灰主成分分析研究及其应用

针对主成分分析方法对于具有时间序列数据的处理存在的不足,根据灰系统中数据具有时间序列的特性,将灰色系统思想与经典主成分分析相结合,提出一种新的模型,即灰主成分分析。时间序列分析不仅可以从数量上揭示某一现象的发展变化规律,还可从动态的角度刻画某一现象与其他现象之间的内在数量关系及其变化规律。灰色系统理论通过序列的生成和开发,致力于现实规律的探讨,而数理统计则致力于统计历史规律的研究。将两种方法的优点结合到一起,用于解决时间序列问题,并利用面向对象程序设计的方法进行了系统实现。将该方法应用到我国国债风险指标的综合评价中,突出了新的时间序列数据对整个数据的影响性,分析结果能够为决策者提供有价值的决策依据。实验结果表明,采用灰主成分分析的效果更优越,能较真实地反映出时间对于样本数据的影响。     

面向动态时间弯曲距离的灰关联聚类方法研究

灰色关联聚类是灰色系统分析的重要研究领域.现有的灰关联聚类方法在处理不同长度序列数据时,通常采用补齐或删除数据方式进行处理,增加了系统的不确定性.在动态时间弯曲距离基础上,提出了一种新的灰关联聚类方法,通过计算序列间距离矩阵的最短路径来度量相似程度,最终完成序列的灰关联聚类.该方法无需对序列数据进行人工干预,具有更强的鲁棒性.实验结果表明,在处理不同长度数据序列时,聚类结果更为准确.     

瓦斯涌出量的模糊数学与灰色系统理论的预测

矿井瓦斯涌出量的预测是典型的灰色系统,本文以灰色系统和模型数学为基础,探讨了矿井瓦斯涌出量的影响因素,分析了灰色系统理论的不足,建立了符合实际的模糊灰色模型,并把时间序列改进成为影响因素序列,对矿井瓦斯涌出量进行预测,研究结果表明,该方法能较准确地反映矿井瓦斯规律。     

具有灰指数律数据序列建模方法研究

通过对灰色系统理论建模机理的分析,建立了对于具有灰指数律数据序列的EGM模型,通过模拟试验,验证了该模型对于具有灰指数律数据序列的预测精度高于GM(1,1)模型,表明该模型对具有灰指数律数据序列的预测有效性与适用性.     

白化方程优化和新信息的一类灰色模型

针对灰色系统理论中灰色预测模型预测方面,传统模型仅限于对近似齐次指数规律序列进行建模的不足,对原始序列为近似非齐次指数规律的情形,得到一类灰色NGM(1,1,K)模型,通过对NGM(1,1,K)模型中的白化方程进行优化的方法,同时利用灰色系统的新信息原理优化时间响应函数,建立了一种改进的灰色NGM(1,1,K)预测模型.实例结果表明,该改进模型具有较高的预测和拟合精度,推广了灰色预测模型的适用范围.     

灰多元前移线性回归组合预测模型的构建及其应用

基于灰色系统理论具有时间序列和累加的特性,将灰色理论引入到前移线性回归分析模型中,建立一种新的组合预测模型―灰多元前移线性回归组合预测模型.该模型很好地处理了灰色系统模型中难以体现线性因素的问题,同时也大大弱化了前移线性回归分析模型中异常数据对预测效果的影响,使预测能及时跟踪因变量的动态变化.本文重点将上述组合预测模型应用于湖南省电力需求的预测问题中,结果表明,该模型在实际应用中是十分有效的,预测结果可以作为管理决策的理论依据.     

基于灰色理论的主观信任计算方法

通过讨论传统信任模型和信任计算,提出了以灰色系统理论为基础的灰序白化评估算法.方法的基本原理是:以主体的网上交易额为参考序列,由客体对主体的关键属性评分构成计算序列,得出主体的信任水平序列,根据灰关联分析计算灰关联信任空间,求出序化点列,作序化点列图,得出白度序列,最后按照灰序白化分析得出主体的关键属性对主体的信任水平的影响次序.该算法克服了传统分析中将主体的关键属性对主体信任水平的影响大小视为相等的做法,具有评价可靠,可操作性强,适合软件自动处理等特点,在开放式环境中具有广阔的应用前景.     

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.     

