基于灰预测理论的石油石化企业风险预测

在综合运用灰预测方法（灾变灰预测与数列灰预测理论）的基础上建立了石油石化企业风险预测模型，并对其投资经营风险做了仔细的分析和研究，预测了风险可能发生的时区及大致所造成的损失程度，最后以实例证明了该模型的有效性．     

新息灰理论在不确定性系统故障预测中的应用

结构复杂性、运行环境独特性和诱发故障多源性大大增加了现代设备系统的不确定性,从而导致能够反映设备系统主要特征的数据较少。针对不确定性设备系统贫信息的特点,将新息灰预测方法应用于设备系统运行状态的预测。仿真研究给出了基于新息灰理论的工业实例建模过程和故障预测结果,并与BP神经网络方法的计算结果进行比较,验证了新息灰预测方法的有效性与实用性。     

基于灰理论的威海市房地产价格预测

房价预测是房产投资和经济调控的重要依据之一.灰理论预测可以在少量信息、不完全数据的情况下,揭示房价的发展变化特征.以威海市为例,应用灰理论对其房地产价格建立灰模型GM(1,1)进行预测,其结果显示具有较高的实用性.最后对威海市房价的发展给出了相关建议.     

等维灰数递补动态预测

本文提出一种等维灰数递补动态预测技术。通过对所获信息的不断有效利用,将灰色动态GM(1,1)模型中灰参数逐次加以修正,使模型不断得到改进,从而提高了预测精度。应用实例表明,用本预测技术可取得较满意的结果。     

灰靶决策的灰效用理论研究

提出了灰效用函数的概念，给出灰效用函数存在的公理体系，讨论了灰靶决策的灰效用理论，以期为灰信息下的决策－灰靶决策提供了理论基础。     

灰预测在工程调差中的应用——对价格指数的预测

价差是工程建设中突出的问题之一,目前管理价差的主要方法是公式法,但公式法中关于价格指数的处理存在一定的问题。本文将灰色预测应用在对价格指数的预测中,实证结果表明该预测是可行的。     

周期性变化灰微商序列的预测方法

提出在实际中应具有广泛性的一类周期性变化灰微商序列，为序列建立起ＮＦＤＥ模型，使分段拟合预测制约。     

基于灰预测的Web Cache集群热点对象处理策略

热点对象问题是Web cache集群负载均衡研究中的一个重要问题,热点对象的存在容易引起访问歪斜(access skew)和负载不均衡.在分析Web访问中热点对象特征的基础上,构建了基于灰预测的热点对象访问频率预测模型.基于该模型,提出一种新的热点对象处理策略:预测对象的访问频率,配合阈值判断对象是否为热点对象,将热点对象推送到集群中所有节点,实现热点对象的冗余存储,从而达到负载均衡.实验结果表明,与其他热点对象处理策略相比,基于灰预测的热点对象处理策略可以明显提升Web cache集群性能.     

基于灰关联熵的网络安全态势kalman预测算法

在评估当前网络安全态势的基础上,掌握未来一段时间的网络安全态势,能够为网络管理者做出安全防护的决策提供有效的信息。利用网络安全态势值具有非线性时间序列的特点,提出一种基于灰关联熵的网络安全态势卡尔曼预测算法。首先应用灰关联熵分析方法对网络安全态势的各种影响因素做关联度分析,由此选出关键影响因素,接着根据这些影响因素建立相应的过程方程和预测方程。最后应用卡尔曼滤波递推地进行网络安全态势预测。实验结果表明该算法的预测精度优于传统的GM(1,1)算法和普通卡尔曼算法,算法适应性和实时性优于RBF算法。     

基于灰色理论的设备状态预测

针对一般GM(1,1)多步预测方法的不足,提出了一种基于代谢递补GM(1,1)的状态预测方法.该方法首先对原始信号进行预处理,再通过递补思想进行多步预测,然后利用更新数据进行代谢预测,最后计算设备状态的预测值与真实值误差,根据预测值的趋势判断设备的未来状态.实例分析结果表明,该方法所需数据样本少且数据训练时间短,后八步的预测精度可满足工程精度,能有效地应用于设备的中长期在线状态预测.     

灰色系统理论在设备故障诊断中的应用

将灰色系统理论应用于设备的故障诊断，较好地解决了设备状态预测和故障模式识别的问题.研究结果表明，该方法具有简便易行、计算量小、诊断结果可靠、不需要复杂的诊断设备以及诊断快捷等优点，可广泛运用于工业企业、医疗卫生等行业各种机械设备的故障诊断.     

一种基于G（1，1）改进模型的WSN流量异常检测方法

提出了一种基于灰系统预测理论的无线传感器网络数据流异常检测方法,并使用组合优化策略进行了改进,用轮转迭代法求得组合优化参数.实验结果表明:经过3次迭代,该方法即可较标准G(1,1)模型降低59.5%的误差,其能耗低于时间序列分析常用算法ARMA.该方法既可以在传感器节点使用,也可以在sink节点使用,具有所需原始数据少、建模快、实时性和适用性强、扩展性好等特点,弥补了传感器网络节点资源受限的不足.     

灰色系统理论在设备故障诊断中的应用

本文把灰色系统理论首次用于机械设备的故障诊断中,较好地解决了设备状态预测和故障模式识别问题。具有方法简单、计算量小、诊断结果可靠、不需要复杂设备等优点,便于现场工作人员掌握和应用。     

基于粗糙集理论的低压电器故障诊断方法研究

通过分析低压电器的故障,提出一种基于粗糙集理论的故障诊断方法。根据故障历史样本,确定样本的条件属性集合和相应决策属性集合。对条件属性集合进行约简,实现不确定数据的简化,得到相应的规则集合,并将其应用于低压电器常见故障的诊断。     

基于灰色理论的基坑变形预测预报系统研究

基坑工程是部分信息已知、部分信息未知的灰色系统,利用其具有的灰色特征,建立基于灰色模型的GM(1,1)的基坑变形预测预报系统,并采用Fortran语言编程对其建模过程、模型预测精度检验及模型修正进行全过程实现.工程应用表明,建立的基坑变形预测预报系统具有较好的适用性和较高的精度,对指导基坑信息化施工具有一定的指导作用.     

灰色系统理论在机械故障诊断决策中的应用

将灰色关联分析用于机械故障诊断中，完成故障模式识别和诊断痴情，为了解决工作实际中故障样本获得的问题，引入灰色门限关联分析，用设定门限值的方法，完成对故障发展趋势的简易诊断。     

基于灰色理论的基坑沉降预测分析

提出了灰色GM(1,1)模型及其精度检验与修正的方法,并利用灰色关联度理论对沉降规律相似的关联点进行了归类,从而达到了在实际工程中用少数监测点的沉降情况来估计较多相似点的目的,提高了基坑监测的经济效益.最后以广州市轨道交通三号线燕塘站的监测情况为实例,得出灰色GM(1,1)模型的预测平均误差为4.19%,关联度计算与实际情况吻合良好.     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

基于灰度聚类的钢管水压试验机故障诊断

针对钢管水压试验机在水压试验过程中可能出现各类复杂故障,并且短时间内很难找到故障发生的地点和原因的现象,提出了一种改进的灰度聚类方法,该方法通过提取反映真实打压过程的数据对生产过程中的打压曲线进行聚类分析,并对聚类结果应用专家系统进行推理分析,找出相应的故障结论.为了验证该方法的有效性和可靠性,将该方法在某钢厂3号线水压试验机上实现,实际结果表明该方法可靠有效地实现了对各种故障的划分和诊断.