缓冲算子的光滑性

针对人们对缓冲算子提高建模精度原因的认识误区,提出了缓冲算子光滑性的概念,给出了缓冲算子能否提高序列光滑性的判别条件,分别研究了弱化缓冲算子和强化缓冲算子的光滑特性,并以实例加以验证.结果表明,弱化缓冲算子一定可以提高序列光滑性;而强化缓冲算子却在降低序列光滑性的同时提高了预测精度.提高序列的光滑性和消除冲击扰动因素的影响是提高灰建模精度的两个不同方面,对于稳定系统,序列光滑性是影响建模精度的主要因素,而对于冲击扰动系统,影响建模精度的主要因素是系统的冲击扰动.     

季节性弱化缓冲算子的构造与应用EI北大核心CSCDCSSCI

针对现有弱化缓冲算子不能有效处理季节性冲击扰动系统的建模预测问题,本文构造了两类季节性弱化缓冲算子,分别为季节性平均弱化缓冲算子和季节性全信息变权弱化缓冲算子.在此基础上,本文进一步探讨了季节性弱化缓冲算子的缓冲强度与光滑性,发现二者均优于该季节算子所对应的经典缓冲算子.最后,本文基于灰狼算法给出了季节性全信息变权缓冲算子的权重优化方案,并以第二产业季度增加值数据为例证实了季节性缓冲算子的有效性.预测结果表明:对于受冲击扰动的季节性时序数据,本文提出的季节性缓冲算子的适应能力和预测精度显著优于经典缓冲算子;进一步与SARIMA和EMD-ARIMA模型的比较发现,两类季节性缓冲算子的预测精度与EMD-ARIMA模型相当,三者的平均预测相对误差均在3%左右,而SARIMA模型的平均预测误差则高达15.65%.     

基于新弱化算子的GM(1,1)建模精度分析

改进数据序列的光滑度是提高GM(1, 1)预测精度的有效方式之一.在对现有弱化缓冲算子深入分析的基础上,根据缓冲算子公理以及新信息优先利用原理,构建了一类新的弱化缓冲算子, 同时从理论上给予了证明,有效地解决了冲击扰动数据序列在建模预测中常常出现的定量预测结果与定性分析结论不符的问题.数值分析验证了这类新弱化算子的有效性.     

多维灰色模型阶数差异性优化与结构拓展研究

当前多维灰色预测模型对因变量和自变量取相同阶数进行建模,忽略了不同变量数据特征及物理属性之间的差异,导致了模型性能稳定性较差.为此,文章对因变量与自变量阶数进行差异性定义与优化,并引入非线性修正项以拓展模型灰信息结构,在此基础上构建了一种新的多维灰色预测模型.利用该模型对油气管道腐蚀速率进行模拟与预测,结果显示其综合误差(0.321%)优于其它三种主流多维灰色预测模型(3.035%, 2.212%和0.755%),实现了对油气管道腐蚀速率的有效建模.本研究改善了阶数对序列数据的预处理效果和对数据特征的挖掘能力,对提升多维灰色预测模型的建模能力具有积极意义.     

特征自适应型GM(1,1)模型及对中国交通污染排放量的预测建模

兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM(1,1)模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM(1,1)模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM(1,1)和CAGM(1,1)模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.     

弱化缓冲算子对GM(1,1)模型的预测效应及适用性

在GM（1,1）模型预测中,缓冲算子能有效处理含有冲击扰动因素的原始数据,改善模型的预测效果. 本文在系统分析缓冲算子对GM（1,1）预测作用过程的基础上,提出了GM（1,1）模型的预测效应以及缓冲算子适用性的评价准则. 选用典型的6种弱化缓冲算子对河南粮食产量数据分长序列、宽间距序列和短序列三种情况进行了模拟计算分析. 确立了不同算子对GM（1,1）模型预测产生的效应及其适用范围,并选用具有类似特征的其他数据序列验证了研究结果的有效性.     

一种基于数据融合的新型GM(1,1)建模研究

基于灰色理论和自适应数据融合技术的研究,提出一种基于自适应数据融合的新型灰预测GM(1,1)模型,并对整个建模过程进行了理论推导。该方法利用自适应数据融合以及累加再生成操作来提高非平稳时间序列的光滑度,从而减少样本序列的随机性,提高重构背景值的精确性以及灰预测GM(1,1)模型的拟合精度和预测精度。最后通过该方法对液浮陀螺仪零漂进行建模仿真,结果表明该方法辨识精度高,优于一般平均值法和灰预测方法,具有良好的应用价值。     

基于单调函数的若干实用强化缓冲算子的构造

在灰色系统缓冲算子公理体系下,构造了2类新强化缓冲算子,并将其与谢氏强化缓冲算子进行比较,论证了谢氏强化缓冲算子为新算子的特例,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.     

