基于灰色-马尔可夫模型的国内游客总数预测

结合灰色模型在小样本下预测精度较高的优点和马尔可夫模型对随机波动数据处理结果较好的优点,以2004—2015年国内游客总数构建传统灰色GM(1,1)模型、无偏灰色GM(1,1)模型、灰色马尔可夫模型和无偏灰色马尔可夫模型,并对比2016—2018年国内游客总数的预测值与实际值.结果表明,灰色马尔可夫模型和无偏灰色马尔可夫模型相比于传统灰色GM(1,1)模型和无偏灰色GM(1,1)模型的平均相对误差分别提高了2.36个百分点和2.33个百分点,灰色模型结合马尔可夫模型后能够解决对随机波动数据的预测偏差,有效提高预测精度.     

内变量参数辨识的灰色电价预测模型

为了改善传统的电价预测灰色模型GM(1,1)的预测精度,提出一种内变量参数辨识的电价预测模型--PSOGM(1,1)模型.首先采用灰色微分方程建立模型内变量(发展系数、灰作用量、背景值权重系数、边值)与预测值之间的非线性内涵表达式,然后采用粒子群算法(PSO)对内变量参数进行辨识,得到问题的最优解,建立PSOGM(1,1)模型.与GM(1,1)模型相比较,PSOGM(1,1)模型具有较快的收敛速度和更好的预测精度.对北欧NORDPOOL电力市场历史电价数据的分析实验表明,PSOGM(1,1)模型的短期电价平均预测精度为94%,较已有的几种典型改进GM(1,1)模型预测精度提高了1%～3%.     

基于Newton-Cotes求积公式的GM(1,1)模型优化研究

通过GM(1,1)模型构建过程发现,背景值的构造方式是影响模型预测精度的主要因素之一。为了提高GM(1,1)模型的预测精度,从背景值的几何意义出发,依据数据序列生成指数规律建立灰色动态序列预测模型,结合数值积分理论中的三、四阶Newton-Cotes求积公式提出两种背景值改进方法。与此同时,就发展系数不同取值以及不同预测步数两种情形分析了改进方法的适用范围。实例结果表明,两种改进背景值后的GM(1,1)模型对预测精度有着显著提高,并且扩展了GM(1,1)模型的适用性。     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

一种基于灰色模型的数据预测优化算法

近些年来,灰色模型GM(1,1)被大量应用于小样本或穷信息的预测,操作与实现步骤简单,预测精度较高.为了进一步提高GM(1,1)的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变通常把灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GAGM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.通过算法的数值实验,结果表明优化算法的预测精度高于传统的GM(1,1)算法及多个基于GM(1,1)的改进算法.     

一种带有调节因子的背景值构造方法及在灰色系统建模中的应用

针对传统灰色GM（1,1）模型和已有的若干改进GM（1,1）模型在高增长指数序列建模时模型精度较低的问题,构造了一种带有调节因子λ的新背景值公式,提出了调节因子λ的优化方法,并应用于灰色系统建模中.大量的数字仿真表明：基于调节因子λ建立的新GM（1,1）模型,即使是在发展系数较高、且用于多步预测时精度仍然保持较高,它较传统GM（1,1）模型和已有的改进GM（1,1）Ⅰ,Ⅱ型均有显著地提高.     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

基于动态自适应PSO算法的GM(1,1)融合预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b是两个关键的参数,其对模型的预测精度有较大的影响.在分析GM建模原理和参数对模型精度影响的基础上,提出了一种基于动态自适应粒子群算法的灰色GM融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用改进的粒子群优化算法来求解模型的相关参数.实例分析表明:与传统的GM(1,1)模型相比,动态自适应粒子群优化算法与GM融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型更具优势.     

基于灰色理论的地下水水质预测

针对地下水水质难以预测的问题,运用灰色理论对地下水水质进行预测,并用Matlab语言编制了程序,通过对实例的计算,得到的预测值与实际值的对比,证明了该方法的可行性。同时评价了GM(1,1)模型与等维灰数递补模型对于非单调变化的地下水水质的预测精度。预测结果表明:在地下水水质非单调变化情况情况下,等维灰数递补模型的预测精度要优于常规灰色模型GM(1,1)。     

预应力管桩极限承载力的灰色预测

运用灰色系统理论中的GM(1,1)模型,对桩的不完全静载荷试验p-s曲线进行预测,可以很好地解决工程实践中如何根据未达到破坏试验资料确定预应力水泥混凝土管桩的极限承载力的问题,且具有可靠的精度。     

