基于合成灰数灰度的区间灰数自忆性预测模型

针对传统灰色预测模型解决灰数序列预测的局限性,为了提高预测精度,以考虑合成灰数灰度的区间灰数预测模型为基础,构建了基于合成灰数灰度的区间灰数自忆性耦合预测模型,结合动力系统自忆性原理克服了传统灰色预测模型对初值比较敏感的弱点。算例仿真以具饱和发展状态特征的区间灰数序列为对象,获得了满意的模拟预测精度,验证了所构建模型的有效性及优越性。研究结果表明,本文提出的新模型丰富和完善了区间灰数预测模型体系,并拓展了其应用范围。     

考虑合成灰数灰度性质的改进区间灰数预测模型

基于核和灰度的区间灰数预测模型,初步解决了区间灰数序列预测问题,但模型中灰度预测值的确定方法存在不足,且模型不支持误差分析。提出了合成灰数灰度的定义及其性质,据此分析了模型存在的问题,并建立灰度序列的预测模型实现灰度预测,以代替原有模型中灰度预测值的确定方法,从而改进和完善了原有区间灰数预测模型。改进模型从核和灰度两个方面同时发掘区间灰数序列的内蕴信息与发展趋势,克服了原有模型存在的不足,且支持误差分析和精度检验。算例表明了改进模型的有效性和可用性。     

Interval grey number sequence prediction by using non-homogenous exponential discrete grey forecasting model

This paper aims to study a new grey prediction approach and its solution for forecasting the main system variable whose accurate value could not be collected while the potential value set could be defined. Based on the traditional nonhomogenous discrete grey forecasting model(NDGM), the interval grey number and its algebra operations are redefined and combined with the NDGM model to construct a new interval grey number sequence prediction approach. The solving principle of the model is analyzed, the new accuracy evaluation indices, i.e. mean absolute percentage error of mean value sequence(MAPEM) and mean percent of interval sequence simulating value set covered(MPSVSC), are defined and, the procedure of the interval grey number sequence based the NDGM(IG-NDGM) is given out. Finally, a numerical case is used to test the modelling accuracy of the proposed model. Results show that the proposed approach could solve the interval grey number sequence prediction problem and it is much better than the traditional DGM(1,1) model and GM(1,1) model.     

Research on evaluations of several grey relational models adapt to grey relational axioms

Grey relational analysis is an important part of the grey systems theory, and it is the basis of the grey clustering analysis, grey decision-making and grey controlling. To research whether grey relational models satisfy the four grey relational theorems, several kinds of grey relational models are commented. Some problems including the properties of normality, pair symmetry and wholeness are discussed. The phenomenon that the lower value of almost each grey relational model is not equal to zero is proved. The contradiction problems between the properties of wholeness and pair symmetry are verified. Finally, several propositions are constructed to explain the above problems.     

基于灰预测的PTP协议改进方法

随着无线网络节点时钟同步需求的日益增加和实时性应用的增多,时钟同步的地位越来越突出,在改善用户体验、提高节点资源的使用率、提高系统稳定性等方面,时钟同步也有着重要意义。精确时钟同步协议(precision time protocol,PTP)广泛运用在时钟同步机制,然而,由于无线网络中存在随机不对称时延,使得PTP的精确度下降。尽管通过统计和估计的方法可以提高同步精度,但需要收集大量的样本,这将导致收敛速度减慢,对于资源有限的设备节点还会引发内存占用问题。首先给出了无线网络中节点之间时钟偏差的特性分析,然后提出了一种基于GM(1,1)的灰预测模型的快速时钟同步方法,该方法基于灰预测理论,灰理论是针对既无经验,数据又少的不确定问题。而对于资源有限的无线网络节点的时钟同步,不对称时延是不确定性的,同时样本很少,非常适合用灰理论进行时延估计。实验结果表明所提解决方案可以实现高精度的快速时钟同步。     

