灰色模型的精度及误差检验研究

分析了灰色模型误差产生的原因，说明了模型误差发生的机理，改进了模型精度和误差的描述方式，提出了两种新的模型精度检验及模型误差判断方法，实例应用说明这种新方法有较大的实用价值．     

一种带误差修正的复合模糊模型

如何改善模糊模型的精度是模糊建模研究中的一个重要问题。为了改善模糊模型的精度,介绍了一种带误差修正的复合模糊模型。该复合模糊模型包括一个普通的模糊模型作为主模型以及若干个用于误差估计的子模型,通过将子模型的输出,即误差的估计用于主模型输出的修正,从而达到改善模型精度的目的。仿真结果证明了该复合模糊模型具有比普通模糊模型更高的精度。     

灰色预测模型建模方法探讨

作者在本文中用差分格式对灰色ＧＭ（１，１）建模方法作了改进，建立了ＧＭ（１，１，λ模型），文中给出了以误差平方和最小，误差绝对值之和最小、绝对百分误差和最小为目标的优化模型，同时还给出了三者为目标的多目标优化模型，求解λ值，进而对原始序列进行预测。由λ的取值知ＧＭ（１，１，λ）模型的精度一定比普通ＧＭ（１，１）模型高。实例分析效果是显著的，拟合精度非常高。     

直升机航迹预测精度分析

该文全面分析直升机航迹预测方法，给出直升机航迹模型和去相关的航迹及其预测精度分析，提出用灰色系统实时在线建立直升机航迹的GM预测模型，并进行精度预测。结果表明，去相关的卡尔曼滤波方法虽可提高预测精度，但计算量较大，对目标作机动时，预测误差较大；而用灰色系统预测直升机航迹，只需用较少的探测数据，就可以得到较高的预测精度。     

提高工业产值灰色模型预测精度

通过建立鞍山市历年工业总产值全数据的灰色模型,较准确地预测出鞍山市1990年的工业总产值,其预测误差为10.99％.在1989年总产值的邻域系上建立了灰色模型簇。通过比较簇中各灰色模型的平均误差及原点误差,筛选出最优灰色模型。为进一步提高该模型的精度,又以残差数列建立灰色模型对该模型进行修正。修正后预测出1990年的工业总产值的预测误差仅为4.14％,这表明,在灰色模型簇中筛选最优预测模型,并在此基础上建立被残差修正后的灰色预测模型,从而提高灰色模型的预测精度。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

灰色动态模型的改进及应用

邓聚龙教授提出的灰色动态模型已得到广泛应用并得到某些改进,本文旨在通过分析GM(1,1)中的某些问题,在理论上改进GM(1,1)模型,降低原点误差,提高预测精度,并结合实例分析,作出两种情况的精度比较,表3,参3。     

一种新的改进加权模糊时间序列

通过分析邱望仁提出的加权模糊时间序列模型,指出其建立模糊关系矩阵中的不足.为此,文章重新定义所要考虑隶属度对应的模糊关系和预测所需的模糊逻辑关系矩阵,建立改进的加权模糊时间序列模型.利用均方误差MSE和平均绝对百分比误差MAPE对比分析本文提出的模型和邱望仁加权模型的预测精度,验证文章建立模型的有效性;考虑取不同隶属度个数时改进模型预测精度的变化情况,验证文章建立模型的稳定性.     

灰色系统建模方法的研究

提出了估计ＧＭ（１，１）模型参数的新方法。并给出了ＧＭ（１，１）模型的显著性检验的方法。实例分析表明，新方法提高了预测模型的精度     

心功能曲线的灰建模研究

以信息覆盖为准则，依靠少量信息，建立了心功能曲线的灰色模型和数学回归模型，误差检验灰模型的精度明显高于数学回归模型，在分析了心功能曲线的生理特性和发展变化特点的基础上，提出了心功能曲线的闸门－激活式联合灰模型理论及计算ｋ至ｋ＋１灰区间模型值的映射量化方法。     

车床主轴与进给轴耦合热误差建模及补偿研究

针对车床实际加工中主轴与进给轴的热误差相互耦合共同影响工件精度的问题,建立了综合热误差模型并进行了有效补偿。以海德曼HTC500/500精密车床为研究对象,对车床主轴与进给轴热误差的耦合关系进行了解耦;利用模糊聚类理论实现了车床测温点的优化分组,建立了主轴与进给轴的耦合热误差多元线性回归模型,并在精密车床上得到实际应用。结果表明:车床耦合热误差模型符合实际工况,模糊聚类有效降低了温度变量之间的多重共线性,提高了模型的预测精度;主轴x/z方向的预测精度达88.4%、90.7%,进给轴x/z方向的预测精度达82.9%、71.3%;补偿后车床x/z方向精度分别提高了60.3%、56.6%,证明了耦合热误差模型的准确性。     

