分数阶反向累加Verhulst模型

本文提出采用反向累加的方式对原始数据进行处理,并在整数阶的基础上将其推广到分数阶领域,以分数阶反向累加生成算子和分数阶反向累减生成算子为基础,建立分数阶反向累加Verhulst模型,并应用实例与分数阶反向累加GM(1,1)模型作对比,检验模型模拟误差.相关结果显示,相较于传统Verhulst模型与分数阶反向累加GM(1,1)模型,分数阶反向累加Verhulst模型的数据拟合精度较高.     

微分方程数值解法在GM(1,1)建模中的应用

提出了建立GM(1,1)模型的新方法,认为应用微分方程数值解法估计GM(1,1)预测模型中的待辨参数a,b,建立灰微分方程的时间响应表达式,可以达到与[1]同样的拟合精度.对部分数列拟合精度有所改善,其滚动模型的拟合精度改善明显.表1,参6.     

分数阶累加时滞GM(1,N,τ)模型及其应用

基于系统的时滞性,本文建立了时滞灰色GM(1,N,τ)模型,给出了模型的最小二乘参数估计公式以及模型的解析解.在引入分数阶累加生成算子后,将原模型扩展为分数阶累加GM(1,N,τ)模型,当时滞值为非整数情况时,采用相邻整数点加权构造法,完善了模型;通过粒子群算法确定模型最优的分数阶累加生成阶数.最后本文结合武汉市1995-2008年14年科技投入及经济增长的实际背景,分别建立了经典时滞GM(1,N,7)和分数阶累加时滞GM(1,N,7)模型对GDP数据做了预测,比较了两个模型预测结果,发现分数阶累加时滞GM(1,N,7)模型具有更高的建模精度.     

广义累加灰色预测控制模型的性质及优化

对广义累加灰色预测控制模型进行了深入研究,发现该模型实际上是GM（1,1）模型、阶段模型、跳跃模型、非等间隔模型等的统一形式;然后研究了初始点的变化对模型参数及预测值的影响,利用矩阵分析推导了它们之间的数量关系;提出了利用广义累加生成矩阵中元素的优化、初始点的优化、初始条件选取的优化对广义累加灰色预测控制模型进行组合优化的方法. 最后利用经典的“电视机销售问题”进行了实例分析,验证了组合优化方法的有效性.     

反向累加生成的特性及GOM(1,1)模型的优化

针对反向累加序列的生成与建模问题, 分析了反向累加生成的准光滑性和准指数规律, 进而给出反向累加生成序列的灰建模条件. 证明了基于反向累加生成的齐次与非齐次离散指数函数之间的关系, 并经过理论推导得到了GOM(1,1)模型的最优背景值. 结果表明, 优化的背景值与GOM(1,1)模型的时间响应函数具有较好的一致性, 从而可以在理论上有效提高传统模型的精度. 最后通过实例验证了优化模型的实用性与有效性.     

灰色系统方法在试验数据对比分析中的应用

提出了利用灰色系统理论中的关联度和一次累加生成数据曲线的加权变化率解决受时间因素影响的试验数据对比分析问题的方法。     

基于离散指数函数优化的GM（1，1）模型

证明了离散的齐次指数函数经一次累加生成后为离散的非齐次指数函数, 离散的非齐次指数函数经一次累减生成后为离散的齐次指数函数.结合GM(1,1)模型误差产生的原因分析,用非齐次指数函数来拟合一次累加生成序列,推导出最优的背景值计算式.大量的数据模拟和模型比较表明,优化后的模型提高了背景值的精确性以及灰预测模型的拟合精度和预测精度,并且在发展系数绝对值较大时仍然有很高的精度,突破了小于2的限制.     

递减序列的灰色建模方法

灰色模型的建模思想是通过灰色生成或序列算子的作用弱化系统的随机性,利用离散的生成序列建立连续或离散的动态微分方程,其中GM(1,1)模型是其核心模型。针对递减序列的建模问题,本文给出了两种模型模拟方法,一种是基于简单均值生成的GOM(1,1)模型,一种是基于反向始点零化的GM(1,1)模型,后一种模型还利用平移量考虑了模型模拟精度,并证明了模型的模拟序列没有放大还原误差。两种模型建模方法的共同点是实现了递减序列的同向模拟,消除了GM(1,1)模型拟合递减序列时,由于其累加生成是递增序列而出现异向拟合的不合理建模误差,最后算例也说明了该建模方法的可操作性和有效性。     

灰色系统中含负值项数列的数据提升建模方法

按灰色系统的微分拟合建模理论,要求原始数据非负或经有限次累加生成可以变为非负,否则就放弃该方法。本文给出一种新的处理数据的方法,使得任何含负值项的数列均可按此法建模。     

反向累加生成与灰色GOM(1,1)模型的优化

相对传统累加生成, 分析了反向累加生成, 并结合反向累加生成的特点,改进了传统GOM(1,1)模型背景值的计算方法,给出了灰色GOM(1,1)模型参数求解的优化方法. 具体算例的计算表明,这种方法能够提高GOM(1,1)模型的预测精度,验证了该方法的有效性与实用性.     

