改进灰色模型与偏最小二乘耦合预测城市需水

采用易于辨识系统信息与噪声的单因变量偏最小二乘回归(PLS),建立7个具有高度相关性的自变量与单因变量间线性回归关系;同时,运用二阶弱化算子对灰色预测模型进行改进后将灰色模型与偏最小二乘回归预测模型相耦合.使用matlab7.0以及PEW软件对重庆市北碚区1996—2007年需水量进行计算,计算结果平均相对误差仅为0.82%,预测北碚区2015年和2020年需水量分别为2.38亿m3和2.64亿m3.该模型不仅克服了传统最小二乘回归中自变量的多重相关性,也弱化原始数据误差,预测准确度高.     

基于递归函数理论的任意曲线拟合方法的研究

提出了一种任意曲线拟合的新方法,该方法以递归函数理论为基础,应用原始递归式来表示函数,求解过程中以递归迭代的主要计算方法,避免了用传统最小二乘法所致的病态矩阵现象,且在拟合多项式时具有自动确定其次数的优点。     

关于当量工序能力指数c′_p的近似展开

在文[1]中已引进当量工序能力指数,并已推得其计算公式为c'_p=(1/3)φ~(-1){(1/2)[φ(((T/2)+E)/σ))+φ(((T/2)-E)/σ))]} (1) 其中,φ(·)为标准正态分布的分布函数,φ~(-1)(·)为其反函数,T为公差,E为偏离距,σ为当分布中心与公差中心一致时的标准差。本文讨论它的线性与2次及5次多项式的近似问题。     

关于当量工序能力指数c′_p的近似展开

在文[1]中已引进当量工序能力指数,并已推得其计算公式为c'_p=(1/3)φ~(-1){(1/2)[φ(((T/2)+E)/σ))+φ(((T/2)-E)/σ))]} (1) 其中,φ(·)为标准正态分布的分布函数,φ~(-1)(·)为其反函数,T为公差,E为偏离距,σ为当分布中心与公差中心一致时的标准差。本文讨论它的线性与2次及5次多项式的近似问题。     

改进的灰色Verhulst模型

针对灰色Verhulst模型预测函数中参数c的求解问题,提出了一种优化预测函数的新方法。该方法以累加生成序列的倒数与其倒数模拟值的差值平方和最小为目标函数,构建了一个非线性无约束优化模型,来求解灰色Verhulst模型预测函数中的参数c,并给出了灰色微分方程时间响应式的解析式。实验分析表明:改进模型在预测精度和实用性上均有较大改善。     

一种简单的确定ARMA模型结构的方法

研究了ＡＲＭＡ模型的建模问题，把正交最小二乘算法用于确定ＡＲＭＡ模型的结构，同时也辨识了ＡＲＭＡ模型的相应参数，最后给出了一些算例说明算法的可行性。     

偏最小二乘回归模型在织物厚度预测中的应用

织物厚度是织物服用性的重要影响因素之一,通过分析影响织物厚度的组织参数,建立了织物厚度预测的偏最小二乘回归模型,得到了很好的拟合结果。     

灰色模型参数辨识的新方法

给出了数列累加和的计算公式的定义，由累加和的运算得到了灰色模型参数的辩识方法，通过实例计算，该方法具有较高的预测精度，为实际应用提供了切实可行的方法。     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

基于离散指数函数优化GM(1,1)模型的重新优化

分析了已存两种基于离散指数函数优化的GM(1,1)模型存在的问题,结合两者的优化思想对已存的背景值构造形式添加动态修正项,建立了适合于近似指数序列建模的重新优化模型,实例应用结果显示重新优化的模型大幅度提高了已存优化模型的精度.     

不等时距灰色预测模型

提出了一种不等时距灰色预测ＧＭ（１,１）模型的方法,弥补了等时距ＧＭ（１,１）模型的不足．通过诸多的实例分析,结果理想可靠,有较好的实际意义．     

最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.     

GM(1,1)模型研究的一些进展

介绍作者对灰色GM（1，1）模型研究取得的成果，具体内容为：证明了GM（1，1）模型为有偏差的指数模型，导出了模型的相关公式，提出了无偏灰色预测模型（无偏GM（1，1）模型），并用实例说明了该模型的优越性。     

GM(1,1)模型建模的一种方法

根据ＧＭ（１ ,１） 模型的特点,通过在原始数据序列前加一个数的方式,提出了ＧＭ（１ ,１） 模型建模的一种方法－ 该方法克服了直接用原始数据序列建立模型的原有方法不能利用第一点数据的缺陷,提高了原始数据利用率,在短数据序列的场合可得到改善的模型结果     

无粘结预应力混凝土无梁楼盖中预应力损失的灰色预测

探讨应用灰色系统理论的GM(1,1)模型,根据一定时间内预应力损失的观测资料确定预应力的长期损失及最终损失;并通过计算数据与观测数据对比分析,证实了应用灰色系统理论预测预应力长期损失,具有一定的可靠性和正确性,避免了以往方法中复杂的计算,从时间和经济上考虑具有重要的工程意义.     

灰色GM（1，1）模型参数的优化方法

灰色GM(1，1)模型的建模机理上，给出了模型参数的优化方法。提高了模型的预测精度。为实际应用提供了新的方法。     

深圳市境外游客市场的动态预测模型分析

通过对深圳市境外游客数量的分析,发现除个别年份以外,整个时间序列总体呈增长趋势。根据客流量与时间的关系,利用灰色系统理论建立深圳市境外客市场的ＧＭ（１,１）动态灰色预测模型,该模型经过检验,不仅与实际客流量相吻合,还可较精确地给出短期甚至中期的预报结果,以便对未来几年客流量进行预测。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.