基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.     

基于灰色理论的风电场输出功率超短期预测

准确预测风电场的发电功率能够有效减少风电波动性对并网电网的影响。本文提出基于灰色理论的风电功率超短期预测方法,分别采用GM(1,1)模型和GM(1,2)模型实现了风功率的超短期预测。针对某99MW风电场一年风电功率数据,在MATLAB上仿真验证了本文所提方法的有效性。仿真结果表明,GM(1,2)模型的风电功率预测精度明显高于GM(1,1)模型所获得的风电功率预测精度。     

基于函数变换的GM(1,1)模型及其应用

基于函数变换理论,本文尝试使用复合函数变换来提高原始数据序列的光滑性,从而提高模型的拟合精度.并将此方法应用于全国人均主要工农业产品产量(发电量)的建模中.应用结果表明,该方法所建模型的拟合精度高于传统的GM(1,1)模型和对数函数变换GM(1,1)模型的精度.建模结果表明本文提出的改进方法的有效性.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.     

新陈代谢GM(1,1)模型在现代有轨电车沉降预测中的应用

目前灰色模型在建筑物、边坡、高铁等领域的沉降预测中的应用研究较多,而在现代有轨电车中的沉降预测中应用比较少,并且现代有轨电车在运营阶段的沉降变化量较小。用灰色GM(1,1)模型和新陈代谢GM(1,1)模型对有轨电车筏板的沉降监测点的监测数据进行预测并比较。结果表明,新陈代谢GM(1,1)模型剔除了旧数据,增加了新的预测数据,提高了模型预测精度。验证了模型在现代有轨电车筏板进行沉降预测的可行性,为今后类似情况的沉降监测预测提供参考和借鉴。     

灰色BP神经网络组合模型在大坝沉降监测中的应用

大坝沉降是一个非线性的过程。为了能准确预测大坝沉降,将GM(1,1)模型和BP神经网络模型结合,以某大坝沉降量为实例,研究灰色BP神经网络在大坝沉降监测中的应用。通过GM(1,1)获得一组拟合数据,将拟合数据和原始值作差得到拟合值的误差序列,再利用BP神经网络模型对拟合数据和拟合数据的误差序列进行训练,最后再以拟合数据作为输入值,利用训练完成的BP神经网络得到误差序列,进而得到预测值。经过实验分析,得出组合模型的预测精度高于单一模型的预测精度。     

基于GM(1,1)模型的边坡变形监测应用研究

对GM(1,1)模型的基本原理和模型检验方法进行了介绍,将边坡看作一个灰色系统,采用GM(1,1)模型对沉降进行预测,相关的参数可由建立灰色预测模型和实际的监测数据予以确立。将预测结果和实际结果进行对比分析,结果表明GM(1,1)模型能够取得较好的预测结果,能够在变形监测工程中得到广泛的应用。     

一种改进离散灰色模型及其高校招生人数预测建模

分析了已有GM(1,1)模型和离散GM(1,1)模型的不足,建立了高校招生人数的直接离散GM(1,1)模型,并对相关实例建立模型进行预测.预测结果表明,直接离散GM(1,1)模型模拟预测精度更高,更能反映高校招生人数的增长趋势.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM（1,1）模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析．采用标准差法建立基于拓扑预测与GM（1,1）模型的舰船运动组合预测模型．结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具．     

短期现货电价多因素灰色预测模型

电力市场中,电能交易效益最终通过电价体现,对市场参与者来说,提前知道电价信息意义重大。灰色预测模型无需任何原始序列的概率分布模型,可以实现少数据建模。现货电价具有的性质符合灰色变量的特征,本文在介绍原有灰色预测模型在电价预测方面应用的基础上,提出同时考虑负荷因素和市场力影响因素的GM(1,3)短期现货电价多因素灰色预测模型,通过实例验证,证明该模型在电价预测精度方面相比较原有模型有所提高,预测效果更好。     

“双碳”目标下基于GM(1,1)算法的黑龙江省“电力及建成区绿化覆盖率”预测

在“双碳”目标下,电力行业、建成区绿化已成为服务全社会碳减排、支撑经济社会低碳转型的关键领域.而预测是系统规划和运行的基础.采用时间序列即灰色模型GM(1,1)预测方法,对黑龙江省近6年的电力消费量、建成区绿化覆盖率、水力发电量累计值、风力发电量累计值进行预测.预测结果显示,后验差比值c最大值为0.0358,相对残差检验值、多数的级比偏差值均小于0.1,预测结果精度较高,且与传统的需求预测方法相比,对历史数据的依赖也更小.     

