小麦主要育种目标的灰色系统方法探讨

经济系数的提高和矮秆是小麦育种的主要目标之一。对2倍体、4倍体、6倍体小麦49个品种(系)的重要农艺性状进行灰色关联分析,发现千粒重与经济系数有最大的灰色相关性,株高、穗长和穗粒数分别与小穗数具有最大的相关性;干重和分蘖及经济产量都有最大的相关。然后采用异速生长模型,对千粒重与经济系数之间的关系和小穗数与株高的关系进行模拟分析。最后以千粒重和小穗数作为变量,对主要目标组合进行插值,得到千粒重和小穗数变化时,主要目标组合性状的变化情况。把灰色系统理论引入分析小麦的重要农艺性状,把空间插值模型引入分析小麦的主要目标组合性状,计算的结果符合农业生产实际,促进了宏观研究思想在微观领域的应用。图1,表2,参22。     

小麦品种产量性状演变与预测的灰色系统分析

本文用灰色关联度分析的方法，对山东省及黄淮麦区不同时期种植的小麦品种产量性状的演变进行了分析，探讨了性状之间的变化态势的异同及相互影响的程度。用ＧＭ（１，１）模型对９０年代小麦产量及相关性状的发展趋势进行了预测。在此基础上，对制定科学合理的育种目标，明确育种的主攻方向，提高育种效率等问题进行了讨论了为小麦的遗传育种工作提供一定的参考信息。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

组合预测方法在八五零试验区小麦产量预测中的应用

运用组合预测和最优权数计算的方法,对八五零试验区小麦产量的两个单一预测模型进行了综合处理,得到了小麦产量的组合预测模型。结果表明,组合预测模型较有两个预测模型优越。     

住宅市场需求的组合预测

将组合预测方法引入住宅市场需求预测,以实例具体介绍了组合预测的应用过程,实例中采用了神经网络、灰色模型等预测方法的组合体系,对当前环境下的住宅市场需求预测进行了有益的探索。     

灰色绝对关联度组合预测模型的性质研究

组合预测能够充分利用各种不同的预测方法所提供的信息,以适当加权的形式得出组合模型,同时由于组合预测模型更关心某种预测信息的权重,从而使得预测问题所利用的信息更充分,更完备,模拟精度也更高。将灰色绝对关联分析应用到组合预测中,提出了基于灰色绝对关联度的组合预测模型,并在此基础上给出了灰色绝对关联优性组合预测、预测方法优超、冗余度等概念,给出了灰色绝对关联组合预测是非劣性组合预测及优性组合预测的一个充分条件,得出了冗余预测的判定定理。算例分析表明该方法是合理有效的。     

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.     

基于灰色组合模型的校准间隔优化仿真

针对测量仪器校准间隔的优化问题,分析了历史校准数据的特征,描述了校准数据动态发展的数学模型,提出一种灰色组合模型进行校准间隔的预测仿真。灰色组合模型的思想是:采用灰色GM(1,1)模型预测历史校准数据序列的趋势性成分,同时引入AR模型、BP人工神经网络模型和马尔可夫模型三者的组合模型预测随机性成分。仿真实验表明:灰色组合模型适应了校准数据小样本、非线性的特点,适合用于校准间隔的预测仿真。     

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.     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

动态多响应系统的稳健参数设计

针对动态多响应之间的相关性及试验设计的信息不确定性, 提出了一种动态多响应系统的稳健参数设计方法. 首先, 利用满意度函数对动态系统的敏感度和波动分别进行了度量, 在此基础上进行了主成分分析; 其次, 采用灰色关联分析得到主成分序列与其理想序列的灰色关联度, 然后通过TOPSIS方法转换得到综合灰色关联度, 并根据综合灰色关联度确定可控因子的最优水平组合; 最后, 通过两个实例说明了该方法的有效性与优越性.     

一类新的时序预报模型

对时间序列的一类新的建模与预报方法进行了研究 ,把灰色模型与自回归时序 AR模型组合建模 ,通过实例分析取得好的效果 .     

