基于核和认知程度的区间灰数Verhulst预测模型

针对传统的Verhulst模型只能用于对实数序列进行建模预测的问题,将其建模对象扩大到区间灰数序列,构建基于核和认知程度的区间灰数Verhulst预测模型.首先,将区间灰数序列转化为核序列和认知程度序列,实现区间灰数的白化;然后,分别构建核序列和认知程度序列Verhulst模型,并反推区间灰数上下界的表达式;最后,将模型应用于某高层住宅沉降量预测并与其他模型结果对比,实例表明,所建模型的精度较高,具有实用性.     

一类灰色Verhulst模型的优化

针对传统模型仅限对实数序列进行建模的缺陷,利用直接建模思想,得到一类Verhulst模型直接形式,并对区间灰数序列的下界序列进行预测;同时结合"信息域不减"原则,推导出上界序列的预测表达式,从而实现对区间灰数的模拟、预测.通过实例表明,该区间灰数预测模型具有很好的有效性和实用性,拓宽灰色预测模型的范围.     

一类区间灰数预测模型直接建模法

为利用直接建模思想,推导得出了一类新信息GM(1,1)直接模型形式.传统模型只能针对实数序列进行建立模型.以区间灰数的"核序列"为基础,并结合"信息域不减"原则,构建相应的GM(1,1)区间灰数预测模型;通过以"核序列"为中心,推导出所建模型区间灰数上下界的时间响应式.实例结果表明:该改进模型可以有效提高预测精度.     

基于核和精确度的三参数区间灰数预测模型

针对传统灰色预测模型只能解决实数序列和区间灰数序列预测的不足,提出了三参数区间灰数的预测模型.通过定义三参数区间灰数的核和精确度,进而得到三参数区间灰数的核序列、"重心"点序列和精确度序列,从而将三参数区间灰数序列预测转变成实数序列预测,分别对三组序列建立预测模型,在不破坏灰数整体性的前提下,推导还原得到三参数区间灰数的预测模型,并对其进行精度检验,最后用一个实例来验证所建模型的有效性和实用性.     

基于核与灰半径序列的GM(1,N)预测模型及其在雾霾中的应用

既有的关于GM(1,N)模型的研究,都是建立在实数序列基础上,文章将对GM(1,N)模型进行拓广,深入探讨该模型在区间灰数序列情形下的建模机理和建模方法,提出了基于核与灰半径的GM(1,N)模型。将以区间灰数序列的核序列和灰半径序列为基础建立GM(1,N)预测模型,进而对区间灰数序列的核与灰半径进行模拟预测,根据核与灰半径的计算公式推导出区间灰数的上界和下界,从而实现对区间灰数序列的模拟预测。最后,将文中提出的GM(1,N)模型应用于对霾存在时的空气质量指数AQI的预测研究中,模拟预测效果较好,从而验证了该模型的有效性和可行性。     

基于心态指标的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入决策者心态指标,把区间灰数序列转化为带有心态指标的序列,并且当心态指标确定时,带有心态指标的序列就转化为体现决策者心态的实数序列,然后通过对体现决策者心态的实数序列建立灰色预测模型,从而得到了一种基于心态指标的区间灰数预测模型。由于决策者可以通过调整其心态指标建立灰色预测模型,因而使得模型预测更加符合实际。     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

广义区间灰数关联度模型

针对传统灰色关联度模型只能适用于实数序列而不能应用于区间灰数序列的情况,以区间灰数序列中对应区间灰数的距离之和作为两区间灰数序列的关联度,构造了广义区间灰数关联度模型,包括适用于具有相同量纲的系统行为序列的区间灰数绝对关联度、适用于具有不同量纲的系统行为序列的区间灰数相对关联度,以及综合考虑区间灰数绝对关联度和区间灰数相对关联度的区间灰数综合关联度,并对它们的性质进行了初步研究.最后,通过实例说明了广义区间灰数关联度模型的计算过程与可行性.     

基于核和灰度的区间灰数行列式的若干性质

为了简化区间灰数行列式的运算,完善区间灰数的运算和灰数代数系统的理论基础,利用区间灰数的简化形式探讨区间灰数行列式的性质,得到了基于核和灰度的区间灰数行列式的若干性质,简化了区间灰数行列式的运算,为进一步探讨区间灰数矩阵及区间灰数线性方程组奠定了基础.     