组合预测模型在物流需求预测中的应用

通过对物流需求影响因素的分析，建立了回归分析、灰色系统及神经网络方法的物流需求单项预测模型，鉴于单项预测模型的局限性，以误差绝对值加权和最小为最优化准则，建立了物流需求组合预测模型，并辅以实例进行分析和验证，通过误差的分析表明该模型能够改善预测精度，可以作为未来物流需求量预测的有效工具。     

用自组织模糊逻辑控制器设计飞行器控制系统

提出了模型参考自组织模糊逻辑控制器的设计方法，并建立其模糊逻辑控制规则。此法根据参考模型输出误差及微分来修正控制规则，从而使学习算法进行的更为合理。通过对某战斗机控制系统的仿真，证明其具有良好的精度和鲁棒性。     

体检指标健康预警的灰色-时序组合模型

对于个体健康体检数据而言，传统的以大样本为基础的数学模型无法满足体检数据的建模需求。基于个体体检数据特征分析，首先构建适用于个体体检指标健康预警的近似非齐次指数序列的改进离散灰色模型。其次，为降低单个模型预测精度的有限性，利用方差倒数法为离散灰色模型和差分自回归移动平均模型赋权重，在模型误差平方和达到最小时取得最佳的权重值。从而将两个模型的预测结果进行组合，实现对健康指标的建模与趋势分析，及时掌握个体健康指标的变化并发现潜在的疾病隐患。预测模型在实验数据集上的相对模拟误差与最优基准模型相比有所下降，表明灰色–时序组合模型具有更高的模拟精度，解决了传统的依据单次体检指标进行静态分析的弊端以及单个模型预测结果的局限性，更加关注个体差异，能有效提升健康预警的效果。     

步长自调整的预测模糊控制器的研究

在介绍灰色模型(GM)建模的基础上,把预测控制的思想引入到模糊控制器中。模糊控制器的两个输入变量为设定值,与灰色预测模型的输出值之间比较得到预测误差及其预测误差的变化率。并根据过程状态提出了一种预测步长自调整的模糊决策机制,进一步改善系统的控制性能,即把由模糊决策器得到的预测步长作为灰色预测模型的一个输入来控制。仿真结果表明,该方法具有良好的控制性能和实用价值。     

ANFIS在光电检测中的应用研究

光电检测系统会受到各种噪声和环境温度变化的影响而产生一定的误差,因此只有进行误差补偿才能够提高检测精度.为更好地实现误差补偿功能,建立了基于光电检测的自适应神经模糊推理系统(ANFIS),这种Takagi-Sugeno模型的推理系统能够自动调整隶属函数参数和自动生成模糊规则,克服了模糊控制系统缺乏在线自学习能力或自调整能力的缺点,仿真结果表明这种推理系统模型适用于光电检测并能够提高光电检测的检测精度.     

郑州市城区2005年前环境空气质量的灰色预测

以郑州市城区 1997- 2 0 0 0年环境空气质量监测的数据 ,运用灰色系统理论 ,建立了动态GM (1,1)模型 ,用两种不同方法对该模型的精度进行检验。结果表明 :应用该模型对郑州市城区环境空气质量未来 5年进行预测。结果符合郑州市城区的实际情况     

无偏灰色模糊马尔可夫链在设备衰退预测中的应用

针对传统灰色马尔可夫模型在固有灰色偏差和抗干扰性方面的不足,提出一种基于无偏灰色模糊马尔可夫链的设备衰退趋势预测模型。首先,引入无偏灰色理论,建立无偏灰色模型,预测设备健康状态的总体趋势;然后,根据此趋势,采用模糊集合理论进行模糊状态划分,从分类方法上改进传统灰色马尔科夫模型,同时克服马尔可夫状态矩阵运算量大的缺点;最后,进行模糊马尔可夫残差修正,确定设备健康状态组合预测值。与传统灰色马尔可夫模型相比,该模型可有效提高预测精度。以屏蔽泵的健康状况数据为样本进行设备衰退趋势预测,结果表明:该模型对第13、14和15个周期的设备健康状态的预测,残差偏移率分别为0.24%、0.10%和-0.05%,对应传统灰色马尔科夫模型的残差偏移率0.46%、0.11%和0.08%,预测精度更高,能够有效实现设备衰退趋势的精确预测。     

灰色推陈出新GM(1,1)模型在城市道路交通噪声预测中的应用

以郑州1995～2000年城市道路交通噪声监测的数据,运用灰色系统理论,建立了常规GM(1,1)和推陈出新GM(1,1)预测模型。经用四种不同方法对两种模型的精度进行检验,结果表明,推陈出新GM(1,1)模型优于常规GM(1,1)模型,其精度更高,不失为预测城市道路交通噪声的一种好方法。应用该模型,对郑州城市道路交通噪声未来4年进行预测,其结果符合郑州城市的实际情况。     

灰色理论在干旱预测中的应用

介绍灰色系统理论及其建模原理,利用珊溪水库雨量站40多年的实测降雨量资料建立灰色预测GM(1,1)模型,对干旱灾害进行预测,经残差、关联度检验等分析,模型精度较高,并对实测资料进行检验,效果较理想,为水库发电、供水提供必要的预测信息.