新弱化缓冲算子的构造及其运用

将已有的弱化缓冲算子进行一些简单的数学运算后构造出新的弱化缓冲算子.在预测工作中如果系统行为数据出现前阶段增长(衰减)速度过快而后阶段增长(衰减)速度过慢的,以文章所构造的弱化缓冲算子再建模预测能使预测精度有显著提高,预测值也能更好的逼近观测值.     

一种新弱化缓冲算子研究及其在科技管理中的应用

构造了一种新缓冲算子,并证明其为弱化缓冲算子,最后将其应用于科技管理数据分析中。结果表明:新构造的算子预测精度高于刘氏弱化缓冲算子,从而拓宽了弱化缓冲算子的应用范围。     

一种新弱化缓冲算子的构造及应用

灰色序列算子对灰色预测模型的预测精度起到关键作用.在已有缓冲算子和弱化缓冲算子研究基础上,构造出一种新的弱化缓冲算子,有效解决了冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题.实例分析结果表明该弱化缓冲算子使用方便、有效,能显著提高GM(1,1)模型的预测精度.     

基于不动点的新弱化缓冲算子的研究

在灰色系统理论缓冲算子公理体系下,基于反函数与广义时间序列的平均发展速度构造了一类新的弱化缓冲算子,并研究其一些特性和内在联系,有效解决了冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题,实例分析结果表明该类算子的有效性和实用性。     

新弱化缓冲算子的构造及其优化

为了减缓冲击扰动的影响,揭示事物发展的内在规律,根据微积分思想的导数定义、缓冲算子公理和新信息优先的原则,提出了新的弱化算子,并用最小二乘法研究了该弱化算子的优化问题.最后,以我国能源消费总量和能源生产总量预测问题为例,两个算例的结果显示弱化算子可以明显地提高预测精度,验证了弱化算子的有效性和优越性.     

线性缓冲算子群

利用缓冲算子的结构与性质,定义了线性缓冲算子、线性弱化缓冲算子和线性强化缓冲算子.研究了线性缓冲算子的复合运算及运算的性质,以及可逆线性缓冲算子及其性质,证明了可逆线性缓冲算子集合为线性缓冲算子群,为使用线性缓冲算子处理数据提供了数学理论依据.     

线性缓冲算子群

利用缓冲算子的结构与性质,定义了线性缓冲算子、线性弱化缓冲算子和线性强化缓冲算子.研究了线性缓冲算子的复合运算及运算的性质,以及可逆线性缓冲算子及其性质,证明了可逆线性缓冲算子集合为线性缓冲算子群,为使用线性缓冲算子处理数据提供了数学理论依据.     

基于单调函数的新强化缓冲算子及其性质研究

在灰色系统缓冲算子公理体系下,本文利用反函数定理,构造了4类新强化缓冲算子,并将其与关氏强化缓冲算子进行比较,论证了关氏强化缓冲算子为新算子的特例,研究了其特性及各种强化缓冲算子之间的内在关系,从而大大地拓广了强化缓冲算子的应用范围.对序列前一部分增长(衰减)速度过快,而后一部分增长(衰减)速度过慢的冲击扰动系统数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题,提供了多种解决方案,首次将缓冲算子的构造与函数联系起来,从而为缓冲算子的构造开辟了新方向.     

关于强化缓冲算子的研究

通过对缓冲算子的研究,构造了几类强化缓冲算子等若干个具有普遍意义的实用强化算子,并研究了其特性及各种缓冲算子之间的内在关系,从而使序列前一部分增长（衰减）速度过慢,而后一部分增长（衰减）速度过快的冲击扰动系统数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题得到有效解决。     

基于单调递增函数的新的强化缓冲算子的构造及其应用

在灰色系统缓冲算子公理体系下,基于严格单调递增函数和时间序列的平均发展速度构造了3类新的强化缓冲算子,并研究了其内在的特性和内在联系,有效的解决了冲击扰动数据序列在建模预测过程中经常出现的定量预测结果与定性分析结论不符的问题,并通过实例对比分析表明了该算子的有效性和实用性,从而为缓冲算子的构造开辟了新的方向。     

缓冲算子的凸组合构造方法研究

在总结分析已有构造缓冲算子方法基础上,根据缓冲算子的结构和性质,通过对缓冲算子凸组合的研究,提出了构造缓冲算子的一种新方法——缓冲算子凸组合构造法。最后,给出了利用缓冲算子凸组合构造法得到的几个线性和非线性缓冲算子实例。     

基于强化缓冲算子的灰色预测PID控制仿真研究

灰色预测PID控制系统的核心是其反馈回路上的灰色预测器,其建模精度与控制系统行为数据的变化速率有关.对于惯性较大的被控对象或采样周期较短的控制系统,控制系统的行为数据变化缓慢,基于这些数据直接进行灰色建模预测的精度不高.针对这个问题,本文提出了基于强化缓冲算子的灰色预测PID控制新方法.通过对控制系统的行为数据序列进行强化缓冲算子作用,获得控制系统行为数据的强化缓冲算子作用序列,对其进行灰色建模和预测,实现灰色预测PID控制.仿真研究结果表明,在相同的PID控制参数下,本文提出的控制方法的控制精度明显优于传统的灰色预测PID控制和经典PID控制,获得了理想的控制效果.