混沌粒子群算法对GM(1,1)模型参数的优化

鉴于基本粒子群算法存在初始化过程的随机性以及容易陷入局部最优解的不足,对基本粒子群算法进行改进.利用混沌运动的遍历性,产生大量初始群体,从中择优出初始群体,并在粒子群优化算法执行的过程中,对当前粒子个体产生混沌扰动,以使解跳出局部极值区间.用混沌粒子群算法对综合GM(1,1)参数优化模型的参数进行优化,认为利用优化所得参数值进行预测能取得更好的结果.     

动态自适应粒子群优化灰色模型的碳排放预测

碳排放量预测对于发展低碳经济十分重要,利用GM（1,1）灰色模型对碳排放预测存在一些不足．本文引入动态自适应粒子群算法对其进行改进,并结合新模型（DAPSOGM）来预测碳排放,以浙江丽水市近5年的碳排放量,编辑matlab程序实证分析,结果证实新模型具有较高的预测精度和推广价值．     

GM(1,1)模型中的扰动分析

用Moore-Penrose广义逆阵来处理GM(1，1)模型中的参数a,u，给出了GM(1，1)等维新陈代谢模型的新模型与旧模型的参数关系，并分析了a,u的扰动对GM(1，1)模型还原后的模型计算值的影响．     

基于动态自适应PSO算法的GM(1,1)融合预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b是两个关键的参数,其对模型的预测精度有较大的影响.在分析GM建模原理和参数对模型精度影响的基础上,提出了一种基于动态自适应粒子群算法的灰色GM融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用改进的粒子群优化算法来求解模型的相关参数.实例分析表明:与传统的GM(1,1)模型相比,动态自适应粒子群优化算法与GM融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型更具优势.     

GM(1,1) 模型的边值分析

GM（1,1）模型中边值条件对于生成列微分方程中参数的估计值没有影响,但是对于生成序列和原始序列的预测值却有着指数修正效用,使用均方程差和最小准则,针对生成序列和原始序列给出了确定边值修正项的两种方法,实例表明,考虑边值修正项可以大大地降低预测误差。     

GM(1,1)的MATLAB实现及其应用

灰色GM(1,1)预测模型是灰色理论中的重要组成部分,也是主要的预测方法之一.因此,GM(1,1)模型的应用范围很广泛.本文简要介绍了GM(1,1)模型的原理及其预测步骤,用MATLAB软件实现了GM(1,1)预测算法并给出了源代码.在此基础上,用统计年鉴上的住宿和餐饮业收入增加值数据进行了仿真,从而验证了该算法的有效性和程序的正确性。     

GM(1,1)模型的性质及改进

在对GM(1,1)模型进行分析的基础上,经过理论推导,得出了初始数对预测没有影响的结论,对GM(1,1)模型进行改进,给出了GM(1,1)模型Ⅰ。当向原始序列添加相同的数字时,预测值将更改,由此提出了GM(1,1)模型Ⅱ,利用粒子群算法,得到最佳的增加量。仿真结果表明,GM(1,1)模型Ⅰ和模型Ⅱ具有较高的精度。     

马缨杜鹃种群密度的GM(1,1)模型

应用灰色系统理论，以种群基径大小作为时间序列，建立马缨杜鹃种群密度的ＧＭ（１，１）模型，并对其精度进行了分析。结果表明，ＧＭ（１，１）模型是一种较为理想的种群动态模型。     

基于灰生成空间的高阶GM(1,1)模型

在AGO-IAGO灰生成空间的基础上，给出了r阶GM（1，1）灰色模型的一般建模方法，并且用实例证明了该方法能够提高GM（1，1）模型的精度。     

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.     

基于GM(1,1)模型的矿井涌水量预测

根据灰色系统理论,利用苏二煤矿2001-2008年的矿井涌水量资料,运用GM(1,1)灰色预测模型方法,对该矿的涌水量进行动态预测,为矿井防治水提供依据。     

季节指数修正GM（1，1）模型在空气质量预测中的应用

在GM（1,1）模型基础上建立季节指数修正GM（1,1）模型,并应用到郑州市空气质量预测中,应用实例表明,该模型对含有季节变动因素的时间序列的预测,具有较好的效果．     

非等间距GM(1,1)模型的模糊优化

采用模糊聚类分析方法，在原始的非等间距序列中插入若干数据，在新序列上建立非等间距GM(1，1)模型。实例表明，经模糊优化处理的非等间距GM(1，1)模型有更高的模拟和预测精度及良好的适用性。     

基于GM（1，1）模型的趋势预测方法及其应用

基于灰色理论中GM(1，1)模型提出了一种新的预测方法(趋势预测)，再将其应用到组合预测中，运用遗传算法调整组合预测权系数从而得到最优解。通过实例证明，该方法是正确的，算法是有效的。     

灰色GM（1，1）模型在火灾事故预测中的应用

针对全国火灾事故的统计数据,利用灰色系统理论在不确定因素预测领域的优势,建立了一个火灾事故预测的GM(1,1)模型.论述了模型的建立和求解过程,用实例阐述了灰色预测模型的应用和局限性.结果表明,模型比较合理地反应灾害事物的发展趋势,为分析火灾事故规律和有效预测提供了科学的方法.     

基于修正GM(1,1)模型的岩体边坡预测分析

岩体边坡是一个复杂的未知系统,灰色系统理论能较好地阐释其中某些规律.岩体边坡的监测和应力变形预测分析是一项意义重大的工作.针对强随机性的边坡监测时间序列,提出了考虑斜率修正的灰色GM(1,1)预测模型,提高了灰色模型的建模精度.同时,将该模型应用于锦屏一级水电站左岸高边坡中某部位岩体的应力发展趋势预测,发现该改进GM(1,1)模型适合于短期趋势预测,并揭示了该部位岩体的应力发展模式,为后续研究工作提供参考和研究基础.     

基于响应不变法的GM(1,1)模型

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.     

灰色新息GM（1，1）模型的递推算法

在研究新息ＧＭ（１，ｌ）模型传统算法的基础上，提出了灰色新息ＧＭ（１，１）模型的一种新算法─—递推算法。     

基于灰色模型GM（1,1）的疲劳寿命预测

将疲劳现象看作是存在于一个灰色系统中,运用GM(1,1)灰色预测模型对某试样的疲劳寿命进行预测,采用此方法使预测误差由原来的57.5%减小到24.2%,预测结果趋于安全,这是传统疲劳寿命计算方法所无法办到的。     

加权均值GM(1,1)模型及应用

通过数据处理，寻求一种改进灰色系统GM(1，1)模型的方法．文中首先论证了加权均值生成的若干相关性质，然后将加权均值生成法运用于灰色系统GM(1，1)模型的建模过程．计算结果表明，加权均值GM(1，1)模型比传统的GM(1，1)模型有所改进，精度得到提高．并将改进后的模型应用于应力集中问题，也取得了较好的效果．这表明，加权均值GM(1，1)模型有一定的实用性．