基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

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%。     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

带阶跃趋势的GM（1,1）及其在电力负荷中的应用

提出了一种带有阶跃趋势的改进型GM（1,1）模型,这种改进的灰色模型能够更好地适应带阶趋势的序列数据。同时该模型参数计算量大为减少,通过电力负荷实例的分析表明,这种改进的GM（1,1)模型更精确、合理。能够大大地提高预测精度和拓宽GM（1,1)的应用范围。这种带阶跃趋势的改进模型可以成为电力负荷预测的理想工具。     

基于GM(1,1)模型对杭州市商品房房价的预测分析

以杭州市2010—2020年商品房均价的相关数据为基础构建GM(1,1)模型。GM(1,1)模型预测准确度比较高,通常用该模型对房价进行中短期预测分析,通过利用此模型对杭州市2021—2025年的房价走势进行了预测。     

残差修正的GM(1,1)模型预测路基沉降量

用普通GM(1,1)模型进行路基沉降预测时,有时会出现较大偏差,甚至完全失效。为此提出了改进措施,引入残差修正的GM(1,1)预测模型,用于高速铁路某试验段路基的沉降预测。工程实例表明,残差修正的GM(1,1)模型的预测精度明显高于普通GM(1,1)模型。在路基沉降预测中有明显的优势,值得在工程中推广应用。     

基于变权聚类与条带式GM(1,1)模型的矿山资源管理研究

考虑到矿山资源综合利用率由主要矿产品资源利用率和附生矿产品资源利用率构成,而各种矿产品的资源利用率又由矿石贫化率,矿石回采率以及选矿回收率决定,利用灰色聚类理论对历年矿山资源综合利用情况进行了变权聚类.根据聚类结果结合矿山实际情况对历年矿山资源综合利用情况进行了分级,针对原有的灾变式GM(1,1)模型只能对上灾变序列和下灾变序列进行预测,预测信息有限的情况,将灾变式GM(1,1)模型改进成条带式GM(1,1)模型,利用条带式GM(1,1)模型对矿山资源综合利用情况较差的年份进行了分级预测,对不同级别的预测年份,分别采取了不同的应对措施,为矿山提前应对提供了科学依据.     

尾部残差修正GM(1,1)模型在煤矿百万吨死亡率预测中的应用

 煤矿安全是当前安全生产工作的重中之重。为掌握煤矿安全生产情况,降低事故损失,保证中国煤炭工业健康、快速、可持续发展,本文在传统GM(1,1)模型的基础上,建立了关于煤矿百万吨死亡率的尾部残差修正GM(1,1)模型。将该方法应用于2001—2011年全国煤矿百万吨死亡率分析,并以此为基础对2012、2013年的煤矿百万吨死亡率进行预测,与传统GM(1,1)模型的预测结果进行对比分析。研究结果表明,传统的GM(1,1)模型精度较差,最大误差达到14.35%,经修正的尾部残差GM(1,1)模型预测结果可靠,实际值与预测值平均相对误差1.14%,最大相对误差3.81%,各项指标均明显优于传统的GM(1,1)预测模型,为政府、矿山企业制定安全生产目标、政策以及建立科学高效的安全管理机制提供理论依据。     

非线性GM(1,1)模型在交通量数据分析中的应用

根据交通量数据变化的特点,采用非线性GM(1,1)模型对其进行预测.通过实例分析,证明NLGM(1,1)模型比传统GM(1,1)模型精度更高、误差更小,但对未来数据预测精度稍差.所以,该预测模型具有一定的应用价值.     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

战术弹道导弹弹道和落点预报探讨

给出了利用地基预警雷达的测量数据预报战术弹道导弹(TBM)弹道和落点的方法，对应用雷达测量数据预报战术弹道导弹弹道和落点的数据处理工作作了初步偿试，对反战术弹道导弹(ATBM)作战理论研究具有一定的参考价值。     

弹道导弹的ISAR回波模拟

提出了一种基于FPGA通用雷达回波模拟器系统,并利用该回波模拟器产生弹道导弹的ISAR回波信号源.首先建立基于解线频调(去斜)技术的弹道导弹ISAR回波信号模型,产生弹道导弹的ISAR回波仿真数据;进而利用所开发的回波模拟器产生弹道导弹的ISAR回波模拟信号并对该信号进行采样和处理,获得了与Matlab仿真数据成像一致的结果.实验结果表明:模拟器能够精确有效地模拟和产生弹道导弹回波信号,该模拟器具有可扩展性、可升级和可编程性.     

导弹预警卫星的引导能力评价方法

针对导弹预警卫星的预警信息战术应用问题,提出了一种基于助推段观测的弹道导弹轨迹参数误差估计的导弹预警卫星引导能力评价方法。利用数理统计和推理估计方法,建立了导弹预警卫星利用助推段观测的弹道导弹发射点、关机点和落点估计误差计算模型,进而设计了导弹预警卫星对导弹防御系统的目标引导区域增长率计算模型。数值分析实例进一步说明了该方法的有效性。导弹预警卫星的引导能力评价方法可以为导弹防御体系的重要战术和技术参数的设置提供参考。     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

地空导弹武器系统维修费用灰色预测模型

维修费用的预测是武器装备全寿命周期费用管理的重要部分。针对地空导弹维修费用数据量有限规律性不同的特点,选用灰色理论进行维修保障费用预测:首先,简要分析了GM(1,1)模型,讨论了维修费用数据的处理;然后,以某新型地空导弹武器系统为例,具体探讨了灰色预测模型的应用,并对比分析了老信息灰色预测、新信息灰色预测和新陈代谢预测模型的精度;由实例分析可知,新陈代谢预测模型的精度更高、计算量更小。     

灰色系统理论在无检测器交叉口交通流量预测中的应用

为解决一般预测方法要求原始数据量较大，而无检测器交叉口所能获得的交通流量数据又非常有限的矛盾，提出了利用灰色系统理论预测无检测交叉口交通流通的方法，并建立了一种新的自适应GM（1，1）模型，利用编制的计算机程序对常熟市无检测器交叉口交通流量进行预测计算分析，结果表明自适应GM（1，1）模型可以根据有限的交通流量数据进行预测，且预测精度较之全数据GM（1，1）模型有显著提高，实践证明，该方法是有效的。     

森林公园客流量的灰色预测

在运用常规GM (1,1)模型群的基础上 ,采用新息GM(1,1)模型群分段选优进行预测的方法 ,对森林公园客流量进行中短期预测 ,所选模型均为Ⅰ级 ,其预测精度均高于 99%,这可为森林公园建设和管理等决策提供科学依据。     

基于专家信任度的弹道导弹目标识别方法

为了改进弹道导弹目标识别过程中多传感器系统传输数据容易产生冲突,以及现有D-S改进算法对冲突证据与不冲突证据难以统一融合的问题,提出了基于专家信任度的弹道导弹目标识别算法,并给出了基于专家信任度的弹道导弹目标识别系统模型和专家知识库模型。新算法将收集到的证据分为冲突证据和不冲突证据,冲突证据集采用专家评判系统进行评判,不冲突证据采用传统D-S理论进行融合,然后将两者得到的结果进行再融合,得到决策结果。实例分析表明,与现有方法相比,新方法不仅能够在证据一致性很好时具有很高的精度,而且当证据高度冲突时也具有很好的融合效果。     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。