基于灰色马尔柯夫模型的严重飞行事故频数预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测，结果表明：灰色马尔柯夫预测模型对严重飞行事故频数的预测结果更科学、更精确。并用灰色马尔柯预测模型，预测世界定期客运航班严重飞行事故频数，其相对误差小于灰色模型预测结果。     

严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故发生频数具有趋势性和随机波动性的特点,本文采用将GM(1,1)模型与马尔柯夫预测技术相结合的联合预测方法,进行严重飞行事故频数的趋势性分析和状态预测,收到了良好的预测效果。     

严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测。     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

严重飞行事故频数的灰色马尔柯夫预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点,采用结合GM(1,1)模型与马尔柯夫预测技术的联合预测方法,进行严重飞行事故频数的趋势性分析和状态预测.     

环境污染事故经济损失的灰色马尔柯夫链预测

将灰色马尔柯夫链模型应用于环境污染事故的经济损失预测系统。以某化工厂的污染事故的经济损失作为实例，利用灰色马尔柯夫链模型对其经济损失的预测作了尝试性的探讨。研究表明，灰色马尔柯夫链模型提高了预测的精确度和评价的可信度。     

城市污水排放的灰色马尔柯夫预测模型

应用数据加载法提出了ＧＭ（１,１）的修正模型,通过灰色预测法和马尔柯夫链预测法的耦合,建立了城市污水排放量的灰色马尔柯夫预测模型。灰色马尔柯夫预测模型具有灰色系统应用少量数据即可建模,以及马尔柯夫链预测可以预测数据值波动较大的序列的特点。计算结果表明,城市污水排放量的预测值很好地吻合了实际值。     

短时交通量时间序列的小波分析-模糊马尔柯夫预测方法

基于短时交通量时间序列的随机波动特征,提出一种小波分析和模糊马尔柯夫结合的预测方法．首先对交通量时间序列进行多分辨率小波分解,然后对低频部分和高频部分分别进行重构,对重构后的基本信号和干扰信号建立模糊马尔柯夫模型,最后对多个预测结果进行合成,从而得到交通量的预测结果．此外,根据灰色系统理论的新息优先原理,实时更新马尔柯夫预测模型中的状态转移矩阵,进一步提高预测精度．通过对苏州某交叉口短时交通量预测,表明小波分析和模糊马尔柯夫结合的预测方法具有良好的抗干扰能力和容错能力．     

瓦斯涌出量灰色预测法

通过对回采工作面瓦斯涌出量原始数据取自然对数为基础,建立改进的GM(1,1)模型.然后将其与马尔柯夫模型相结合,建立了改进的灰色马尔柯夫模型.利用现场实测数据比较改进的GM(1,1)、灰色马尔柯夫和改进的灰色马尔柯夫模型各自的拟合精度,结果表明,改进的灰色马尔柯夫模型是3个模型中预测精度最好的模型,结果正确可靠,有一定的普遍适用性.     

灰色马尔柯夫模型对煤矿生产的安全预测

为了使煤矿进行安全生产,利用灰色预测和马尔柯夫预测的各自特点建立灰色马尔柯夫预测模型,灰色预测来揭示时序变化的总体趋势,而马尔柯夫预测来确定状态的转移规律,通过两种模型的有机结合达到科学预测的目的。     

一种基于小波分析理论的灰色预测方法

提出一种基于小波分析理论的灰色预测方法．该方法通过小波分解将非平稳时间序列分解到多个尺度上以减少序列的随机性，然后建立灰色预测模型对分解后的时间序列分别进行预测，从而得到原始时间序列的预测值．并通过对上证指数的预测，结果表明该方法预测效果良好，优于一般灰色预测方法．     

基于GM（1,1）模型的变形预测研究

变形监测是大型建筑物、构筑物安全运营的保障性工作,而要避免灾害的发生,则需要进行相应的预测预警。从变形监测理论出发,探讨了当前变形预测的模型,开发了基于MATLAB的GM（1,1）模型计算程序,结合某沉降变形监测数据进行了预测分析,给出了预测精度评价和对比图,对GM（1,1）模型在变形预测中的应用是一次很好的实践。     

基于改进的GM（1,1）模型的上海市垃圾产量的预测

GM(1,1)模型是上海市垃圾产量预测的一种有效的方法,但序列的随机波动性难以在GM(1,1)模型得到反映。利用灰色震荡序列GM{1,1}模型,对上海市2000年~2008年垃圾产量进行预测,预测结果表明,此方法能够反映出上海市垃圾产量所具有的波动性特性,得到更高的预测精度。     

基于ARIMA、BP神经网络与GM的组合模型

为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.     

基于时间序列分析的物流企业运输量演化模式与案例研究

提出一种时间序列预测模型用于物流企业货物运输量的预测.实验分析和比较研究表明,本文提出的方法具有更高的预测准确性,可用于货运企业的需求预测并组织生产.     

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因 子,进而构建 GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。     

我国主要农用机械指标预测

利用灰色预测理论，对“九五”期间我国主要的农用机械数量进行了灰色分析，建立了对上述指标的GM（1，1）模型，经检验，此模型预测精度较高，并据此模型对我国“十五”期间主要农用机械的需要量进行了预测，为国家有关部门调控主要农用机械的生产规模提供了科学依据。     

路面使用性能预测与统计分析

提出用重构背景值的GM(1,1)模型对路面使用性能试验数据进行预测,新的背景值计算公式的显著特点是使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。将获得的预测序列进行统计分析,为路面性能预测评价提供参考依据。实例计算结果说明,将重构背景值的GM(1,1)模型用于路面使用性能试验数据预测有很高的精度,为有效缩短试验时间提供了一个值得探讨的方法。同时从统计分析中可知,对数正态分布模型更适合于弯沉指标。     

需求侧响应下的电力负荷预测模型的改进

在电力负荷预测进行建模时,传统的预测模型需要消耗大量的电力负荷样本数据,同时不能准确描述电力系统内部的变化情况,降低了电力负荷预测的精度和可靠性。提出一种基于灰色预测模型的电力负荷预测模型的改进方法,分析了基本灰色预测模型的建模过程,同时依据需求侧响应约束条件对不符合约束条件的电力负荷预测结果进行剔除,从电力负荷原始数据的处理和灰色模型预测结果的修正两方面对其进行改进。实验结果表明,采用所提方法对电力负荷进行预测,得到的预测结果精度较高,性能优异。     

基于熵权组合模型的风电功率预测

利用灰色预测法、人工神经网络法、ARMA时间序列法3种不同的预测模型对某风电场的风电功率进行了预测研究。计算结果表明,利用单一预测模型进行预测的精度有待提高。提出建立组合预测模型对风电功率进行预测,为了充分利用单一预测方法的优势,引入熵值理论。利用熵值法确定组合预测模型中的权重,进而建立熵权组合预测模型。模拟结果表明,熵权组合预测模型可以有效地提高风电功率的预测精度。