GM(1,1)模型的背景值构造方法和应用(Ⅱ)

通过重构一个表达形式简单的背景值计算公式，使得GM（1，1）模型能通用于等间距序列和非等间距序列，从而达到了扩大GM（1，1）模型应用范围的目的，同时仍保持了GM（1，1）建模简单易行的显著优点．实例说明，重构的背景值计算公式用于非等间距序列有很高的拟合和预测精度．     

电子设备寿命试验数据的灰色预测方法

灰色GM(1,1)模型中的背景值构造法是影响模型适应性和精度的关键因素.将所构造的背景值公式引入GM(1,1)模型,并用该模型预测电子设备寿命试验数据,目的是缩短寿命试验时间.计算结果表明,所构造的背景值公式有助于提高GM(1,1)模型的预测精度,为有效缩短电子设备寿命试验时间提供了一种值得探讨的方法.     

GM(1,1)模型的背景值构造方法和应用(Ⅲ)

将作者在重构的背景值公式引入 GM ( 1,1)模型 ,导出了 GM ( 1,1)模型的逻辑斯蒂( Logistic)形式 ,并以此为基础 ,对 GM( 1,1)模型进行了稳定态 ,周期态及混沌态特性研究 .研究结果表明 :重构的背景值公式扩大了 GM( 1,1)模型的适应性 ,能提高其拟合和预测精度 ,使 GM( 1,1)模型在实践中能发挥更大的效果.     

缩短材料弯曲疲劳试验时间的灰色理论与方法探讨

提出用灰色系统理论与方法对材料弯曲疲劳试验数据进行拟合和预测，可缩短试验时间，节约试验费用．实例表明，灰色系统理论与方法用于材料弯曲疲劳试验数据处理是可行的，且有较高的拟合和预测精度．图1，表2，参8     

GM(1,1)模型的背景值构造方法和应用(Ⅰ)

灰色 GM( 1 ,1 )模型对高增长指数序列拟合常常产生滞后误差 ,作者认为 GM( 1 ,1 )模型中背景值构造方法是影响其精度和适应性的关键因素 .从此角度出发 ,对背景值构造方法进行研究 ,重构了一个表达形式简洁、计算简单、适应性极强的背景值计算公式 .新的背景值计算公式的一个显著特点是它使 GM( 1 ,1 )模型具有对建模结果进行优化的能力 ,能获得最佳的拟合和预测精度 .它使 GM( 1 ,1 )模型同时适应于低增长指数序列和高增长指数序列建模 ,它是提高 GM( 1 ,1 )模型精度和适应性的关键技术 .算例结果的精度充分说明了它的有效性 .     

灰色 GM(1,1)模型在可靠性工程中的应用研究

长期以来,产品可靠性寿命指标都是用实际样品作破坏性试验来获得的．因此,可靠性试验是一项费时且费用又高的工作．本文探讨了用灰色系统ＧＭ（１,１）模型对可靠性寿命试验数据进行拟合和预测,以达到减少受试样本,节省大量时间和费用的目的．实例结果表明,该方法简单、实用,模型精度高,适用于在可靠性工程领域中应用．