基于马尔科夫——灰色BP神经网络组合模型的深基坑变形预测研究

建立马尔科夫—灰色BP神经网络组合模型是为了更加科学合理预测深基坑压顶水平位移,提高预测精度.比较分析BP神经网络模型与串联式灰色BP模型的预测结果,建立马尔科夫链修正的灰色BP组合模型,以汕头市某花园酒店扩建工程的基坑压顶水平位移的实测数据为研究对象,通过比较模型预测结果与实际结果,检验其深基坑预测模型的精度.实例证明,经马尔科夫链改进的灰色BP神经网络组合模型的预测精度优于单一模型,更适合用于样本少、随机波动性大的深基坑变形预测.马尔科夫—灰色BP神经网络组合模型对深基坑压顶水平位移的预测不仅精度高,同时反映出数据序列发展变化的总体趋势和系统之间各状态的规律,为深基坑压顶水平位移预测提供了一种新方法.     

基于灰色傅里叶残差修正的上证指数30日均价预测

在残差灰色预测GM(1,1)模型的基础上,运用傅里叶变换对预测残差进行修正。用该修正模型预测上证A股大盘指数的30日均价。实证分析,传统灰色GM(1,1)模型预测的平均相对误差为0.086 3%,灰色傅里叶FEGM(1,1)残差修正模型预测的平均相对误差为0.037 3%,平均相对误差降低了0.05%,提高了预测精度。因此,在上证指数均价预测方面具有一定的可行性。     

灰色-马尔科夫模型在桥梁运营状况预测中的应用

为了找到一种能够精确有效地预测桥梁运营状况的方法,提出一种基于灰色GM(1,1)理论模型并用马尔科夫链修正的灰色-马尔科夫预测模型.结合河北省某地区的159座桥梁数据对该方法进行应用检验,结果表明:灰色-马尔科夫模型预测数据的平均相对误差为-0.11%,相比灰色GM(1,1)理论模型预测数据的平均相对误差-0.34%,在精度上有了明显的提高,而且灰色-马尔科夫模型预测出的数据更加稳定.利用马尔科夫链优化过的灰色GM(1,1)理论模型预测出2017年至2019年该地区一类桥的数量分别为49座、39座以及34座.由此可知灰色-马尔科夫模型在已知的桥梁定期检查数据基础上可以提供较为精确的预测,相较于灰色GM(1,1)预测模型,该方法具有更高的精度和稳定性.     

锅炉生产中的焊接质量控制探讨

酸雨的pH值受酸性离子和碱性离子的影响比较大,这些影响因子之间存在多重相关性,用一般的方法难以达到预测精度.本文在灰色系统理论的基础上,通过引入马尔科夫理论,提出了一种基于马尔科夫灰色残差修正模型.该模型弥补了灰色预测模型在预测结果的精确性和可信任性方面表现出的固有缺陷.实例表明该方法在提高组合预测精度上具有可行性.     

加权马尔科夫的灰色残差修正模型在酸性降水pH值预测中的应用

酸雨的pH值受酸性离子和碱性高子的影响比较大,这些影响因子之间存在多重相关性,用一般的方法难以达到预测精度.本文在灰色系统理论的基础上,通过引入马尔科夫理论,提出了一种基于马尔科夫灰色残差修正模型.该模型弥补了灰色预测模型在预测结果的精确性和可信任性方面表现出的固有缺陷.实例表明该方法在提高组合预测精度上具有可行性.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

基于季节指数和灰色预测的月电量预测模型

灰色预测模型GM（1，1）主要适合于光滑数据序列的预测，对非光滑数据序列常采用对数变换法、开n次方变换法和指数加权变换法提高数据的光滑度．由于月电量呈现明显的季节性变换，常用的提高光滑度的方法效果并不明显．文章提出了一种基于季节指数和灰色预测的月电量预测模型，以南京市某供电分公司近五年的月电量数据为基础，采用季节指数变换的灰色预测模型进行预测，与对数变换法的灰色预测模型比较，预测效果得到了明显提高．     

基于灰色马尔科夫模型的深圳港集装箱吞吐量预测

为了更准确的预测港口集装箱吞吐量,以深圳港2003-2017年集装箱吞吐量数据为基础,通过数学方法将灰色预测模型和马尔科夫预测模型两种数学模型结合起来,建立灰色马尔科夫模型,然后利用灰色预测模型与灰色马尔科夫模型分别进行深圳港集装箱吞吐量的预测计算。结果表明:灰色马尔科夫预测模型能大幅降低波动性较大的时间序列的预测误差,尤其适用于中长期的预测;同时,传统的灰色预测GM(1,1)模型的预测精度也得到明显提高。根据建立的预测模型,计算出了深圳港2018-2020年的集装箱吞吐量预测值。     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

双重改进灰色马尔可夫模型的物流园区物流量预测

为科学预测物流园区的物流量,对灰色马尔可夫预测模型进行双重改进,利用灰色波动多项式替代灰色模型中的指数型曲线,采用滑动转移概率矩阵改进传统的马尔可夫链.利用某物流园区物流量的调研数据对最大相对误差、平均相对误差、残差平方和等因素进行分析.结果表明,双重改进的灰色马尔可夫模型能够更好地预测物流园区的物流量.     