基于方法集的农业产业化综合评价模型

为了对农业产业化作出全面、科学的评价,应用主成分分析、模糊综合评价、灰色评价、集对分析和人工神经网络构成方法集对其进行综合评价.该模型首先通过KENDALL-W协和系数法对各评价结果进行事前一致性检验,在保证各方法评价结果具有一致性检验的前提下再运用算术平均组合评价模型、Borda组合评价模型和Copeland组合评价模型三种组合评价方法对各方法的评价结果进行组合评价.为了衡量组合评价的结果与各评价方法的评价结果是否吻合,又应用Spearman等级相关系数进行组 合评价方法的事后检验,并根据Spearman等级相关系数的大小, 选出最优的组合评价方法. 最后,通过对环洞庭湖区23个县市农业产业化发展水平的实际评价验证了本方法的有效性.     

基于改进型灰色评价的虚拟企业合作伙伴选择

运用改进型灰色多层次综合评价方法,对虚拟企业合作伙伴选择的三级评价指标体系进行了全面、系统的评价.在此评价过程中,利用熵技术和AHP法对评价指标进行组合赋权.最后给出一个实例分析.     

无检测器交叉口交通流量预测的灰色神经网络模型

为解决一般预测方法要求原始数据量较大,而无检测器交叉口获得的交通流量数据又非常有限的矛盾,提出了一种基于灰色神经网络的无检测器交叉口交通流量预测方法。通过选择不同长度的历史数据构建不同的灰色预测模型,对于不同灰色预测模型得到的预测结果再使用神经网络进行组合,该方法综合了GM预测所需原始数据少、方法简单,而神经网络具有非线性拟合能力的特点。以107国道新市站2002年观测的交通流量作为原始数据,采用灰色神经网络进行时交通流量预测,结果表明了该方法是有效可行的。     

基于灰色时序组合模型的产品实时寿命预测方法

针对产品性能退化数据样本个数少、退化轨迹存在非线性与随机性的特点,提出了一种灰色时序组合模型对产品的退化轨迹进行建模并实时预测个体寿命。首先,采用灰色系统GM(1,1)模型和时间序列AR(p)模型分别对同类产品退化数据中的趋势项与随机项进行预测,构造灰色时序组合预测模型来建立同类产品的退化轨迹。然后,根据K均值聚类理论计算特定个体与同类产品退化轨迹的相似度权值,通过加权同类产品的退化轨迹来获得特定个体的退化轨迹;最后,通过个体实测退化数据更新退化模型并实时预测寿命。将本文方法用于某电子产品的寿命预测中,试验结果验证了该方法的准确性与有效性。     

基于灰色预测与模式识别的企业危机预警模型研究

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于灰色预测与模式识别的预警方法.该方法首先对企业运营的单项特征指标建立灰色模型,其次将所有指标的模型组合起来,构成系统状态方程进行预测,然后利用模式识别的方法对预测结果进行分类,判断企业的危机状态,最后用实例验证该模型的有效性.     

灰色局势决策在棉花品种分析中的应用

根据灰色系统理论中的灰色局势决策方法，对目标赋权，得到加权灰色局势决策方法，并对１９８８年浙江省棉花品种的区域试验进行了分析。综合９个较重要的指标，排出了５个区域品种的综合优势的优劣次序。由此，为棉花新品种的审定工作提供了一种较客观的量化分析方法。     

确定组合预测和变权重组合预测权重的一种确定性方法

采用灰色系统理论可的关联分析方法，提出以给定预测模型与被预测对象关联系数和关联度的大小为依据，确定组合预测和变权重组合预测权重的方法，并给出相应的预测模型。该方法较目前普遍采用最小一乘和二乘法求权重的方法简便。由于该方法注重给定预测模型与被预测对象发展态势之间动态相关性的分析，因此，对提高中长期预测精度效果更为显。     

作物增产素增产机理的灰色关联分析

作物增产素是系列作物增产叶面肥，包括小麦增产素、棉花增产素、花生增产素、蔬菜增产素(又分叶菜类、果菜类、块根类)等。利用大田观测资料，运用灰色关联分析的理论与方法，探讨了小麦增产素、玉米增产素、棉花增产素、花生增产素、蔬菜增产素的作物增产机理，分析了作物增产素对作物生长要素争生产要素的影响。表4．参1。