残差GM(11)模型。以大气自然老化环境下LDPE棚模的拉伸强度的预测为例研究所建模型在塑料老化行为预测中的适用性。结果表明：由所建模型得到的LDPE棚模老化18个月和21个月的拉伸强度预测值与实际值的相对误差分别为1.49%和4.96%预测精度明显高于灰色GM(11)模型(相对误差分别为3.40% 和6.75%)可用于塑料老化行为的预测。马尔克夫的灰色残差GM(11)模型所需实验数据少预测精度高为塑料老化行为的预测提供了一种简易而可靠的新途径。     

残差非等间距GM(1,1)模型及应用

为了提高灰色系统的预测精度,人们从理论与实践中不断探索新的建模方法,从模型自身特性出发改进灰色模型。通过对传统的GM(1,1)模型进行差分运算,推导出非等间距GM(1,1)模型,扩展了模型的应用范围;从背景值的几何意义出发,指出背景值的积分构造形式比均值生成的形式更加合理,并给出了积分背景值的数学表达式;在一次拟合结果的基础上,为了进一步提高模型的精度,对一次拟合的结果进行了残差分析,并建立了灰色残差模型,通过把灰色残差模型得到的数据依次补偿到一次拟合结果上,得到了残差修正的灰色GM(1,1)模型。通过对热处理实验中渗碳浓度的数据处理结果显示,残差GM(1,1)模型较好的描叙了渗碳浓度和深度的关系。该模型对工程数据的处理具有一定的参考价值和指导意义,为灰色模型的应用提供了一个有效的方法。     

铁路客货运量预测的随机灰色系统模型

针对现有铁路客货运量预测方法的不足和铁路客货运量的随机波动性,基于灰色预测理论,建立了铁路客货运量预测的随机灰色系统模型.该模型在对客货运量原始数据生成处理的基础上,建立了符合检验要求的残差GM(n,h)模型,以预测铁路客货运量的发展趋势;再通过引入相对误差序列的随机过程,建立了随机GM(n,h)模型,以综合考虑随机因素对铁路客货运量未来发展趋势所带来的影响,提高铁路客货运量预测的精度.理论分析和实例计算结果表明:随机灰色系统预测模型直观,且操作性强,预测结果精度较高.     

基于灰色系统理论的变形数据处理方法

根据灰色系统理论,提出了应用1-AGO灰色预测方法。建立GM（1,1）模型对变形数据进行分析预测。该模型具有削弱原始数据的随机性、预测精度高等特点,并通过实例进行说明。     

基于GM(1,N)改进模型的瓦斯水合物相平衡预测

研究瓦斯水合物相平衡的条件是实现瓦斯水合物储运技术的关键.利用水合物相平衡测定装置得到的动态相平衡数据,采用基于残差修复的灰色残差GM(1,N)模型的数据修复方法,建立残差GM(1,N)模型.以瓦斯水合物相平衡压力值为研究对象,以水合物相平衡温度值为参数列,采用灰色GM(1,N)理论,建立组分((φ))为CH455％、C2H610％、C3H810％、CO22％、N223％的瓦斯气样在不同温度条件下的压力值预测模型.结果表明:基于残差GM(1,N)模型的数据修复算法更加有效、可靠,并且具有良好的实用性,明显提高了灰色预测模型的预测精度,为瓦斯水合物相平衡研究提供了准确的数据支持,具有一定的应用价值和实际意义.     

基于马尔科夫滚动优化的锂电池寿命灰色预测研究

文章建立了一种电池容量的动态预测方法,提出了滚动优化GM(1,1)模型、残差修正滚动GM(1,1)模型和Markov残差修正滚动GM(1,1)预测模型。研究结果证明了3种模型具有极好的预测性能,只是残差GM(1,1)模型的精度比其他2个低一些。且发现在仅有4个数据点建立的残差修正滚动GM(1,1)模型与Markov残差修正滚动预测模型也有相当高的预测精度。通过预测不同电池在不同充放电条件及温度条件下的电容容量,验证了滚动优化模型的普遍适用性。     

基于GM（1，2）残差模型的混凝土靶强度预测

混凝土靶的早期强度的发展规律在很大程度上影响着混凝土靶的后期强度发展规律。灰色系统理论对于小样本具有较好的预测效果。本文建立了混凝土靶强度的GM（1,2）残差预测模型,结果表明,该模型在预测混凝土靶强度方面达到了很好的效果,有较好的理论和实用价值。     

基于灰色RBF网络的我国能源消费预测

利用我国能源消费总量的历史数据,采用灰色预测法建立预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值.实验结果表明,灰色RBF网络模型在预测精度方面优于单一的灰色模型.该模型计算简便,有较高的拟合和预测精度,拓宽了灰色模型的应用范围.     

基于相对误差极小化的灰色组合预测模型

分别利用累加生成数据作为初始条件,建立了不同的灰色预测模型.以这些模型为基础,按照相对误差极小化的原则,建立了灰色组合预测模型.通过实例对比分析,表明灰色组合预测模型具有更高的预测精度和较高的理论实践价值.     

灰色神经网络交通事故预测比较

针对BP神经网络多变量输入难以确定的缺点,提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型,实例证明,该方法预测精度优于全输入BP神经网络预测。进一步提出了应用选优BP神经网络输入预测和GM(1,N)组合预测的模型,它结合了灰预测利用少数据累加生成建模,容易找出数据变换规律的特点和神经网络能很好地非线性逼近,又需要较全数据的特点。实证研究结果表明,该组和网络模型获得了更准确的预测值,模型新颖,具有更好的预测精度,可广泛应用于各种预测研究,有较高的推广价值。     

青岛市生活垃圾量的关联度分析与灰色模型预测

运用关联度分析法,定量分析了影响青岛市生活垃圾产生量的主要内在因子,提出了利用环境教育等外在因素的控制对策.并运用灰色系统理论建立了该市垃圾产生量的GM(1,1)预测模型,对青岛市生活垃圾未来产量进行了预测,结果均符合一级精度,为青岛市环境规划管理提供定量依据.     

灰色无偏GM(1,1)模型在生活能源电力消费量预测中的应用

利用2000-2005年全国生活能源电力消费量统计数据,建立了一个电力消费量预测的灰色无偏GM(1,1)模型.模拟结果表明:灰色无偏GM(1,1)模型比较合理地反应了生活能源中电力的消费趋势,并且预测精度较高、误差较小,为电力消费量预测提供了一个科学而有效的方法.     

基于BP神经网络改进的GM（1,N）模型在经济预测中的应用——以河南省经济为例

论文就修正GM（1,N）预测模型的误差,提出了新方法。使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响。实践表明这些改进模型可以有效地提高GM（1,N）模型的预测精度。