车用三效催化转化器剩余寿命的非等间隔灰色预测

为了有效预测车用三效催化转化器的剩余寿命,在进行快速老化试验后,采用氮吸附法测定三效催化转化器比表面积,并在其实验比表面积减小率的基础上采用非等间隔灰色预测模型对车用三效催化转化器剩余寿命进行预测,并对其预测结果的残差进行后验差检验.研究结果表明:在进行快速老化试验204 min后,比表面积减小6.42％,即车用三效催化转化器耐久性寿命至少还有12万km:后验差比值C＜0.35,小误差概率P＞0.95,表明车用三效催化转化器剩余寿命的非等间隔灰色预测模型预测结果具有较高的精度.     

基于马尔科夫过程修正的湖南洪涝灾变灰预测研究

通过对1985~2015年的湖南省受灾率和成灾率的数据分析,研究未来15年湖南省洪涝灾害的灾年预测和发展趋势.利用统计数据建立灰色灾变模型GM(1,1),得到了洪涝灾害有阶段性波动且受灾率与成灾率有明显的同步性的结论.经由马尔科夫过程修正的灰色残差模型,具有更高的准确率,可为中长期预测提供参考.     

基于Logistic回归、Markov过程和改进灰自助法的导弹备件需求预测

 为了提高预测间断性需求导弹备件的精度,提出一种基于Logistic回归、Markov过程和改进灰自助法的组合预测模型。将样本序列划分为解释变量序列和自相关序列,对解释变量采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,把这两方面组合得到提前期非零需求发生概率,再运用改进灰自助法进行需求分布确定,得到最终的提前期需求。改进灰自助法先进行Bootstrap抽样,进行GM(1,1)二次数据拟合,既克服了Bootstrap法在小子样下的重复抽样问题,又克服,Bootstrap法在小子样下仿真结果不可信的问题。实例表明,提出的组合预测方法降低了预测误差,说明了该方法的有效性、可行性和实用性。     

惯性器件长期贮存性能可靠性灰色马氏链预测

为了及时掌握武器系统惯性器件的性能，并为延长其使用寿命及维修提供依据，对其进行贮存可靠性评估和预测非常必要．讨论了一种灰色马氏链预测模型的建模方法，此方法兼具灰色模型和马氏链模型的优点，它不仅充分利用了灰色模型动态建模思想，来预报可靠性数据总体趋势，并且根据此总体趋势，进行状态的划分，从而大大克服了马氏链状态矩阵运算量大的缺点，而且拓宽了灰色模型的应用范围，使其适合于波动性较大的随机数据列的预测．最后，对某型导弹速率陀螺仪贮存性能可靠性进行估计，并进行灰色马氏链预测．     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

灰色马尔可夫模型在城市电力消费预测中的应用

传统的灰色预测模型只能反映月用电量的总体变化趋势,不能反映月用电量随季节的波动特征.为此,基于马尔可夫理论提出了灰色马尔可夫修正预测模型,研究了同时考虑两种趋势的城市月用电需求的预测问题.算例表明,与传统的预测方法相比,灰色马尔可夫修正的预测方法较好的提高了预测精度.     

基于季节性灰色Fourier模型的短时交通流预测

针对短时交通流数据的周期性、非线性和随机性的特点,提出一种基于复化Simpson公式的季节性灰色Fourier模型.在季节性GM(1, 1)模型的基础上,首先利用复化Simpson公式对背景值进行优化,然后用Fourier级数方法修正预测结果.将新模型应用于加拿大Whitemud Drive高速公路的交通流预测,数值计算结果表明:新模型的预测平均绝对值百分比误差为1.54%、拟合度为0.996 0,均优于传统的GM(1, 1)模型、季节性GM(1,1)模型和Fourier优化的季节性GM(1, 1)模型.     

基于灰色马尔柯夫模型的严重飞行事故频数预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测，结果表明：灰色马尔柯夫预测模型对严重飞行事故频数的预测结果更科学、更精确。并用灰色马尔柯预测模型，预测世界定期客运航班严重飞行事故频数，其相对误差小于灰色模型预测结果。     

短时交通量时间序列的小波分析-模糊马尔柯夫预测方法

基于短时交通量时间序列的随机波动特征,提出一种小波分析和模糊马尔柯夫结合的预测方法．首先对交通量时间序列进行多分辨率小波分解,然后对低频部分和高频部分分别进行重构,对重构后的基本信号和干扰信号建立模糊马尔柯夫模型,最后对多个预测结果进行合成,从而得到交通量的预测结果．此外,根据灰色系统理论的新息优先原理,实时更新马尔柯夫预测模型中的状态转移矩阵,进一步提高预测精度．通过对苏州某交叉口短时交通量预测,表明小波分析和模糊马尔柯夫结合的预测方法具有良好的抗干扰能力和容错能力．