MGM(1,N)模型用于瓦斯涌出量预测

矿井瓦斯涌出量预测是新建矿井和改扩建矿井通风设计、安全管理、制定合理的瓦斯防治措施必不可少的重要环节。加强瓦斯涌出量预测方法研究,正确预测瓦斯涌出量,对改善我国煤矿安全生产状况具有积极的意义。在瓦斯涌出量预测中,瓦斯涌出量受多因素综合影响,且各个因素间相互影响、相互关联。文中提出一种新的矿井瓦斯涌出量预测方法——MGM(1,N)模型预测法。该方法综合考虑了瓦斯涌出量的各个影响因素,预测精度较高。其结果对煤矿安全生产具有指导意义。     

MGM(1,n)模型下的公交车运行时间预测

针对城市公交系统的复杂性和随机性,应用灰色理论建立了公交车运行时间的多变量灰色预测模型(MGM(1,n)),对晴天高峰时段、雨天高峰时段和平峰时段的公交车运行时间进行预测.预测结果表明:不同时段公交车运行时间预测的平均相对误差均在5%以内,模型精度等级符合预测要求.     

半参数GM(1,1)模型参数辨识及滑坡变形预测

针对利用传统GM(1,1)模型进行滑坡变形预测时存有较大的局限性及模型误差的问题,引入半参数理论对其进行改进.构建基于半参数模式的GM(1,1)滑坡预测模型,以补偿最小二乘为约束条件,对半参数GM(1,1)模型的灰参数a和b进行辨识;并对影响半参数模型求解的关键参数正则矩阵R和平滑参数α进行优选,最后将半参数GM(1,1)模型用于茅坪和古树屋滑坡变形预测.研究结果表明:基于半参数的GM(1,1)模型拟合精度较高,预测结果正确可靠,能够反映滑坡变形位移的发展趋势.     

MGM(1,n)模型在粉喷桩路基沉降预测中的应用

提出了一种预测公路复合地基工后沉降的新方法。首先,通过路基监测项目的灰色关联分析,优选影响路基沉降的相关预测变量,如道肩水平位移、孔隙水压力消散值及桩身应变等,在此基础上建立灰色多变量MGM(1,n)模型并给出相应的沉降预测方程。而后考虑监测数据序列的非等时间间隔影响,改进、完善此模型,使之能够对粉喷桩复合路基的沉降量进行准确预测。文中并给出应用实例,表明应用该法进行沉降预测,可以更全面地利用工程监测数据,更有效地预测路基工后沉降量。     

基于MGM(1,n)模型的异形拱桥拱肋空间线形灰色预测

结合灰色预测模型和异形拱桥拱肋空间线形控制的特点,利用灰色系统理论建立了针对异形拱桥拱肋空间线形灰色预测的MGM(1,2)模型,该模型考虑了轴线偏差和拱肋旋转因素.在给出MGM(1,n)模型的概念、求解方法的基础上,以Matlab为软件平台编制了相应的程序.以工程实例为背景的实验结果表明,异形拱桥拱肋空间线形MGM(1,2)模型的预测结果与实际测量结果具有很好的一致性,说明文中提出的异形拱桥拱肋空间线形MGM(1,2)模型是科学合理的.     

基于GM(1,N)模型的加固木柱承载力预测

在7根木柱加固试验数据的基础上,利用GM(1,N)模型建立了加固木柱承载力的预测模型.通过实例分析预测结果表明,该模型预测结果与试验数据吻合较好,由驱动系数得出各影响因素的影响大小和趋势.提出的预测模型可应用于木柱加固工程分析和设计.     

基于GM(1,N)改进模型的瓦斯水合物相平衡预测

研究瓦斯水合物相平衡的条件是实现瓦斯水合物储运技术的关键.利用水合物相平衡测定装置得到的动态相平衡数据,采用基于残差修复的灰色残差GM(1,N)模型的数据修复方法,建立残差GM(1,N)模型.以瓦斯水合物相平衡压力值为研究对象,以水合物相平衡温度值为参数列,采用灰色GM(1,N)理论,建立组分((φ))为CH455％、C2H610％、C3H810％、CO22％、N223％的瓦斯气样在不同温度条件下的压力值预测模型.结果表明:基于残差GM(1,N)模型的数据修复算法更加有效、可靠,并且具有良好的实用性,明显提高了灰色预测模型的预测精度,为瓦斯水合物相平衡研究提供了准确的数据支持,具有一定的应用价值和实际意义.     