季节波动数据特征提取与分数阶灰色预测建模

季节性波动数据具有长期趋势性、季节波动性与局部随机振荡性等复杂特征,这给其预测模型的合理构建造成了难度.文章首先通过排序函数f(x_ik)挖掘季节波动数据中相关元素的序位关系及其演变规律,实现了季节波动数据的特征提取及驱动项的构造.然后通过构建分数阶多变量灰色预测模型FMGM(1,N),实现了其累加阶数从正整数到全体实数的拓展与优化.最后,将FMGM(1,N)应用于具有季节波动性特征的我国GDP月度数据的拟合与预测,建模结果显示其模拟和预测精度优于当前主流的单变量及多变量灰色预测模型、非线性回归模型、Arima模型及智能建模方法(support vector machine,SVM;long short-term memory,LSTM).本研究成果为研究季节波动性数据提供了一种新的预测建模方法,对丰富和完善预测模型方法体系具有积极意义.     

灰色微分动态多变量预测模型及其应用

针对数据驱动建模方法在表征系统特性时的不足,提出了灰色微分动态多变量预测模型.新模型将系统特性的行为序列与影响序列用于建模,增强了系统动态性和非线性性;同时运用最小二乘原理获得模型参数估计式,利用拉普拉斯变换推导模型的近似时间响应式.在此基础上,将新模型应用于欧洲货币联盟、中东与北非及撒哈拉以南非洲三个典型地区的碳排放量预测,应用实例表明:灰色微分动态多变量预测模型预测效果优于其它三种经典的灰色预测模型,能有效预测三个地区未来五年的碳排放量.与此同时说明新模型能够更好地描述多因素系统动态性问题,从而有效地提升传统灰色多变量模型的建模精度.     

基于核和灰度的灰色马尔可夫预测模型及应用

在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,提出基于核和灰度的灰色马尔可夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测;又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,在此基础上用马尔可夫预测模型修正预测结果。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。     

基于串联灰色神经网络的电力负荷预测方法

为了提高电力负荷预测的精度,分析现有人工神经网络和灰色预测方法各自的优缺点,将二者相结合提出了一种串联灰色神经网络预测方法.新方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,同时避免了灰色预测方法存在的理论误差.最后实际算例证明了方法的有效性.方法适用于中长期负荷预测.     

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.     

缓冲算子是否新信息优先的判别方法

考虑到新信息优先原理在灰色系统理论中的重要性,本文提出一种判别缓冲算子是否新信息优先的方法.利用线性最小二乘问题的扰动理论证明了常用的强化缓冲算子未能体现新数据的优先性,反而体现了老数据的优先性.即在扰动相等的情况下,越新的数据发生扰动,参数估计值的扰动界越小;越老的数据发生扰动,参数估计值的扰动界越大.实例表明了本判别方法的实用性.     

新的强化缓冲算子的构造及其应用

在灰色系统理论缓冲算子公理体系下,基于时间序列的平均发展速度构造了一类新的强化缓冲算子,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算子的有效性和实用性.     

Grey Markov chain and its application in drift prediction model of FOGs

1.INTRODUCTION Sincetheinterferometricfiberopticalgyroscope(FOG)wasfirstproposedbyAmericanUtahUniver sityin1976,ithasbeenattractingalotofscientific andtechnicalinterestsinsteadofthespinningwheel mechanicalgyroforitcanprovideuniqueadvantages.Withtheextensionofresearch,peoplehavebecome acquaintedwithnoisesandbiasdrifts,whichinduce non negligibleerrorsintheoutputofFOGs.The hugeeffortsontechnique,whichweredevotedtothe developmentoflow noiseandlow driftFOGsmainly basedonmaterials,machining…     

灰色离散Verhulst模型

针对传统灰色Verhulst模型适应性不强的情况,借鉴离散化思想,通过对原始数据序列进行倒数生成,建立了灰色离散Verhulst模型。灰色离散Verhulst模型充分考虑了数据序列的准指数规律,实现了从连续形式向离散形式的转变,消除了传统灰色Verhulst模型由微分方程直接跳到差分方程所产生的误差。同时给出了两种初始条件下的灰色离散Verhulst模型的预测公式,有效地解决了传统灰色Verhulst模型预测稳定性差的问题。实例分析表明,灰色离散Verhulst模型能够显著提高模拟和预测效果。     

基于强“奖优罚劣”算子的多指标灰靶决策模型

对多指标灰靶决策模型进行了研究。提出了对三种类型指标进行标准化处理的强“奖优罚劣”算子,相较于原有的线性的“奖优罚劣”算子,这种非线性算子进一步加大标准化后同指标各方案的数据的区分度,从而可以提高决策质量。以各方案靶心距平方和最小为目标建立了优化模型,并使用拉格朗日函数求解来得到各指标权重,并以此为基础构建了灰靶决策模型。最后,以实例说明了基于强“奖优罚劣”算子灰靶决策模型的合理性及算法的有效性。