动态灰预测模型的缓冲适应性建模方法

提升对数据特征的适应能力是预测建模的关键问题之一.本文融合缓冲算子方法与灰色滚动预测模型构建适应性灰预测模型,即BARGM模型.该方法将原始序列拆分为连续的数据片段,利用缓冲算子和数据片段上的反馈信息调整变权系数.并用GM(1,1)的衍生模型对调整后的片段数据进行逐步建模和外推;缓冲适应性模型相对传统建模方法具有两个特点,即改变灰模型响应式形式的单一性、具有较强的智能化拓展能力:案例研究采用我国能源相关的温室气体排放数据进行建模测试与对比,建模结果显示拟合精度和预测精度均有明显提升,印证了缓冲适应性建模方法的有效性.     

广义灰色关联分析模型的统一表述及性质

系统地研究了初值化、始点零化和初值-始点零化三种关联序列算子的幂等、线性和仿射变换性质,给出了灰色关联接近性公理的数学定义,阐述了灰色关联度正定性、仿射性和仿射保序性的物理意义.揭示广义灰色关联度及其改进均是以序列插值曲线之间面积为基础进行构造的内涵,通过引入分辨系数,分别给出了广义灰色关联度和改进广义灰色关联度的统一表述形式,证明了分辨系数与关联序的独立性,研究了其正定性、平行性、一致性、仿射性、平行保序性、一致保序性、仿射保序性和适用性.     

初始值优化的离散灰色预测模型

针对经典GM(1,1)模型的不足,研究了离散GM(1,1)模型选取不同初始迭代点的模拟数据增长率特点.应用最优化技术求解初始迭代点,证明了改进的离散GM(1,1)模型能够完全模拟指数序列.提出了两类分段修正离散GM(1,1)模型,对建模机理进行了证明,并对改进模型进行了推广.结果表明,优化初始迭代点的分段修正离散GM(1,1)模型能够完全拟合分段等比序列.     

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。     

二阶非齐次序列的直接离散模型及灰色预测应用

本文不要白化微分方程和一次累加序列参与建模，提出了二阶非齐次序列的直接离散模型，研究了此模型的模拟预测公式及其性质.经实例验证该模型有可操作性，且有较高的模拟预测精度，同时由该模型递推形式的模拟预测公式出发，采用降阶（二阶降为一阶），化齐次（非齐次转化为齐次）等方法推导出了通项形式的模拟预测公式.该公式直观展示了适用本模型的序列基本形式：指数型序列、线性型序列、抛物线型序列、三次曲线型序列四类基本序列及两个不同底数的指数序列与线性序列三者的和差组合、一个指数序列与抛物线型序列的和差组合、一个指数序列与线性型序列的和差组合、线性型序列与指数型序列的乘积组合序列再与另一线性型序列的和差组合四类组合序列.从理论上证明了当序列严格遵循这些基本形式时，本模型能实现完全模拟，从而近似遵循这些基本形式时，必然有较高的模拟预测精度.     

基于改进灰色关联分析的仿真模型验证方法

为客观有效地进行仿真模型验证,降低灰色关联分析应用于模型验证的风险,构建了改进的灰色关联分析模型。分析了当前基于灰色关联分析的模型验证所存在的问题,针对仿真模型验证的特殊需要,综合考虑仿真模型输出和实际系统输出时间序列之间的相近性和相似性,提出了改进的灰色关联度模型,并证明了改进模型满足灰色关联四公理。最后通过实例的分析与比较验证了该模型的合理性和有效性。     

基于案例推理和灰色关联的直觉模糊决策分类模型

针对现有直觉模糊决策方法中指标权重的确定往往仅根据决策矩阵的数据而不考虑决策背景这一缺点,提出一种基于灰色关联和案例推理的分类模型.首先提出一种基于直觉模糊数的灰色关联公式,在此基础上构建基于案例推理的数学模型寻求最优权重以及分类半径,依据最优权重和分类半径对各个方案进行决策.本文提出的分类模型既考虑了专家的主观判断又根据决策矩阵数据,克服了上述缺点.最后通过案例说明了本文方法的合理性和可行性.     