建筑沉降变形的半参数GM(1,1)模型研究

针对传统GM(1,1)模型背景值的缺陷和未知模型误差对预测精度的影响,提出半参数补偿及背景值优化GM(1,1)模型。通过分析传统GM(1,1)模型、背景值优化GM(1,1)模型以及本文模型的精度,结果显示,模型残差标准差比传统GM(1,1)模型小1.13,平均绝对误差小0.62 mm,平均相对残差小1.45%,且其各项指标均显示本文模型的预测精度有所提高。     

基于 GM(1,N)-Prophet组合模型的电商行业销售预测研究

[目的/意义]电商平台行业预测受到诸多因素的影响,预测结果的准确性对其促销策略的制定具有重要意义.[方法/过程]以京东电商平台办公行业成交金额作为预测对象,通过灰色关联分析找出关键影响因素,采用GM(1,N)进行销售预测,并对结果误差进行分析;再引入Prophet时间序列模型进行优化,最后对优化结果进行对比分析.[结果...     

GM(1,N)模型在工程建筑物变形分析中的应用

针对工程建筑物变形中存在的变形因素复杂、变形大小不确定性、点位间主次关系不明确等情形,将灰色系统中的多维GM(1,N)模型引入到工程建筑物变形监测分析中进行多点分析,研究工程建筑物的变形规律,合理预测未来的变形趋势。利用关联分析方法确定有效因子,综合分析系统受不同监测点影响的因素,通过工程实例进行了分析、建模和验证,建立了相应的GM(1,2)或GM(1,3)模型,提高了模型精度,为工程建筑变形分析提供了有效的分析方法和手段。     

基于灰色GM (1, 1)模型的商品房销售价格预测

针对如何预测商品房平均销售价格问题,基于2006～2016年广州市商品房平均销售价格的数据,通过引入二阶弱化缓冲算子减少冲击波干扰对研究对象的影响,进而建立灰色GM(1,1)模型并对模型进行了相关检验,结果表明,灰色模型的精度等级均为一级,预测效果很好,能够真实的反应广州市商品房价格的动态变化趋势,对政府管理部门、房地产企业制定决策以及房地产市场行情预测提供了科学的依据.根据所得模型对广州市未来五年商品房销售价格进行了预测.     

GM(1,N)模型在我国生猪价格指数预测中的应用

通过分析影响我国生猪价格指数的主要因素,以2003-2016年的我国生猪价格指数历史数据为样本构建了多因素灰色GM(1,4)模型,然后利用所构建的灰色GM(1,4)模型对2017-2019年我国生猪价格指数进行预测,预测结果的平均相对误差绝对值为3%,预测效果良好,故可用于短期内对我国未来生猪价格指数进行预测.     

基于GM(0,N)模型的煤自然发火期预测

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.     

GM(1,1)和GM(1,N)模型在GDP预测中的应用比较

本文先用灰色GM(1,1)模型对陕西省GDP做预测,经过检验,再用此模型确定另外一些未知指标,最后通过确定的这些指标用灰色GM(1,N)模型作预测,通过比较总结两种模型各自的特点,从而科学的指导陕西省经济发展,国内生产总值预测模型具有重要的现实意义。     

一种优化组合的GM(1,N)模型

针对GM(1,N)模型在模拟与预测方面的不足,提出了GM(1,N)模型的一种优化组合方式.第一步是在原GM(1,N)模型灰微分方程上添加一个扰动因素,然后利用优化的背景值确定相应的新参数;第二步利用“最小二乘法”得到模型白化方程近似解中新的初始条件,进而得到一种新的GM(1,N)模型的模拟表达式实例验证表明,新GM(1,N)模型的适用范围明显拓宽,而且模拟和预测精度均大大提高.     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

一类离散多变量MGM(1,m)预测模型优化

针对相互影响的多变量序列的预测问题,探讨了原始MGM(1,m)模型和灰色离散模型的建模机理,提出一类离散多变量MGM(1,m)的优化模型,由推导可得该模型是灰色离散模型的一般形式.该模型通过求解线性方程组直接对多变量进行模拟和预测,有效避免了白化方程和微分方程转化带来的误差.实例表明,该模型的预测精度较传统MGM(1,m)模型有显著提高,拓宽了多变量灰色预测模型的应用范围.     

中国能耗的GM(1,N)模型及模型评价

应用灰色理论建立了中国能源消耗量的残差修正模型 ,并对已有数据资料及预测结果进行统计分析检验。结果表明 ,模型具有较高的可信度和精确度 ;同时 ,随着原始数据的不断变化 ,可对模型及时进行调整和修正 ,表明模型具有较强的适应性。     

基于扰动因子GM(1,N)模型优化算法及其应用

基于Simpson公式的GM(1,N)建模的算法不能更改参数的缺点,提出了基于扰动因子改进Simpson GM(1,N)模型。通过扰动因子变化影响参数值,以达到特征因素的最优预测值。依据平均相对误差指标对一些时间序列数据进行了不同模型的实证分析和比较,得到本算法的拟合精度比原有算法有明显的改进,从而验证了该算法对一些时间序列的有效性。所提出的新算法是GM(1,N)模型进行预测时值得尝试的一个方法,对GM(1,N)预测模型的合理应用具有一定的现实意义。     

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为：乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM（1,5）预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM（1,5）模型的残差进行修正,以便改善预测精度。实例结果：事后检验阶段GM（1,5）模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。