基于灰色理论预测再生混凝土的抗冻性寿命

运用灰色理论建立了在冻融循环条件下再生混凝土的动弹性模量GM(1,1)预测模型。根据已有的试验数据,基于GM(1,1)预测模型,预测其他冻融次数下再生混凝土的动弹性模量。再根据模型预测数据,预测实际自然情况下再生混凝土的抗冻性寿命。计算分析表明,GM(1,1)的抗冻性模型的方差比C均小于0.35,小误差概率p均大于0.95。根据试验数据推导出的预测模型精度高,可用于再生混凝土抗冻性能的动弹性模量预测和分析。当再生骨料掺量为60%时,再生混凝土的抗冻性能达到最佳。从宜昌地区来看,其抗冻使用寿命可达183年。     

基于灰色系统理论的煤矿瓦斯涌出量预测研究

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对矿井瓦斯涌出量进行预测预报。采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高。利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究,建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测。     

基于灰色突变理论的块裂岩质边坡崩塌时间预测

为了有效地预测块裂岩质边坡发生崩塌的时间,基于灰色理论和突变理论建立了灰色-突变预测模型.首先运用灰色理论对声发射监测数据进行处理,得到预测数据,运用最小二乘曲线拟合展开,再通过微分同胚变换,转换为尖点突变模型的基本形式,从而建立了灰色突变预测模型.最后采用该模型对贵毕公路k79+380～k79+500右边坡的崩塌时间进行了预测,预测结果和实际崩塌时间基本一致,表明该模型可以有效地预测块裂岩质边坡的崩塌.     

有机废物气化-焚烧处理尾气排放灰色预测模型研究

由于气化焚烧过程NOx 和SO2 产生机理的复杂性,利用动力学方程对其进行预测存在较大的困难,运用灰色理论及方法建立了固体废弃物气化-焚烧两段处理中NOx 、SO2 排放的灰色预测模型.以灰色理论GM(1,1)和GM(2,1)模型为基础,通过不同工况条件下固体废弃物的实验数据用灰色理论建立了相应的模型方程,对所建模型进行了误差检验.计算表明,所建模型的预测结果与实验值比较接近,能够很好地预测固体废弃物气化-焚烧两段处理中NOx 和SO2 排放特性.     

系统灰预测在货运周转量中的应用

在对重庆水运发展现状研究的基础上,建立了适合重庆水运货运周转量的系统灰预测模型,即GM(1,N)与GM(1,1)的嵌套模型,通过对实际数据的预测与比较,发现嵌套模型的预测精度明显优于普通的GM(1,1)模型。最后利用该嵌套模型对2010～2012年重庆水运的货运周转量进行了预测。     

煤岩界面预测灰模型

为提高煤岩界面记忆截割检测的自动化水平，基于灰建模改进方法，采用相同的初始数据序列，建立经典GM（1，1）、新数据CM（1，1）、新陈代谢GM（1，1）三种煤岩界面预测模型，并分析其数据残差和相对误差。结果表明，三种模型的残差和相对误差均随预测步数的增加而增大，新陈代谢GM（1，1）模型的残差和相对误差最小，模型精度较高，适用于煤岩界面预测。     

基于小样本的非等距加速应力试验寿命预测方法

对非等距灰色GM(1,1)模型作进一步的改进,给出了一种新的非等距GM(1,1)模型.该模型与传统的非等距模型生成方式不同,在数据生成处理时,不是直接利用原始数据进行建模预测,而是通过对原始数据取对数变换,作降幅平滑处理,然后再对背景值加权处理.背景值加权的权重不是传统的绝对距离,而是相对距离,可以有效地避免改变原始数据列的性质.实例表明,对于非等距加速应力试验寿命预测,改进后的模型与Arrhenius模型及传统的非等距GM(1,1)模型相比,具有更好的建模精度和较强的适应性.     

高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。     

基于灰色系统理论单桩竖向极限承载力的预测

根据不完全的竖向静载试验数据,利用灰色系统理论的GM(1,1)模型预测单桩的竖向极限承载力,并对结果的合理性及误差进行分析.工程实例分析表明,竖向静载试验所施加的荷载达到或超过极限荷载的四分之三时,利用其数据进行单桩竖向极限承载力的预测具有较高的精度.同时新信息GM(1,1)模型、新陈代谢GM(1,1)模型比老信息GM(1,1)模型预测的结果更精确.