非等间距近似非齐次指数序列的灰色建模方法及其优化

传统的GM(1,1)模型在拟合非齐次指数序列时往往存在较大偏差, 针对现实中大量存在的非等间距近似非齐次指数序列, 本文首先根据非等间距灰色模型建模机理, 提出一个非等间距非齐次灰色模型, 推导出模型参数的最小二乘估计及时间响应函数表达式; 其次, 关于模型初始条件, 建立无约束优化模型; 最后, 实证分析表明, 该改进模型在拟合精度和实用性上均有明显改善, 从而拓宽了灰色模型适用范围.     

奇摄动对流-扩散偏微分方程的混合算法

讨论具有一般边界层的奇摄动对流-扩散偏微分方程,这类问题会在边界层附近出现剧烈振荡现象,产生所谓的边界层函数,其解析解无法求出.本文提出混合算法,其主要思想是引入二个过渡点将区域分为粗网格区域、中等网格区域和细网格区域,在这三个网格区域我们采用等步长.在粗网格区域采用Il'in差分格式,在细网格区域采用一般差分格式,在中等网格区域采用渐近解,新方法的总体误差是O(N-1 M-1 ε).混合算法结合了渐近解、数值解和BVT法的优势,是一个实用、有效的算法.     

非线性椭圆奇异摄动问题的数值方法

本在非等距离网格上给出了非线性随圆异摄动问题的解，这种方法是基于积分方程的数值解法，证明了差分格式的一阶一致收敛性，并给出了数值例子。     

非等间距GM（1，1）模型背景值的改进及其应用

根据模型的指数特性以及积分特点,以数据曲线在每个区间[k_(i-1),k_i]与坐标轴所围成的梯形面积作为模型背景值z~(1)(k_i)与z~(1)(k_(i-1))的差值,并对其进行修正,从而达到对传统非等间距GM(1,1)模型进行优化的目的.最后采用实例进行验证,并将结果同其他文献的拟合精度进行对比,从而验证算法的有效性与可行性.     

双大Reynolds数问题的混合方法

讨论双大Reynolds数问题，首先将解析解分解为光滑部分和奇性部分，对这两部分都做了上界估计；然后将解析解进行2阶渐近展开；最后提出混合算法．混合算法的主要思想是引入过渡点将区域分为粗网格区域和细网格区域，在这些网格区域采用等步长．在细网格区域采用有限元法，在粗网格区域采用迎风差分格式．混合算法结合了渐近解、数值解和BVT法的优势，是一个实用、有效的算法。     

非等间距GM(1,1)模型背景值构造方法及应用

背景值是影响灰色系统理论建模精度的重要因素之一。为提高灰色模型的预测精度,对非等间距GM(1,1)模型中的背景值构造进行了研究,提出了用x(1)(t)在区间[ki,ki 1]上的中点实际值作为背景值。该背景值计算简洁,适应性强,提高了非等间距GM(1,1)模型精度,拓广了非等间距GM(1,1)模型的适用范围。并应用改进的非等间距GM(1,1)对钛合金疲劳强度随温度变化的关系进行建模,取得了满意的效果,数据拟合精度高达98.8%。建模结果表明了该文提出的方法的有效性。     

奇摄动常微分方程系统的数值解法

讨论奇摄动常微分方程系统的二点边界值问题，这是奇摄动问题中较难的部分．中介绍了多过渡点的选取方法．依此法构造不等距差分格式，在最大范数下证明新的差分格式关于摄动参数是一阶一致收敛．多过渡点确定了网格划分从细网格到中等同格和粗网格的过渡，而Shishkin Sehenle(单过渡点法)只将网格分为细网格和粗网格．多过渡点法很好地拟合了边界层的性质，在实际应用中相当有效，其收敛阶也高于Shishkin网格法．     

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.     

基于小样本的非等距加速应力试验寿命预测方法

对非等距灰色GM(1,1)模型作进一步的改进,给出了一种新的非等距GM(1,1)模型.该模型与传统的非等距模型生成方式不同,在数据生成处理时,不是直接利用原始数据进行建模预测,而是通过对原始数据取对数变换,作降幅平滑处理,然后再对背景值加权处理.背景值加权的权重不是传统的绝对距离,而是相对距离,可以有效地避免改变原始数据列的性质.实例表明,对于非等距加速应力试验寿命预测,改进后的模型与Arrhenius模型及传统的非等距GM(1,1)模型相比,具有更好的建模精度和较强的适应性.     

初始条件自适应优化的ANGM(1,1)模型及其应用

少数据、贫信息的非等间距序列预测建模是灰色系统理论的重要内容之一，也是现实工程应用中经常遇到的难题.本文基于自适应优化的初始条件，构建了ANGM（1，1）优化模型.首先，在对已有初始条件优化的非等间距GM（1，1）模型缺陷分析基础上，设计出新型的初始条件自适应优化方法.该方法依据1-AGO序列各时点分量的实际值构建权重分配方程，既保证每个时点信息的充分利用，又自适应调整新旧信息的权重大小.然后，根据建模序列的特征，给出时间参数求解的两个准则及其推导公式，进而构建优化模型.最后，分别利用单调和波动两种特征的实际案例数据，构建4种初始条件优化模型，结果显示本文模型预测效果最好，表明本文模型的适用性和稳定性.