人造板材甲醛释放参数及温度的影响

采用1 m3的小型环境模拟舱,测试不同温度下胶合板、密度板、复合地板和细木工板中甲醛释放规律。利用不同温度下板材在密闭环境舱散发过程和平衡状态质量浓度,求解影响板材释放特性的关键释放参数即甲醛可散发初始质量浓度ρm,0、扩散系数Dm和分配系数K;讨论释放参数与温度的关系,并推导计算关联式。研究结果表明:甲醛质量浓度在初始时刻(0~3 h)均迅速增大,随后速度慢慢减小,最后趋于恒定值;温度升高会促进板材内甲醛释放,温度每升高5℃,甲醛释放量会增加10%~30%;通过预测30℃下4种板材的甲醛释放参数,预测结果与实验测试结果较吻合。     

基于改进直接灰色模型的泵车摆缸泄漏预测

提出一种基于参数和时间响应序列的改进直接灰色模型IDGM(1,1),对泵车摆缸泄漏的趋势进行预测分析,并与传统灰色模型GM(1,1)和直接灰色模型DGM(1,1)的预测结果进行比较。结果表明,该方法可以准确地预测摆缸泄漏故障的劣化趋势,其预测精度明显优于传统灰色模型GM(1,1)和直接灰色模型DGM(1,1)的预测精度,可为摆缸泄漏故障的主动维护提供重要理论依据。     

DGM(2,1)模型在近似饱和S型变形预测中的应用

传统的GM(1,1)、DGM(1,1)模型在对累计位移量进行预测时,表现出很强的"惰性"。同时在灰色发展系数的影响下,得到的预测值严重偏离实测值,其偏离程度超出允许范围。此外较多监测点的累计位移量呈现出近似饱和S型,而传统的模型只对单调递增序列具有较好的预测效果。将DGM(2,1)模型应用于位移量呈现出近似饱和S型的变形预测中,结合工程实例进行验证,并与传统的GM(1,1)、DGM(1,1)模型预测结果进行对比,结果表明DGM(2,1)模型感应数据列变化的灵敏度较高,得到的x方向预测模型中误差为0.26mm,y方向预测中误差为0.06 mm。精度远高于GM(1,1)、DGM(1,1)模型。     

2E12铝合金板材疲劳寿命的灰色预测

2E12铝合金是一种比较理想的飞机蒙皮材料,为了更好地预测2E12铝合金的疲劳寿命,文章以2E12试件为研究对象,进行疲劳试验,获得材料的S-N曲线,利用灰色系统理论建立GM(1,1)模型和等维灰度递补GM(1,1)模型,生成预测模拟值,将模拟值和试验数据进行残差检验,验证预测数据的准确性,从而得出模型预测S-N曲线。计算表明,GM(1,1)模型和等维灰度递补GM(1,1)模型的预测模拟值与初始数据基本一致,模型预测S-N曲线与材料S-N曲线吻合程度较高,因此,可通过以上模型实现对2E12铝合金板材的疲劳寿命预测。     

灰色模型GM(1,1)背景值的一种改进方法

分析了灰色GM(1,1)模型的理论缺陷,提出了对背景值的一种改进方法,建立了GM(1,1,λ)模型,数据模拟结果表明,GM(1,1,λ)模型的模拟精度高于GM(1,1)模型,既适合低增长指数序列建模,也适合高增长指数序列建模.     

基于DGM模型的河南省废水排放总量的预测

DGM模型是在灰色系统理论的基础上,针对于灰色预测GM(1,1)模型的稳定性不足、长期预测时存在较大误差等问题而提出的.通过创建DGM模型,阐述了该模型在进行预测时的条件.并在此基础上对我省的废水排放总量进行了预测分析,研究结果表明我省废水排放总量近些年来呈现快速增长的趋势,必须采取有力的措施加以控制.     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

基于灰色系统理论的Al-Zn-Mg合金板材疲劳寿命预测

以Al-Zn-Mg合金板材的疲劳性能为指标,通过测试获得Al-Zn-Mg合金疲劳寿命的S-N曲线.将灰色系统理论模型运用到Al-Zn-Mg合金板材疲劳寿命的预测中,通过Al-Zn-Mg合金的S-N曲线来评估和比较灰色系统模型寿命预测的准确性.计算结果表明,灰色系统模型预测值与S-N曲线比较接近.在多步预测中,等维灰度均值GM(1,1)模型与原始均值GM(1,1)模型相比具有较高的预测精度,可以更好地预测Al-Zn-Mg合金板材材料的疲劳寿命.     

