基于核和灰度的区间灰数预测模型

在灰色系统理论研究领域,以“灰数”序列为建模对象的灰色预测模型的研究还较为缺乏。以区间灰数的“核”序列为基础建立预测模型,实现未来区间灰数“核”的预测,然后以“灰度不减公理”为理论依据,以“核”为中心拓展得出区间灰数的上界和下界;在不破坏区间灰数独立性和完整性的前提下,实现了区间灰数预测模型的构建;算例分析验证了该模型的有效性及实用性;区间灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围,均具有十分重要的意义。     

基于扰动信息的连续区间灰数灰色预测模型

针对连续区间灰数的预测,提出了分数阶累加二次时变参数离散灰色预测模型(FQDGM (1,1)模型)。在不损失原始信息的前提下,将区间灰数转化为核序列和灰半径序列,然后分别对核序列和灰半径序列建立FQDGM (1,1)模型。新模型针对同时包含指数和二次曲线趋势的系统,通过二次时变参数的求解和阶数的调整,实现对于原始信息进行有效挖掘,避免扰动信息的干扰,提高模型的稳定性。最后,运用不同灰色预测模型,对于一个算例和一个实例进行建模,计算结果显示了所提方法的优越性,从而进一步拓展了灰色预测理论的应用范围。     

三参数区间灰数信息下的决策方法

基于灰色系统理论的思想和方法,探讨了方案指标值为区间灰数且灰数取值可能性最大数已知的决策问题.首先定义了三参数区间灰数,利用这类灰数的特性及经典灰色关联决策的优势,提出了三参数灰色区间关联度方法;其次考虑到各方案的效果评价向量与理想最优方案及临界方案在空间位置及几何形状的接近度和相似性,构建了三参数灰色区间斜率关联系数公式,结合建立的三参数灰色区间关联系数公式,给出了灰色区间综合贴近度方法.最后借助三参数区间灰数评价值的期望值及一维投影寻踪法的分析技巧,引入了投影指标函数方法.并对上述三种决策方法建立了相应的算法,应用实例说明了文中提出的决策方法的合理性和有效性.为灰色决策理论与应用研究提供了新的思路.     

考虑概率分布的灰数排序方法

综合分析了模糊数学、随机概率及区间数等不确定性信息处理方法的优劣之处,提出用灰数来描述不确定性信息, 在考虑灰数的概率分布的基础上, 给出了灰数的新定义, 提出了灰数排序的可能度方法,并重点研究了离散灰数和区间灰数的排序规则, 在均匀分布情况下, 区间灰数将退化为区间数. 最后通过算例佐证所建立灰数排序方法的有效性.     

基于Choquet积分的区间灰数多属性决策方法

针对多属性决策中属性间的关联性对决策结果的影响,提出了基于区间灰数灰度和Choquet积分的区间灰数多属性决策方法。根据区间灰数灰度的定义,证明了区间灰数的灰度是一种灰测度,由此定义了关于区间灰数灰度的离散Choquet积分并证明其性质;依据各方案的综合属性值的方差最小的原则建立多目标优化模型,确定了各属性或属性集的权重,最后利用Choquet积分对各方案的效果评价向量进行集成。通过实例说明了该方法的有效性。     

连续型区间灰数排序的应用研究

针对连续型区间灰数间大小排序的问题,提出了一种连续型区间灰数排序方法。首先构建了区间灰数与实数间大小比较的点可能度函数,然后通过对区间灰数的标准化,在区间上对点可能度函数进行积分,并利用积分性质求解并给出了两个区间灰数间在六种不同位置关系下大小比较的可能度函数表达式。最后利用区间灰数的排序函数,对许昌市8家民营企业核心竞争力进行排序评价。结果表明,4家民营企业核心竞争力较强,2家民营企业核心竞争力一般,2家民营企业核心竞争较弱。加强企业的管理、创新企业的技术和提高企业家素质是增强民营企业核心竞争力的途径。     

基于核和灰度的区间灰数运算法则

区间灰数运算是灰色系统的理论基础,对灰色系统理论发展的影响举足轻重。首先给出了灰数“核”的定义,基于“核”和灰数灰度建立了区间灰数运算公理、运算法则和新的灰代数系统,并研究了运算性质。至此,灰数运算被转化为实数运算,区间灰数运算的难题在一定程度上得到解决。定义的区间灰数运算可以推广到以区间灰数为基本元素的灰色代数方程、灰色微分方程、灰色矩阵运算的情形,而且有助于由于受到区间灰数运算困难的制约一直进展缓慢的灰色投入产出和灰色规划等方面的研究。     