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。     

基于灰色模型与LSTM网络的旋转机械轴承寿命预测

大型机械设备中旋转机械占到总量的80％,为及时掌握其工作状态,开展如何旋转机械轴承的寿命预测精度的仿真研究.首先,通过可靠性数值(confidential value,CV)量化评估工作状态;然后,利用数据变换和累加积分的方法优化数据平滑性与背景值来改进灰色模型;并与长短时记忆网络结合为新预测模型来预测系统工作状态;最...     

基于经验模态分解和灰色关联度分析的仿真模型验证方法

比较分析仿真输出与参考输出之间的差异是仿真模型验证的一种常用手段。为解决系统输出为非平稳快变数据的仿真模型验证问题,提出了基于经验模态分解和灰色关联分析的验证方法。首先采用经验模态分解方法将仿真输出和参考输出均分解为趋势项和平稳项两部分,然后从位置差异和外形差异两方面刻画趋势项之间的差异,用谱密度差异刻画平稳项之间的差异,再者采用熵权法确定各类差异的权重,最后基于灰色关联度分析综合三类差异得到验证结果。通过实例应用,验证了方法的有效性。     

灰色GM(1,1)派生模型病态性的差异分析

本文主要研究GM(1,1)六种不同派生模型的病态性.首先利用特征分析法和参数估计矩阵B~TB的条件数探讨了辨识参数系数矩阵的病态性情况,根据病态性程度对派生模型进行归类,进而分析了各类模型产生病态性的原因,并对具有病态性的派生模型采用向量变换法进行改进.在此基础上,比较了定义型与派生模型在建模机理、计算繁简程度等方面的差异.研究结果表明:1)派生模型b型、派生模型内涵型属于第一类即不存在病态性的模型;定义型、派生模型x~(1)型、离散型属于第二类即存在一般程度病态性的模型;派生模型x~(0)型、派生模型指数型属于第三类即具有严重病态的模型;2)与各类派生模型相比,定义型在建模机理、计算量的大小等方面有明显优势.最后,通过数值实例验证了分析结果的合理性.     

短期降雨预测的随机微分模型

在Nakita等的确定型短期降雨预测模型的基础上，利用随机微分方程理论。给出了预测降雨强度的随机模型．通过随机分析理论，求出了随机模型的解，同时研究了求解的近似数值方法和利用Fourier变换转化该随机降雨模型方程为常微分方程组的可行性．最后把文章提出的随机波动模型和NAk．klta提出的确定型短期预测模型运用到Nakita 1996年给出的降雨事件中进行预测和比较，效果良好．     

基于相似性和接近性视角的新型灰色关联分析模型

以笔者1992年提出的灰色绝对关联度模型为基础,构造出分别从相似性和接近性两个不同视角测度序列之间的相互关系和影响的灰色关联分析模型,并研究了灰色相似关联度和灰色接近关联度的计算及性质,最后给出一个算例.新模型克服了原模型存在的问题,更易于实际应用.相似关联度主要用于测度序列折线在几何形状上的相似程度;接近关联度用于测度序列折线在空间中的接近程度.需要说明的是,接近关联度仅适用于序列的意义、量纲完全相同的情形,当序列的意义、量纲不同时,研究其接近关联度没有意义.     

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.     

一类离散灰色预测模型的统一处理方法及应用

在加权最小二乘框架下构建了离散灰色预测模型DGMP(1,1,N),论证了最小均方误差准则、最小均方相对误差准则和最小平均绝对百分误差准则下的DGM(1,1)模型、NDGM(1,1)模型和NGM(1,1,k~α)模型均是DGMP(1,1,N)模型的特殊形式,给出了模型阶数N取值的判定准则,证明了模型的仿射变换不变性和无偏性.将DGMP(1,1,N)模型运用到人均能源生活消费量预测中,结果表明该模型具有高拟合和预测精度,验证了模型的可行性与有效性.