时滞多变量离散灰色模型及其应用

针对多变量灰色模型存在驱动因素机制不明确和缺乏驱动项引入规则的问题.通过引入时滞项控制驱动因素,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.根据灰色扩维识别方法,探索驱动项选择和时滞参数测算方法,并给出模型建模预测步骤;最后,采用该模型解决我国农村水环境与农村区域发展的滞后效应测算、建模和预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

基于驱动控制的多变量离散灰色模型

针对多变量灰色模型存在驱动项作用机制不明确和模型精度不高的问题,通过引入矩形函数控制驱动项,构造一种新的多变量离散灰色模型,并探讨模型参数求解方法.从系统行为信息完备性角度,探索两种驱动控制项识别方法,并给出模型建模预测步骤;最后,采用构建的模型解 决我国无线通信用户预测问题,实例结果表明该模型不仅精度较高,而且模型含义更明确.     

一类离散灰色模型及其预测效果研究

GM(1,1)模型是灰色系统理论中最重要的内容之一,针对该模型在预测时出现的预测精度问题进行讨论,进而建立了新的离散灰色模型:始点固定离散灰色模型(SDGM)和终点固定离散灰色模型(EDGM),运用大量的数据模拟和预测,将新建立的2个模型和GM(1,1)模型的进行效果比较,发现新建立的2个模型均比GM(1,1)模型有更高的模拟精度和预测精度.     

灰色增量──微分动态模型与中间变量辨识方法及其应用

本文对灰色GM(1, 1)、GM(2, 1)建模方法作了扩展和改进, 重新构造累加生成模式。利用多级增量序列首先进行回归建模, 引入中间变量并对其辨识和模拟, 使原始时间序列中隐含的有序性、规律性及灰色信息不断白化。灰色增量--微分动态模型具有系统开放性, 模型结构的包容量和信息量十分丰富, 为自然、社会经济等复杂系统建模、控制、预测提供了有效方法, 并消除了灰色GM(1, 1)、GM(2, 1)模型的局限性及不足之处；对全国总人口序列采用柯布--道格拉斯函数模型进行增量序列拟合建模, 在中间变量层次中揭示出周期性变化规律, 拟合效果极显着, 平均误差率1.21%, 最大误差率2.73%, 拟合精度极高。     

数乘变换下灰色幂模型的参数及误差变化规律

通过研究数乘变换对GM(1,1)幂模型的幂指数和参数特征以及其误差的影响程度,揭示了GM(1,1)幂模型的幂指数和其误差在原始特征序列经过数乘变换前后的变化规律。结果表明:GM(1,1)幂模型的幂指数及建模精度与原始特征序列进行数乘变换无关,同时利用数乘变换可以降低建模数据的量级,简化其建模过程的复杂性。     

离散GM(1,1)模型的特性与优化

GM(1,1)模型在对纯指数序列进行拟合时通常仍然存在偏差,对原始序列和发展系数有太多限制.离散GM(1,1)模型与原模型的很多性质很相似,可以看成是原模型的精确形式,而且对发展系数和原始序列没有非负限制,因此对于离散GM(1,1)模型的特性研究就极为重要.文章对离散模型模拟数据增长率特点、对指数序列的拟合以及数乘变换下的参数特性进行了理论证明.研究表明离散GM(1,1)模型可以完全拟合指数序列.数乘变换不改变原始序列的模拟精度,为解决灰色预测模型的病态性提供了思路.文章提出了分段修正离散GM(1,1)模型并对建模机理进行了证明.应用实例表明了该模型能够显著提高模拟精度.     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.     

灰色多变量GM(1,Nγ\,r)模型及其粒子群优化算法

针对少信息多变量且输入与输出具有滞后性的控制系统,提出了灰色多变量延迟GM模型, 给出了其参数估计形式和近似时间响应式,得到了它的两个派生模型. 为了确定非线性次数的值以使预测精度最高,又建立了以均方误差为目标的优化问题, 并采用粒子群算法寻优.最后将新模型应用于武汉地区科技投入与产出的预测之中,实践表明该模型具有较高的精度.     