线性回归与灰色理论在用电量预测中的应用

针对电力资源存在的电力短缺和电力浪费现象,结合用电量增长的特点,选取全省GDP、人口总数、人均地区生产总值、工业生产总值等作为预测指标,应用优化的多元线性回归模型和灰色GM(1,1)模型对陕西省来年的用电量需求进行预测,所得的2组预测值拟合度较好。之后对2种模型进行耦合再进行预测,其结果比单纯使用多元线性回归模型或使用灰色GM(1,1)模型得出的结果更优。结果可见预测模型精度较好,具有一定的实用性,对电力相关部门的生产规划有一定的借鉴价值。     

离散的GM(1,1,t~2,t)模型及其应用

针对软土地基沉降问题,利用灰色理论提出GM(1,1,t~2,t)模型,通过优化灰导数白化值建立离散的GM(1,1,t~2,t)新模型,并用最小二乘法估计新模型的5个参数.通过软土地基沉降的实例应用,说明离散的GM(1,1,t~2,t)模型的模拟预测效果优于GM(2,1)模型.     

计量器具检定周期灰色动态模型及应用研究

企业的计量器具是保证产品质量的有力工具,由于工况的复杂性、多样性、随机性,其检定周期的确定应是动态的.根据计量器具检测数据的统计特点,采用了加权处理的办法,建立了基于时间序列和基于频次序列的动态灰色模型DGM (1,1).通过具体案例对比(例如游标卡尺)发现:该模型具有较高的拟合精度及预测精度;不同工况下周期和寿命有明显差异;频次序列模型的预测结果优于时间序列模型条件下的预测结果.结合动态模型与汽车制造业实例,建立了基于信息集成的、多传感器监控与管理监控相结合的检定周期与使用寿命周期监控流程和信息子系统,应用于企业生产.     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单一预测模型.利用建立的组合预测模型对黑龙江省2019—2022年的旅游收入进行预测,可为黑龙江省未来的旅游业发展规划提供一定的科学依据.     

广东省博罗县中长期电力负荷预测的研究

基于中长期电力负荷预测受诸多不确定因素的影响,结合广东省博罗县电力负荷的发展情况,建立了一种基于灰色系统理论的中长期负荷组合预测模型,旨在提高博罗电力负荷预测的准确度。对传统灰色预测模型进行了改进,引入二次指数平滑法对原始数据进行修正,构造一个新的样本序列,并构建灰色等维新息预测模型。然后将改进后的GM(1,1)模型与一元二次回归模型进行线性组合,该预测模型精度高,其结果对博罗电力生产实际具有指导意义。     

一种新的灰色预测方法及其应用

在灰色模型GM(1,1)的基础上,提出了一种新的灰色组合预测方法,并将该方法应用于云南省就业状况预测分析中,取得了较好的预测效果。     

GM(1,1)模型的改进及其在西安市人口预测中的应用

人口规模对大中型城市的发展非常重要,为提高人口预测模型的预测精度,分析了GM(1,1)和等维递补动态预测模型的特点,并以2007—2012年西安市人口数据资料为依据,应用灰色系统理论构建等维递补GM(1,1)动态预测模型,预测了西安市2013—2016年城市人口规模,结果分别为859.757 3万人(2013年),864.010 6万人(2014年),868.285 0万人(2015年),872.580 5万人(2016年)。统计检验和误差分析结果表明,该模型方法简便可行,预测精度高,结果符合实际,可靠性强,为市域经济发展的研究和决策提供了科学依据。     

G(1,1)灰色模型与灰色线性模型预测法比较及应用——以商洛市房地产发展现状为例

运用实例和统计分析的方法,对统计预测中常用的G(1,1)灰色模型预测法和灰色线性模型预测法进行比较,得到了两种模型在实际预测中的精确度.并通过检验分析,得到了在什么情况下用G(1,1)灰色模型预测,在什么情况下用灰色线性模型预测.