无人战斗机机体研制生产费用的灰色模型估算方法

基于灰色理论建立了一种无人战斗机机体费用模型 ,用变化了的有人战斗机的说明性变量样本和费用样本来模拟无人战斗机的说明性变量样本和费用样本 .灰色模型由于本身的特点 ,在小样本情况下 ,估算结果精度比一般回归分析高 ,比较适合单一机种小样本费用模型的建立 .     

A New Generating Method and Its Application

1 .INTRODUCTIONGreyforecastingisoneoftheimportantelementsinthegreytheory .Ithasbeenusedinmanyfields[1 ,3] ,andalltheseapplicationsarebasedonagreymodel.Intheprocessofmodelbuilding ,usuallytherawse riesismanagedbyaccumulatedgeneratingoperation(AGO) ,thatis,letx(0 ) =(x(0 ) ( 1 ) ,x(0 ) ( 2 ) ,… ,x(0 ) (n) )bearawseries,andx(1 ) =(x(1 ) ( 1 ) ,x(1 ) ( 2 ) ,… ,x(1 ) (n) )isone orderaccumulatedgeneratingseriesofx(0 ) ,wherex(1 ) (k) = Ki=1x(0 ) (i) ,k=1 ,2 ,… ,nIfx(0 ) (k)≥ 0 ,obviously ,…     

微分建模法及其在疲劳可靠性研究中的应用

很多工程问题可用微分方程描述,由此导出了微分建模方法.该方法的实质是直接用微分方程来描述客观物理现象,同时通过微分近似公式来直接辩识微分方程的系数.该方法用于三参数威布尔分布的参数估计和疲劳性能S N曲线拟合、低周疲劳特性曲线拟合、疲劳裂纹扩展a-N曲线拟合等问题,取得了较好的效果,为疲劳可靠性研究提供了新工具,对工程中建模和数据分析问题也有相当参考价值.     

基于灰色累加和加权乘积的模型辨识算法

为了减少系统扰动对建模精度的影响,将灰色理论中累加求和的思想引入到模型辨识算法中。通过乘积加权的办法,突出当前采样数据对模型准确性的贡献,弱化历史数据的作用。提出一种广义的灰色模型辨识算法,该算法沿用了最小二乘法的框架,对建模数据没有非负的要求,不仅融合了灰色辨识算法的优点,而且满足一般系统的辨识要求。     

基于过程神经网络的稀疏数据过程建模方法

针对一类因检测困难而导致检测数据稀少的连续工业过程,提出了基于离散Walsh变换的过程神经网络建模方法.在对稀疏样本数据进行预处理的基础上,采用递推式非邻均值生成法对样本数据进行扩充,以此建立可产生任意密集预测数据的过程神经网络模型,并采用在线滚动学习的方法进一步提高所建立的预测模型的精度.以味精发酵过程菌体浓度预测为例,验证了所建立的过程神经元网络预测模型可以得到非常高的预测精度.     

无偏灰色GM(1,1)模型的直接建模法

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有线性变换一致性,且通过累加生成建模时,原始序列第一点信息没有起作用等问题,提出了GM(1,1)的3种无偏灰微分方程形式,给出了无偏GM(1,1)的直接建模法,证明了新方法不仅具有白指数律重合性,而且具有线性变换一致性。实例分析表明,新方法提高了建模的精度,扩大了模型的适用范围,充分利用了原始序列的第一点信息。     

基于发生函数的模糊多状态复杂系统可靠性通用评估方法

复杂系统结构组成、运行过程、使用环境复杂,可靠性要求高,评估难度大,且不易获取有效观测数据。发展复杂系统可靠性评估理论,对于控制采购成本、优化维修策略、满足使用需求,具有重要意义。以模糊多状态船用汽轮发电系统为对象,综合模糊状态理论和发生函数算法,实现复杂装备系统模糊多状态可靠性建模,并给出可用度解算、评估、分析方法。研究表明,建模方法对于模糊多状态复杂系统具有普适性,能真实反映系统可靠性特征;克服观测数据不确定性的模糊解算理论,以及回避大自由度微分运算的发生函数解算方法,通用性强、适用范围广、解算效果好,可为复杂系统可靠性建模、评估及其工程决算,提供理论支撑和技术借鉴。     

Mitigating end effects of EMD using non-equidistance grey model

Aiming at mitigating end effects of empirical mode decomposition (EMD), a new approach motivated by the nonequidistance grey model (NGM) termed as NGM(1,1) is proposed. Other than trapezoid formulas, the cubic Hermite spline is put forward to improve the accuracy of derivative to the accumulated generating operation (AGO) series. Hopefully, it is worth stressing that the proposed NGM(1,1) model is particularly useful for predicting uncertainty data. Qualitative and quantitative comparisons between the proposed approach and other well-known algorithms are carried out through computer simulations on synthetic as well as natural signals. Simulation results demonstrate the proposed method can reduce end effects and improve the decomposition results of EMD.     

灰模型对单调递减序列的适应性与参数估计

对单调递减序列建立GM(1,1)模型,利用数学归纳法证明了GM(1,1)模型的时间响应式和预测式分别与实际的一次累加序列和原始序列的增减趋势吻合,说明了GM(1,1)模型适应于直接对单调递减序列建模,澄清了人们认为GM(1,1)模型只适应单调递增序列的曲解,拓宽了GM(1,1)模型的适用范围,并提出了避免繁琐矩阵计算的参数近似估计方法.最后通过实例证实了此方法的有效性和可行性.