时滞多变量离散灰色模型及其应用

针对多变量灰色模型存在驱动因素机制不明确和缺乏驱动项引入规则的问题.通过引入时滞项控制驱动因素,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.根据灰色扩维识别方法,探索驱动项选择和时滞参数测算方法,并给出模型建模预测步骤;最后,采用该模型解决我国农村水环境与农村区域发展的滞后效应测算、建模和预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

多变量广义预测控制及其在投资决策中的应用

一、引言 作者提出的多变量广义预测控制算法,用递推的方法,进行多步最优(最小方差)预测,以确定某一性能指标下的最优控制方案。尽管提出这种算法的背景是应用于工业控制,但其基本思想和方法可推广到经济系统的投资决策中。 一般来说,不同部门的经济系统的发展(比如重工业和轻工业)互相影响、互相制约、互相促进,是一个复杂的系统。而制定经济系统的各个不同部门的产值发展规划及合理安排每年的投资量(资金、劳力、能源等要素)是经济决策的关键一环。 本文首先根据经济系统的特点,对原有的广义预测控制中采用的性能指标、预测模型做了必要的调     

多变量广义预测控制及其在投资决策中的应用

<正> 一、引言 作者提出的多变量广义预测控制算法,用递推的方法,进行多步最优(最小方差)预测,以确定某一性能指标下的最优控制方案。尽管提出这种算法的背景是应用于工业控制,但其基本思想和方法可推广到经济系统的投资决策中。 一般来说,不同部门的经济系统的发展(比如重工业     

基于驱动控制的多变量离散灰色模型

针对多变量灰色模型存在驱动项作用机制不明确和模型精度不高的问题,通过引入矩形函数控制驱动项,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.从系统行为信息完备性角度,探索两种驱动控制项识别方法,并给出模型建模预测步骤;最后,采用构建的模型解 决我国无线通信用户预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

多变量灰色广义预测控制直接算法及仿真

基于多变量灰色系统模型 ,提出了一种MIMO系统的广义预测控制直接算法。该算法利用两个辨识器分别辨识被控对象和闭环系统的参数 ,从而得到控制器的参数。算法在线辨识参数较少 ,又避免了Diophantine方程和逆矩阵的在线求解 ,进一步减少了计算量 ,提高了实时性。仿真结果表明 ,该算法是有效的     

灰色预测在盐池县降雨量预测中的应用

干旱是制约农林牧生产发展的主要因素，文中运用灰色ＧＭ（１，１）预测模型，对宁夏盐池县北部未来年份降雨量进行了拓扑预测，效果良好，为农业部门的决策者提供了长期气象参考依据。     

灰色微分动态多变量预测模型及其应用

针对数据驱动建模方法在表征系统特性时的不足,提出了灰色微分动态多变量预测模型.新模型将系统特性的行为序列与影响序列用于建模,增强了系统动态性和非线性性;同时运用最小二乘原理获得模型参数估计式,利用拉普拉斯变换推导模型的近似时间响应式.在此基础上,将新模型应用于欧洲货币联盟、中东与北非及撒哈拉以南非洲三个典型地区的碳排放量预测,应用实例表明:灰色微分动态多变量预测模型预测效果优于其它三种经典的灰色预测模型,能有效预测三个地区未来五年的碳排放量.与此同时说明新模型能够更好地描述多因素系统动态性问题,从而有效地提升传统灰色多变量模型的建模精度.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

灰色关联度分析在变量筛选应用中的误区

探讨了多元回归建模中灰色关联度分析应用于变量筛选时存在的问题及其原因 ;结合实例阐明 ,GM(1 ,n )模型本身无法克服模型的多重相关性 ,用灰色关联度分析来筛选变量所获得的 GM(1 ,n )模型是不可靠的.     

多变量离散灰色幂模型构建及其优化研究

针对多变量小样本的非线性系统建模问题,提出了多变量离散灰色幂模型,并探讨其参数求解方法;鉴于驱动因素作用机制对模型精度的重要影响,通过引入驱动控制函数,多阶段识别起主导作用的驱动因素,构造多变量离散灰色幂模型的优化模型,并研究驱动控制函数参数识别方法,给出了模型建模预测步骤;最后,利用构建模型解决我国粮食产量预测问题,表明新模型能够更好地描述系统特征行为序列与驱动因素序列间的非线性关系,从而有效提升建模精度。     

灰色数列预测在我国税收预测中的应用

准确预测税收总量,对于有效地进行市场经济条件下的宏观调控有着重要的意义。定性分析了我国1992到1997年的税收数据,引入了均值生成算子对原始数据进行处理,建立了GM(1,1)模型,从而发现、掌握税收数据的变化规律,并对未来数据进行了定量预测。为了充分利用新信息,进一步提高预测精度,对数据进行了新陈代谢,再次建模预测。结果表明,用GM(1,1)模型对税收数据进行预测,不仅所需样本小、信息少,而且建模简单,具有很好的预测精度。     

基于交互作用的多变量灰色预测模型及其应用

针对传统模型没考虑驱动因素间交互作用关系的缺陷,在充分研究交互作用内涵及传统GM(1,N)模型缺陷的基础上,将线性交互关系的作用项引入GM(1, N)模型的灰作用量,构建基于交互作用的IEGM(1, N)的模型,给出了参数估计公式并提出了两个拓展模型,对拓展模型的适用范围进行研究,证明拓展模型与经典模型是等价的。通过对江苏省高新技术产业产值预测的实际案例,验证新模型的有效性,说明其能够有效解决含有交互作用关系的多因素影响的系统预测问题。     

灰色系统理论在需水预测中的应用

本文将灰色系统引入需水预测中，探讨了ＧＭ及其多个改进方法在需水预测中的应用１，并提出了带有时间因子的非线性ＧＭ。文中给出某一缺水城市工业需水的多种预测方法对比，算例表明ＧＭ及其线性改进算法不宜直接用于需水预测，而非线性ＧＭ及本文提出方法具有较佳的预测效果。     

基于T-S模型的自适应多变量模糊预测控制

针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.     

灰色预测模型在铁路运营指标预测中的应用

本文应用灰色系统理论的原理建立了S分局货物周转量及其它指标的灰色预测模型,并取得了良好的预测效果。同时,在大量计算的基础上,本文对GM(1,1)模型的构模参数取值进行了探索。