基于改进指数平滑法的岩体边坡变形预测

结合VisualBasic.NET编程技术提出了二次和三次指数平滑预测模型参数α的优化改进方法,建立了参数最优的二次和三次指数平滑法预测模型.基于锦屏一级水电站左岸高边坡工程部分监测数据,应用指数平滑法基本原理建立二次指数平滑法和三次指数平滑法预测模型,并应用该模型对左岸高边坡某工程部位监测位移等变形物理量进行预测预报分析,结果表明,改进的预测模型预测结果准确有效,与后期实际监测位移比较误差较小.     

自适应动态三次指数平滑法在交通预测中的应用

针对传统三次指数平滑法预测模型中平滑系数固定不变、难以跟踪时间序列随时间变化的因素、无法反应不同时间段历史数据对预测结果的影响等缺点,提出了一种改进的动态三次指数平滑法.该方法通过误差平方、最小原则和地毯式搜索算法来获得动态调整的平滑因子,对波动范围较大且呈非线性变化规律的数据有很强的适应性.将自适应动态三次指数平滑法与SARIMA模型、三次指数平滑法进行对比,由铁路旅客发送量的仿真实例分析结果可知,自适应动态三次指数平滑法能更好地适应时间序列的变化趋势,具有良好的预测精度.     

改进的季节性指数平滑法预测空调负荷分析

根据空调日总负荷和日平均气温之间的较强相关性,对经典的季节性指数平滑法预测模型中的水平因子项进行修正,并去掉趋势因子项,得到了改进的季节性指数平滑预测模型.以上海某医学中心空调系统作为该空调负荷预测模型的应用实例,在整个预测期内模型平均预测误差为8.8%.这表明改进的季节性指数平滑法适合于办公类建筑空调负荷的预测.     

道路交通事故的三次指数平滑预测法

为准确预测道路交通事故死亡人数和有效解决道路交通安全问题,以中国2001~2012年交通事故死亡人数的统计数据为研究对象,首先,采用三次指数平滑法,建立三次指数交通事故预测模型,对道路交通事故数据进行拟合与预测分析,绘制了中国道路交通事故的未来发展趋势图;然后,通过与一次指数平滑法、二次指数平滑法进行对比分析,得出了三次指数平滑法预测精度较高,预测值与实际值相符合的结论;最后,预测出2013年和2014年的道路交通事故死亡人数.研究结果表明:三次指数平滑法预测模型适用于短期预测,对有效预测道路交通事故具有一定的参考价值和指导意义.     

几种预测模型在建筑物沉降预报中的对比分析

本文以曲线拟合 ,指数平滑和灰色预测模型 [GM( 1 ,1 ) ],对建筑物沉降变形观测数据进行分析预测 ,并结合实例对三种模型预测结果进行对比分析 ,得出有一定参考价值的结论     

新能源电动车销量预测模型的应用

随着新能源电动车(乘用车)的使用越来越普及,对其销售预测的研究尤为重要。首先采用指数平滑预测方法对其进行销量预测;考虑到新能源电动车销售量呈现季节性变化,将季节变动指数融入灰色预测中,给出了基于季节变动指数改进的灰色预测模型;为了进一步提高预测精度,引入IOWA算子,将指数平滑预测与改进的灰色预测相组合,给出了基于IOWA算子的组合预测模型;最后通过实例仿真验证了模型的可行性和有效性,为发展新能源汽车提供基础资料。     

组合模型在深圳港货物吞吐量预测中的应用

根据深圳港货物吞吐量的历史数据,分别利用时间序列的三次指数平滑法、GM(1,1)灰色预测模型法以及组合预测法对深圳港货物吞吐量进行探讨,并对未来几年深圳港货物吞吐量进行预测.结果表明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差的绝对值,都小于单独用三次指数平滑法或GM(1,1)灰色预测模型法时的平均绝对误差、平均相对误差的绝对值,可以降低误差,提高预测精度.     

基于三次指数平滑的云南学龄儿童人数预测研究

构建科学、准确的学龄儿童人数预测模型,对合理规划小学学校数量,制定小学教师招聘计划,制定人口政策具有一定的参考价值。根据预测误差平方和最小原则,利用Matlab循环语句命令编程,设定平滑系数α的一个精度,从0α1的所有值中选择最优α,研究发现利用该法建立的三次指数平滑模型在学龄儿童人数预测方面有较好的预测效果;在此基础上利用马尔科夫预测法,对三次指数平滑模型预测结果进行修正,弥补了因随机波动性导致的预测误差偏大的情形;通过对这两个模型预测结果的对比分析,表明三次指数平滑-马尔科夫模型的预测效果比单独利用三次指数平滑模型的效果有较大改善。     

客运交通量预测模型构建与分析

客运量预测是在客运市场调查的基础上以及历年的客运统计数据为依据,采用科学的方法和手段,对未来一定时期内客运量的需求的变化趋势以及与之相关的各种因素的变化的影响进行分析、测算并做出预见和判断.通过对公交票价和市区人口数以及市区自行车保有量数据进行分析,利用多元线性回归方法建立了城市客运量的预测模型.其次又运用二次指数平滑法对某市下一年的客运量做出了科学的预测,同时建立客运量预测模型.并对两种预测模型的精度进行了比较,将两种预测模型下的拟合值与实际值进行了对比,进一步检验了模型的应用.     