多变量离散灰色幂模型构建及其优化研究

针对多变量小样本的非线性系统建模问题,提出了多变量离散灰色幂模型,并探讨其参数求解方法;鉴于驱动因素作用机制对模型精度的重要影响,通过引入驱动控制函数,多阶段识别起主导作用的驱动因素,构造多变量离散灰色幂模型的优化模型,并研究驱动控制函数参数识别方法,给出了模型建模预测步骤;最后,利用构建模型解决我国粮食产量预测问题,表明新模型能够更好地描述系统特征行为序列与驱动因素序列间的非线性关系,从而有效提升建模精度。     

近似非齐次指数序列的离散灰色模型特性研究

针对近似非齐次指数增长规律的数据序列,构建了近似非齐次指数序列的离散灰色模型,给出了该模型的参数求解公式和模型的递推函数。以演绎推理的方法对模型的仿射特性进行研究,分别从数乘变换和平行变换的角度分析了模型中仿射变换前后模型参数、模型模拟预测值的变化特征,在仿射变换条件下可以对原始数据序列进行简化建模。通过仿射变换,可以缩小数据的量级,简化建模过程,而不会改变模型的模拟和预测效果。     

NDGM模型的性质及预测效果分析

在近似非齐次指数序列的离散灰色模型（non-homogenous discrete grey model, NDGM）基础上研究了该模型的参数特性,分析了仿射变换导致的模型参数变化特征,结果表明,变换前后所得预测值仍然具有仿射变换关系,验证了NDGM模型对非齐次指数序列预测的无偏性。通过求解NDGM模型,给出针对一般指数序列的完全拟合表达式,并给出了求解近似指数序列最优拟合表达式的算法步骤。最后以1999年~2008年我国人均国内生产总值为例进行模拟和分析,验证了该方法在离散灰色预测中的可行性。     

广义离散灰色预测模型及其应用

基于离散灰色预测模型提出了广义离散灰色预测模型(GDGM(1,1)模型),它包含了常见的齐次与非齐次指数序列模型,一次累加抛物型自回归模型,以及一次累加时变线性模型;证明了对四类特殊序列具有模拟完全重合性;研究了在数乘变化下模型参数与模拟值的变化规律以及相对误差的不变性;给出了模型建模步骤及其方法,通过实例对DGM(1,1)模型,NDGM(1,1)模型,CDGM(1,1)模型,TDGM(1,1)模型,NHGM(1,1,k)模型,GM(1,1)直接建模模型以及本文模型的模拟预测效果进行了比较,结果表明GDGM(1,1)模型能够提高预测模拟精度.     

#br#分数阶反向累加离散灰色模型及其应用研究

为了减小离散灰色预测模型解的扰动界,增加模型的解的稳定性,并且充分利用系统的新信息,提出了分数阶反向累加离散灰色模型。通过数学推导,给出了模型具体的计算公式,并计算了其扰动界。通过比较一阶反向累加离散灰色模型和分数阶反向累加离散灰色模型扰动界的大小,证明了分数阶反向累加离散灰色模型的优越性。最后,将其应用在某型号武器系统的储存可靠性的预测中,计算结果优于传统灰色预测模型,预测精度有了大幅度提高,从而拓展了灰色预测模型的理论研究和实际应用范围。     

二次时变参数离散灰色模型

本文基于离散灰色模型模拟值增长率恒定的原因,通过引入二次时间项来构造了 二次时变参数离散灰色模型(quadratic time-varying parameters discrete grey model,简称为QDGM(1,1)模型).并且研究了该模型的性质.结果说明, QDGM(1,1)模型具 有白指数规律重合性,线性规律重合性,二次规律重合性,伸缩变换一致性.应用最优化方法研究QDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后叙述了应用 QDGM(1,1)模型建模和预测的步骤,并通过实例比较了QDGM(1,1)模型与原离散灰色 模型及其非齐次离散模型和线性时变参数离散灰色模型的预测能力,最终结果表明本文 提出的QDGM(1,1)模型具有更高的模拟和预测精度.     

线性时变参数离散灰色预测模型

分析离散灰色模型模拟值增长率恒定的原因,通过引入线性时间项,构造时变参数离散灰色模型(称TDGM(1,1)模型).进而研究该模型性质,结果表明:TDGM(1,1)模型具有白指数规律重合性、线性规律重合性、伸缩变换一致性,克服了原离散模型模拟值为等比序列的问题.应用最优化方法研究TDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后说明应用TDGM(1,1)模型进行建模和预测的步骤,通过实例比较该模型与原离散灰色模型及非其次离散模型的预测能力,结果显示TDGM(1,1)具有更高的模拟和预测精度.