基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

无检测器交叉口交通流量预测的灰色神经网络模型

为解决一般预测方法要求原始数据量较大,而无检测器交叉口获得的交通流量数据又非常有限的矛盾,提出了一种基于灰色神经网络的无检测器交叉口交通流量预测方法。通过选择不同长度的历史数据构建不同的灰色预测模型,对于不同灰色预测模型得到的预测结果再使用神经网络进行组合,该方法综合了GM预测所需原始数据少、方法简单,而神经网络具有非线性拟合能力的特点。以107国道新市站2002年观测的交通流量作为原始数据,采用灰色神经网络进行时交通流量预测,结果表明了该方法是有效可行的。     

基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型研究

建立了航材消耗的灰色系统预测模型与神经网络预测模型，同时给出了一种新的具有广泛代表性的组合预测模型－－广义加权函数平均组合预测模型及其加权系数的参数估计方法，并利用此方法建立了基于灰色系统与神经网络的航材消耗广义加权函数平均组合预测模型，最后以实例说明了其预测效果。     

基于灰色关联分析的神经网络模型

在BP神经网络算法的基础上,针对在多变量复杂系统建模过程中BP网络输入变量无法自动寻优的问题,将其与灰色关联分析方法结合,建立基于灰色关联分析的神经网络优化算法(GM-BPANN).并且使用中国粮食产量预测的数据,与逐步回归方法和灰色GM(1, N )模型方法进行了比较检验.结果表明,新模型通过灰色关联度的计算,可以全面、广泛地对大量的输入变量进行处理,而不必经过专门的主观筛选,从而增强了BP网络的适应能力, 同时能够得到较好的预测精度和稳定性.     

用神经网络组合预测法估算反舰导弹研制费用

运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先分别利用神经网络和回归分析方法对导弹研制费用进行估算 ,然后利用BP网络对所得结果进行组合预测。计算实例表明 ,使用BP神经网络组合预测方法所得的预测结果比单一使用神经网络或回归分析方法所得结果总体误差要小 ,因而该方法是可行的、有效的。     

用神经网络组合预测法估算反舰导弹研制费用

运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先利用回归分析法建立三元线性回归模型对导弹研制费用进行估算,然后利用3层前馈型BP神经网络对导弹研制费用进行估算,最后利用人工神经网络中的BP网络对所得结果进行组合预测。计算实例表明,使用该组合预测方法所得的预测结果比单使用神经网络或回归分析方法所得结果的总体误差要小,因而该方法是可行而有效的。     

基于灰色RBF神经网络的炼钢煤气消耗预测

煤气消耗预测是钢铁企业中能源管理重要组成部分之一,以炼钢过程煤气消耗为研究对象,将灰色理论与径向基函数（RBF）神经网络进行组合,建立了基于灰色RBF神经网络的炼钢煤气消耗预测模型,利用灰色理论累加求和特性对样本数据进行预处理,减小了数据的随机性,增强了数据变化的规律;利用RBF神经网络逼近这种数据变化的规律,通过预测误差,动态调整RBF神经网络的结构,使得预测误差在允许的范围内。通过仿真表明,提出的模型预测精度较BP神经网络预测精度高,均方差为2．02％,     

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.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

住宅市场需求的组合预测

将组合预测方法引入住宅市场需求预测,以实例具体介绍了组合预测的应用过程,实例中采用了神经网络、灰色模型等预测方法的组合体系,对当前环境下的住宅市场需求预测进行了有益的探索。     

基于灰色组合模型的校准间隔优化仿真

针对测量仪器校准间隔的优化问题,分析了历史校准数据的特征,描述了校准数据动态发展的数学模型,提出一种灰色组合模型进行校准间隔的预测仿真。灰色组合模型的思想是:采用灰色GM(1,1)模型预测历史校准数据序列的趋势性成分,同时引入AR模型、BP人工神经网络模型和马尔可夫模型三者的组合模型预测随机性成分。仿真实验表明:灰色组合模型适应了校准数据小样本、非线性的特点,适合用于校准间隔的预测仿真。     

灰色人工神经网络模型及其在径流短期预报中的应用

降雨-径流过程的非线性问题早已被广大水文学者所注意, 广大水文学者分别基于实验方法、水动力学方法以及系统识别方法研究水文非线性模拟及预报问题。本文另辟溪径, 结合“人工神经网络模型”与“信息论”中的编码、译码, 提出一种灰色人工神经网络模型, 并就其在径流短期预报中的应用进行了初步的探讨。     

基于神经网络集成系统的股市预测模型

基于神经网络集成理论,建立股市预测模型.其中分别建立"基本数据模型"、"技术指标模型"和"宏观分析模型",最后以简单平均生成集成系统.实证分析表明,股市预测神经网络集成系统的泛化能力高于各个独立的模型,从而使模型具有更好的稳健性和更好的应用价值.     

Grey System Forecast for Firing Accuracy of Gun

0　 ForwordEvaluating and forecasting the firing result of gun is a subject studied by the gunnery.Firing accuracy has an effecton the firing resultin future directly.Therefore,according tothe performance of firing system,which have been practiced many times in actual firingbefore,proceeding from the factors thataffect on firing accuracy,to forecastthe future isvery necessary. Notonly can itprovide the scientific basis forimproving the performace ofgun and it has also a great significance for …     

灰色GM(2)模型

对灰色建模的机理及缺陷进行了讨论及分析． 对于变化幅度较大的序列, 建立了新的预测模型, 为实际应用提供了切实可行的方法．     

灰色-时序组合预测模型及其在年降水量预测中的应用

年降水量的中长期预测对于农业、水利、减灾等行业来说非常重要,但准确的预测又很困难。本文提出了灰色－时序组合预测法,并利用北京市大兴县黄村气象站３５年的降雨量资料进行了验证,精度达到Ｉ级水平。此项预测技术也可用于其他既具有摆动又有一定趋势对象的模拟和预测。     

空气环境质量模糊综合评价及趋势灰色预测

基于空气环境质量评价和趋势预测中的不确定性 ,提出空气环境质量的模糊综合评价方法和趋势灰色预测方法 ,在泰安市空气环境质量的评价和预测中得到较好应用.     

基于自适应神经网络的边坡位移预测

通过对边坡位移历史数据序列进行特征分析 ,计算出饱和嵌入维数和最大 Lyapunov指数 ,给出了边坡位移的最大可预报时间尺度。在此基础上 ,确定了神经网络的输入节点数 ,建立了基于自适应神经网络的边坡位移预报方法 .通过对三峡升船机高边坡和新滩滑坡实际位移数据进行预测 ,结果令人满意 .这对于建立边坡位移的实时监测 -预警系统有重要意义.