Prediction model of interval grey number based on DGM（1,1）

In grey system theory, the studies in the field of grey prediction model are focused on real number sequences, rather than grey number ones. Hereby, a prediction model based on interval grey number sequences is proposed. By mining the geometric features of interval grey number sequences on a two-dimensional surface, all the interval grey numbers are converted into real numbers by means of certain algorithm, and then the prediction model is established based on those real number sequences. The entire process avoids the algebraic operations of grey number, and the prediction problem of interval grey number is usefully solved. Ultimately, through an example’s program simulation, the validity and practicability of this novel model are verified.     

区间灰数的灰色变权与定权聚类模型

针对观测值为区间灰数的灰色聚类问题, 通过构建区间灰数集上的积分均值函数, 将实数域上单一观测值的白化权函数推广到观测值为区间灰数的情形, 并给出了上限、适中、下限测度白化权函数的区间灰数形式, 进而建立了区间灰数的灰色变权、定权聚类模型, 并开发了该模型的人机交互式界面软件. 最后将该模型应用于高校教师工作绩效评估, 说明了该方法的有效性和实用性.     

串并案指标体系广义区间灰数熵权重配置研究

串并案是指一个或者一伙罪犯所作的系列案件聚类成的案件集.在应急情景下、受害人、证人以及刑侦人员等对案情的描述具有多元异构性和不确定性特征,导致串并案信息具有多元不确定性的特点,而传统的多属性聚类决策方法对串并案研究有着一定的局限,因此本文根据串并案问题,对其指标体系的权重配置进行了深入研究.首先针对串并案信息的多元不确定性特点,提出在某一特定条件下所有不确定数均可统一转化为广义标准区间灰数,然后建立广义灰色相似度模型,测算属性指标以及整体案件的相似度,并构建串并案指标体系广义区间灰数熵客观权重配置模型,求解串并案指标的广义区间灰数熵权重.最后通过案例研究,证明了本文模型的合理性与可行性.     

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的, 提出了一种通过平滑性算子压缩随机振荡序列振幅, 提高序列光滑度的算法, 并在此基础上推导及建立随机振荡序列的灰色预测模型; 将该模型应用于多组随机振荡序列的模拟, 并与其他模型的模拟精度进行了比较, 结果表明, 新模型能显著提高随机振荡序列的模拟精度.     

基于多维关联抽样的区间数灰靶决策模型及其应用

传统区间数灰靶决策模型忽略了指标区间分布及指标间相关性对于方案优劣评价的重要影响,且赋权过程中存在一定的模糊误差.针对上述不足,本文提出了基于多维关联抽样的区间数灰靶决策模型,通过全面考虑指标空间边界及空间内部的多维联合概率密度分布情况,弱化了指标极值对于决策结果的影响;并引入模糊集值统计方法确定指标权重,将灰靶决策模型权重由实数序列拓展到区间数序列,减小了专家判定过程中的模糊误差.以潘口水库汛期运行水位抬升方案决策为研究案例,将改进模型与传统模型进行比较,结果表明,改进后的模型能够更有效地考虑区间内部数据特点及指标间的关联程度,区间数权重的设定也更合理客观.     

基于区间灰数的α-PROMETHEE方法研究及应用

运用灰色理论对决策信息通常为区间灰数的决策问题进行加工和扩展,建立了区间灰数可比较的原则及范数,提出了基于灰数不确定信息的α-PROMETHEE决策的表达及运算方法,实现了属性为区间灰数及区间灰数信息融合的多属性群决策的目的。     

三参数区间灰数排序及其在区间DEA效率评价中的应用

定义了三参数区间灰数与实数比较的相对优势度的概念,给出了两类典型的三参数区间灰数与实数比较的相对优势度的代数表达式。提出了一种基于相对优势度的三参数区间灰数的排序方法,并应用于变量为三参数区间灰数数据包络分析（data envelopment analysis,DEA）模型,用算例验证了其有效性。     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.