高速公路月度交通量ARIMA预测模型

为避免传统预测方法误差率较大的缺陷,在考虑高速公路月度交通量季节性周期特点的基础上,构建了ARIMA预测模型,并对ARIMA模型识别、模型检验和模型预测进行了系统分析,并应用于某高速公路进行月度交通量预测。应用结果表明:模型预测综合误差率为5.45%,低于灰色模型35.43%的误差率,低于三次指数平滑法的5.65%误差率;ARIMA预测模型能更好地适应于高速公路月度交通量预测。     

灰色无偏GM(1,1)模型在生活能源电力消费量预测中的应用

利用2000-2005年全国生活能源电力消费量统计数据,建立了一个电力消费量预测的灰色无偏GM(1,1)模型.模拟结果表明:灰色无偏GM(1,1)模型比较合理地反应了生活能源中电力的消费趋势,并且预测精度较高、误差较小,为电力消费量预测提供了一个科学而有效的方法.     

基于灰色理论的蓄电池容量预测

为进一步满足电力、通信、铁路、交通管理等系统对直流电源可靠性的要求,加强对蓄电池组的在线监测及容量预测评估,针对蓄电池容量存在随温度等外部条件而产生周期性变化的特点,提出了实时在线、新陈代谢GM(1,1)预测模型,研究了GM(1,1)模型的建模方法及误差精度检测与评定方法.计算机实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现蓄电池容量的早期预测评估.     

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.     

组合模型在港口集装箱吞吐量预测中的应用

根据某港的集装箱吞吐量的历史数据,分别利用时间序列的三次指数平滑法、改进的GM(1,1)残差模型以及组合预测方法对某港的集装箱吞吐量进行了探讨,并对未来几年某港集装箱吞吐量进行了预测.结果证明:组合预测模型融合了前两种预测方法的优点,其平均绝对误差、平均相对误差绝对值以及误差的标准差分别为4.5208,0.0343,49.5161,都小于单独用三次指数平滑法或改进的GM(1,1)残差模型时的平均绝对误差、平均相对误差绝对值以及误差的标准差,达到最优的精度等级.     

路面使用性能预测与统计分析

提出用重构背景值的GM(1,1)模型对路面使用性能试验数据进行预测,新的背景值计算公式的显著特点是使GM(1,1)模型具有对建模结果进行优化的能力,能获得最佳的拟合和预测精度。将获得的预测序列进行统计分析,为路面性能预测评价提供参考依据。实例计算结果说明,将重构背景值的GM(1,1)模型用于路面使用性能试验数据预测有很高的精度,为有效缩短试验时间提供了一个值得探讨的方法。同时从统计分析中可知,对数正态分布模型更适合于弯沉指标。     

基于优化的GM(1,1)模型在我国人口预测中的应用

GM(1,1)预测模型一直是灰色系统理论研究者关注的热点.在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化函数的时间响应函数中的常数c,摒弃了传统GM(1,1)把原始序列x(0)(1)作为初始条件的做法,从而构建了GM(1,1)的优化模型.最后,以我国人口总数的预测为例,进行两类预测模型的模拟精度比较,并进行了预测,得到优化的GM(1,1)模型进行预测得到的精度较高.     

中心逼近优化GM(1,1)模型及其在数控系统故障诊断中的应用

数控机床的数控系统的可靠性对数控机床质量起着非常重要的作用 .由于故障信息量较少 ,对其故障做出合理的预测 ,就具有重要的实践意义和理论价值 .灰色系统理论是研究贫乏信息的科学理论 ,具有广泛的适应性 .本文介绍了中心逼近优化灰色GM( 1,1)模型的建模方法 .应用该模型对数控机床数控故障的预测进行应用 ,效果令人满意 ,它为数控机床故障预测提供了科学而合理的新方法 ,值得推广使用     

灰色系统非线性回归电力负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差。针对这一缺陷,提出了一种改进的基于灰色系统的非线性回归预测模型。将非线性回归与GM(1,1)模型二者的优点相结合,利用GM(1,1)模型计算参数初始值,进而对其进行非线性回归分析预测电力负荷值。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

非等间距GM(1,1)组合预测模型

根据灰色模型建模特点,利用等维灰色递补动态预测模型的方法建立了非等间距GM(1,1)预测模型。基于这些GM(1,1)预测模型给出了一类非等间距GM(1,1)组合预测方法。实例表明结果理想可靠,有较高的拟合和预测精度。     

基于归一化的非等距灰色预测模型

本文提出了一类基于归一化映射的非等距灰色预测GM(1,1)模型,利用定积分得到了背景值的计算公式,弥补了传统的等时距和非等间距GM(1,1)预测模型的不足,提高了灰色预测的精度。实例表明结果理想可靠,有较好的实际意义。