基于改进灰色GM(1,1)模型的锚杆承载力的预测方法

原有的基于灰色GM(1,1)模型的锚杆承载力预测方法,是根据实际锚杆P—S曲线,使用灰色GM(1,1)模型直接对承载力进行模拟,因为实际锚杆P—S曲线不全是光滑的指数形状,所以模拟效果较差.针对这个缺点,对灰色理论方法进行了改进,引入了分段模拟的思想,建立了分段模拟的GM(1,1)模型.实际工程案例验证表明,改进的灰色GM(1,1)模型不仅具有较高的模拟精确度、稳定度和预测锚杆极限承载力值准确度,而且使用范围更广.     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

制订城市总体规划的灰色系统方法

本文论述了一种制订城市总体规划的新方法——灰色系统方法。文中提出的SCGM(1,h)和SCGM(1,1)模型为灰色预测技术提供了新的基础和途径。     

基于改进GM(1,1)模型的城市短时交通流预测研究

基于GM(1,1)模型的模拟或预测结果具有严格单调性,导致其难以实现对随机波动序列的有效模拟,而以累加序列模拟值作为累减还原参数的建模方式是导致GM(1,1)模型精度不理想的主要原因。为了提高GM(1,1)模型模拟及预测精度,在传统灰色预测模型建模基础上,提出了基于改进累减还原方法的新GM(1,1)模型,然后应用该模型对城市短时交通流进行了模拟和预测,并将结果与传统GM(1,1)模型进行了比较和分析,结果显示新模型具有更加良好的模拟及预测性能。     

基于改进GM(1,1)模型的城市短时交通流预测研究

基于GM(1,1)模型的模拟或预测结果具有严格单调性,导致其难以实现对随机波动序列的有效模拟,而以累加序列模拟值作为累减还原参数的建模方式是导致GM(1,1)模型精度不理想的主要原因。为了提高GM(1,1)模型模拟及预测精度,在传统灰色预测模型建模基础上,提出了基于改进累减还原方法的新 GM(1,1)模型,然后应用该模型对城市短时交通流进行了模拟和预测,并将结果与传统 GM(1,1)模型进行了比较和分析,结果显示新模型具有更加良好的模拟及预测性能。
     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

一种适用于灰色预测控制的无偏直接GM(1,1)模型

GM(1,1)模型是灰色预测控制器的重要组成部分,它是有偏差的模型.提出了一个无偏差的模型一无偏直接GM(1,1)模型,结合具体数据将无偏直接GM(1,1)模型和GM(1,1)模型进行了比较,结果表明无偏直接GM(1,1)模型优于GM(1,1)模型.将无偏直接GM(1,1)模型替代GM(1,1)模型应用于灰色预测控制中可望得到较好结果.     

内变量参数辨识的灰色电价预测模型

为了改善传统的电价预测灰色模型GM(1,1)的预测精度,提出一种内变量参数辨识的电价预测模型--PSOGM(1,1)模型.首先采用灰色微分方程建立模型内变量(发展系数、灰作用量、背景值权重系数、边值)与预测值之间的非线性内涵表达式,然后采用粒子群算法(PSO)对内变量参数进行辨识,得到问题的最优解,建立PSOGM(1,1)模型.与GM(1,1)模型相比较,PSOGM(1,1)模型具有较快的收敛速度和更好的预测精度.对北欧NORDPOOL电力市场历史电价数据的分析实验表明,PSOGM(1,1)模型的短期电价平均预测精度为94%,较已有的几种典型改进GM(1,1)模型预测精度提高了1%～3%.     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

基于灰-回归组合预测模型的河南省城镇居民收支研究

在对灰色GM(1,1)模型及回归模型研究的基础上,考虑到模型的适用范围及预测误差问题,将灰色GM(1,1)模型与回归模型进行组合,以回归模型的模拟值作为灰色GM(1,1)模型的原始数据序列进行预测.然后运用灰-回归组合模型对河南省城镇居民收支进行预测.结果表明:灰-回归组合模型扩大了单一模型的适用范围,并且对河南省城镇居民收支预测误差更小,模型精度更高.     

基于遗传算法的SCGM(1,1,α)优化模型

在SCGM（1,1）模型的基础上,对系统云灰色预测模型作进一步推广,建立了更具一般性的SCGM（1,1,α）模型,并给出了求解最优SCGM（1,1,α）模型的遗传算法,实例证明用SCGM（1,1,α）优化模型进行预测能取得很好的预测精度。     

灰色马尔可夫SCGM(1,1)预测模型

结合灰色SCGM(1,1)预测模型和马尔可夫概率预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型。并且以郑州市降雨量的预测作为实例,证明灰色马尔可夫预测模型对于随机波动性较大的数据列的预测具有较高的精度。