广义区间灰数关联度模型

针对传统灰色关联度模型只能适用于实数序列而不能应用于区间灰数序列的情况,以区间灰数序列中对应区间灰数的距离之和作为两区间灰数序列的关联度,构造了广义区间灰数关联度模型,包括适用于具有相同量纲的系统行为序列的区间灰数绝对关联度、适用于具有不同量纲的系统行为序列的区间灰数相对关联度,以及综合考虑区间灰数绝对关联度和区间灰数相对关联度的区间灰数综合关联度,并对它们的性质进行了初步研究．最后,通过实例说明了广义区间灰数关联度模型的计算过程与可行性．     

基于核和灰度的区间灰数的序关系

首先,根据区间灰数的核的概念,在同核区间灰数定义的基础上,讨论了基于核的区间灰数的等价关系和大小关系,并给出了一系列相关结论。其次,根据区间灰数的灰度的概念,在同灰度区间灰数定义的基础上,讨论了基于灰度区间灰数的等价关系和大小关系,也得到了一系列相关结论。最后,在同时考虑核和灰度的基础上,讨论了区间灰数的序关系,并得到区间灰数的偏序关系不是全序关系的结论,从而说明基于核和灰度的区间灰数代数系统不能定义大小关系,同时这也说明了基于核和灰度的灰数表示形式具有一定的局限性。     

动态灰色预测模型在大坝变形监测及预报中的应用研究

详细地讨论了灰色预测模型GM（1，1）和动态灰色预测模型的基本内容及建模过程，并成功地将等维新息和等维灰数递补两种动态灰色预测模型应用于大坝变形的预测预报。实践证明，等维新息动态预测由于实时地加入了新的信息，提高了灰区间的白色度，预测效果最好；等维灰数递补动态预测利用了序列建模的结果，淡化了灰平面的灰度，使预测结果有所改善；GM（1，1）模型由于是静态地反映系统的变化趋势，预测的精度最低。因此，动态灰色预测模型在大坝变形的预测预报中比静态预测模型具有更高的应用价值。     

一种区间灰数的优化预测模型

由于灰数间的代数运算会导致结果灰度的增加,所以对区间灰数进行建模时,为避免区间灰数的代数运算,本文将区间灰数序列转化为白部序列和灰部序列,再对白部序列和灰部序列分别建立灰色优化预测模型,最后通过实例证实了此方法的有效性与可行性.     

三参数区间灰数的多属性灰靶决策方法

针对决策信息不确定的多属性决策问题,提出了基于三参数区间灰数的灰靶决策方法.首先基于"重心"点的重要作用给出了一种新型的三参数区间灰数的距离测度,定义了三参数区间灰数的核和排序方法,由此确定决策方案的正负靶心,利用正负靶心距的空间投影距离求得综合靶心距,由综合靶心距最小化和灰熵最大化确定属性的权重,进而对方案进行排序.最后以一个实例说明决策模型的合理性和实用性.     

区间型灰数矩阵及其运算

本文给出了区间型灰数矩阵的定义;讨论了区间型灰数矩阵的基本运算.为进一步研究灰色系统的预测、决策、控制等问题提供了一种数学工具.     

泛灰数学在汽车工程中的应用

在概述泛灰数的概念及其运算规则的基础上 ,介绍了泛灰数与区间数的转化 ,利用泛灰数的可扩展性对区间进行分析 ,探讨了泛灰函数在汽车基本性能预测中的应用 .泛灰函数不仅具有区间分析的功能 ,而且能解决区间分析所不能解决的问题 .它为汽车性能预测提供了新的方法     

灰导数优化的一类灰色预测直接建模

针对原始序列为近似非齐次指数规律,利用直接建模思想,得到NGM(1,1,K)模型的直接形式;以模型的白化方程为基础,运用梯形公式优化灰导数,改进了时间响应函数,从而对NGM(1,1,K)直接模型进行了改进.应用实例表明:该改进模型可以有效提高模型精度,也拓宽了灰色预测模型的使用范围.     

基于区间数的多指标灰靶决策模型的研究

现实生活中遇到的许多问题都具有不确定性，使得在对系统进行决策评估时，指标值难以精确化。在此情形下，人们常常对指标值给出一个区间，到目前为止， 尚未有人研究区间数灰靶决策。首先定义了区间数、m维区间数的距离及其距离性质，并证明了当区间数为实数时，区间数距离就是实数距离的推广；提出了区间数规范化方法，在此基础上, 建立了基于区间数的灰靶决策模型，从而把灰靶决策模型由实数序列拓展到区间数序列，使灰靶决策理论得到发展，同时为扩大灰靶决策的应用领域提供了理论根据。最后以实例验证了该模型的有效性与实用性。     

泛灰数学及其在机构误差分析中的应用

在概述泛灰数的概念及其运算规则的基础上,介绍了泛灰数与区间数的转化,利用泛灰数的可扩展性对区间进行分析,研究了泛灰线性方程求解,然后将它应用于机构误差分析中,泛灰数不仅具有区间分析的功能,而且能解决区间分析所不能解决的问题.它为机构误差分析提供了新的方法.最后给出了算例作了对比分析.     

决策单元取数一致准则下的灰区间DEA效率研究

当决策群体的输入输出变量为区间灰数时,假设各决策单元在同一指标下的灰区间变量取数一致。基于取数一致灰数大小比较的相关结论,建立了求解DEA效率区间上、下界的线性规划方程。灰区间DEA效率求解方法有两个优点:一方面,取数一致的假设体现了被评价决策单元和参考决策单元的竞争公平性;另一方面,求得的DEA效率区间长度较小,不确定性低,提高了信息不完全条件下采用灰区间DEA模型对决策单元进行有效性评价和效率评估时的分辨力。