灰色模型及其在我国报纸发行量预测中的应用

本文讨论了灰色模型的机理和特点,建立了描述我国报纸发行系统发展规律的灰色动态模型,并据此对报纸发行量进行了预测。研究结果表明:灰色预测方法的精度高于传统的确定性趋势预测方法,尤其适合于对信息量不足、作用机制不确定的抽象系统进行中短期预测,从而为科学决策提供依据。     

基于非线性灰模型下贮油罐上水变形分析

大罐上水过程中的沉降变形具有规律性.利用灰色系统理论,把离散的沉降观测数据按某种序列(或某一约束条件)排列,考虑到大罐充水过程变形形式,分别建立了基于线性和非线性关系下的一阶连续灰微分沉降模型;同时选择上水水位高和上水时间序列作为模型变量分别进行解算,显示了软基础下的大罐,上水速度与罐体沉降变化基本呈线性的特点,就此推导了以连续时间变量序列来拟合与预测大罐上水过程的沉降变形模型.所提出的解算方法,可以方便大罐沉降变形的过程和规律分析,对指导同类上水试验工作具有一定意义.     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的预测方法。     

灰色相关分析及其应用研究

为解决基于时间序列数据对象的统计分析问题,提出了一种全新的灰色相关分析方法并定义了其数学模型。灰色相关分析方法充分考虑数据对象随时间的变化而改变的特征,突出了最新的数据在分析结果中的重要作用,使相关性分析对新数据保持高敏感性,尽量弱化时间久远的数据影响,准确地反映了近期各对象间的相关性。利用面向对象程序设计原理,使用面向对象开发工具进行了系统实现,并进行了大量实验测试,实验结果显示,灰色相关分析方法对解决时间序列的分析问题,更加准确、可信。将灰色相关分析方法模型应用到我国环境基本情况的统计中,分析结果可为制定环境保护措施提供有力的科学依据。     

矿井多指标系统的灰色评估

建立了适用于工程应用的多指标示系统评估的灰色统计和灰色聚类模型。提出了以实际样本数据为依据确定灰色权系数的方法,有效地克服了确定权系数时的主观因素的影响。通过实际使用说明,将灰色统计与灰色聚类有机地结合起来进行灰色评估是正确的。     

基于灰色关联分析法的煤矿伤亡事故统计研究

以2007-2012年度国家安全生产监督管理总局煤矿事故统计数据为基础,利用灰色关联分析法构建了煤矿安全系统灰色关联评价模型,通过计算系统数据序列之间的灰色关联度建立了灰色关联矩阵。根据优势分析原则得到影响煤矿事故的主要影响因素是瓦斯事故、顶板事故和水灾事故。该方法能够为煤矿事故的预防及安全管理提供有效的参考依据。     

一类灰色区间聚类决策方法

以灰色决策分析理论为基础,探讨了经典灰色聚类决策方法的优势和不足.提出了基于理想方案的灰色区间聚类方法及其相关概念,建立了灰色区间关联系数公式和灰色区间相对关联系数公式.运用分析技巧,构建了灰色区间聚类决策算法.灰色区间关联系数公式是经典灰色关联系数公式的推广,而灰色区间聚类决策是经典灰色聚类决策方法的拓展.实例说明了所提出的灰色聚类决策方法的合理性及其算法的有效性.     

基于改进灰色关联分析法的工程防护效能评估方法

为研究评估工程的防护能力,提出了工程防护效能应具备 6个指标,鉴于各指标的属性、重要程度和可比性都不同,使得防护效能的方案比选具有明显的灰性.通过对经典的灰色关联分析法的分析,得出其存在的局限性,进而对其从分辨系数、熵权法和投影法方面进行改进.对工程防护效能进行评估,并与经典的灰色关联分析法相比较,验证了该模型的可靠性和可行性.可以将此模型推广应用到实际工作中.     

一种改进不等间距灰色预测模型

传统不等间距灰色模型UGM(1,1)及其改进型都是基于指数模型建立的,仅对指数变化规律序列有较好的预测精度,而对于常见的线性变化序列则预测误差较大。针对该问题,通过模型拓展,在现有文献模型的基础上增加线性因素,并采用新陈代谢的思想,提出一种改进不等间距灰色预测模型AUGM(1,1),并进行实例仿真比较分析。结果表明:改进模型在预测精度和实用性上均有较大改善,且克服了传统灰色预测模型不适用于线性变化序列预测的局限,拓宽了灰色预测模型的适用范围。     

数据挖掘的灰色系统方法

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具，在工程技术、社会、经济等领域中应用广泛，该文探讨了灰色系统理论在数据挖掘中的应用问题，提出了数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法，并提出了灰色数据挖掘系统的体系结构。     

基于灰色理论的装备保障性评价数学分析方法研究

对解决装备保障性工程评价时，由于提供的信息的模糊性，且数据量少，集中表现出了信息的灰色性和不确定性的缺点。本文采用灰色系统理论应用在海军装备保障性工程评价的数学分析中，利用在对指标灰序白化基础上，建立了灰色关联模型，并对整个系统进行灰色关联分析，结果发现此模型能很好的解决装备部署之后的保障性评价中信息模糊和信息量不足的问题，而且评价结果可信性高。