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。     

多变量灰色模型在预测中的应用

单变量的GM(1,1)模型用于单一时间序列的建模与预测,而MGM(1,n)模型是对GM(1,1)模型在多元变量情况下的自然推广,通过对MGM(1,n)模型建立过程以及应用方法的示例,来说明该模型的现实应用价值.     

基于灰色模型的电磁轨道发射实验电枢初速分析

为了研究电磁轨道发射系统电枢初速影响因素和电枢转捩的辨识方法,在灰关联熵分析的基础上,分别建立了外场试验数据和内弹道理论计算数据的非线性GM(1,N)灰色模型.通过对模型中驱动系数数值和极性的比较,对影响因素的动态协调性进行了定量分析.结果表明:在电磁轨道发射实验中,对电枢初速促进作用最大的是放电电压,其次是电枢直径;测速靶位置对电枢初速的抑制作用最大,电枢质量次之;电枢质量的权重与电枢转捩之间存在某种内在联系.     

基于改进GM(1,1)模型的城市短时交通流预测研究

基于GM(1,1)模型的模拟或预测结果具有严格单调性,导致其难以实现对随机波动序列的有效模拟,而以累加序列模拟值作为累减还原参数的建模方式是导致GM(1,1)模型精度不理想的主要原因。为了提高GM(1,1)模型模拟及预测精度,在传统灰色预测模型建模基础上,提出了基于改进累减还原方法的新 GM(1,1)模型,然后应用该模型对城市短时交通流进行了模拟和预测,并将结果与传统 GM(1,1)模型进行了比较和分析,结果显示新模型具有更加良好的模拟及预测性能。
     

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.     

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.     

基于n阶灰色补偿因子的装备维修保障费用预测模型

为了全面提高装备维修保障费用的合理使用度,对装备维修保障费用组成进行了分析,构建了装备维修保障费用结构模型;对装备维修保障数据进行了累加生成,将x轴向下平移处理以选择合适的预测模型;为了提高普通GM(1,1)模型的预测精度,提出了一种基于n阶补偿因子的GM(1,1)预测模型,并给出寻优算法以求补偿过程中的最优值,同时通过该算法弱化了"过补偿"现象.通过试验比较了普通GM(1,1)模型和BP神经网络模型.结果表明,所提出算法和模型相对于其他预测算法具有较高的可靠性和一致性.     

基于蚁群算法的GM(1,1)幂模型参数优化

为了提高GM(1,1)幂模型的精度,将平均相对误差函数和偏差平方和误差函数分别看成是幂指数、发展系数、灰作用量以及初值的函数,通过蚁群算法进行参数辨识.根据两类误差函数最小化原则得到两组参数估计值,再利用这两组参数估计值的凸组合优化模型的参数,通过最大相对误差最小化确定凸组合权系数.实例表明,基于蚁群算法和参数估计凸组合优化改进的GM(1,1)幂模型,其建模精度高于传统GM(1,1)幂模型,同时也说明该优化方法是有效的和可行的.     

一阶单序列GM模型的模块定解法

本文指出了一阶单序列GM模型(Grey model)原定解方法的缺点,提出了模块定解法.经实例验证,模型精度有显著提高.新算法对n>1或h>1的GM(n,h)模型和其他有关微分方程模型也有参考价值.     

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.     

基于三维模型的变电站智能辅助控制系统设计

为了提高智能变电站设备运行环境与公共安全状态的远程监控及智能化防控能力,提出一种基于三维模型的变电站智能辅助控制系统。按照变电站智能辅助控制系统的设备选型布置需求进行数据库开发设计,采用三维模型实现变电站智能辅助控制系统的三维设计成果的共享,通过三维设计模型校验和红外双鉴三维建模完成变电站智能辅助控制系统的三维设计,并对三维建模算法进行优化,得到三维建模输出结果。仿真测试结果表明,该系统进行变电站三维建模的输出功率稳定性好,抗干扰能力强,运维闭环管理处理效率高,有利于提高变电站设备的远程监控及智能化防控能力。     

Slice Data Based Support Generation Algorithm for Fused Deposition Modeling

This paper presents a robust algorithm to generate support for fused deposition modeling (FDM). Since many flaws appear in most stereo lithography (STL) models, this algorithm utilizes slice data as input. A top-down approach was used to calculate the support slice layer by layer. The generation algorithm was described in detail including the slice grouping, oriental bounding box (OBB) calculation, offsetting, and Boolean operations. Several cases are given to validate the efficiency and robustness of the procedure. The algorithm provides necessary support not only for hanging surface but also for hanging vertexes and edges with O(n) time complexity, where n is the number of layers. The algorithm fully utilizes the parts' self-support ability and reduces support volume to the maximum extent. This slice data based algorithm has the same efficiency as the STL based algorithm but is more stable, which significantly enhances the robustness of the support generation process.     

优化灰色GM(1,N)-加权Markov模型在道路交通噪声预测中的精度研究

通过对北京市2007年至2016年城市道路交通噪声及相关影响因素数据分析,以GM(1,N)模型为基础,建立了优化灰色-加权Markov模型,为有效控制交通噪声污染提供理论依据和决策意见。首先,利用平滑公式对原始数据进行预处理,用数值积分中的Simpson公式改变背景值来提高传统多因素GM(1,N)模型精度。其次,用加权Markov模型对得到的模拟值中的异常值进行了修正,将其应用到城市交通噪声的预测上,实证计算表明优化灰色GM(1,N)模型的模拟值与实际值拟合效果很好,比传统的GM(1,N)模型精度有较大提高。最后,用该模型对北京市2017年和2018年城市交通噪声进行预测,基本符合噪声数据实际变化趋势。     

基于MAC的动态回溯算法优化

针对基于MAC的动态回溯算法在求解约束满足问题时, 不仅需要大量空间存储删除解释, 而且回溯机制过于复杂, 对经典的删除解释及动态回溯算法的回溯机制进行优化, 优化后的动态回溯算法减少了存储删除解释的空间, 并可仅使用一次回溯操作返回到可能导致冲突的关键变量. 在最差情况下, 存储删除解释的空间复杂度由O(n²d)改进为O(nd+n²). 通过结合restart技术使优化后的动态回溯算法成为完备算法. 实验结果表明, 优化后的完备动态回溯算法在大部分问题求解中, 整体效率明显优于标准回溯算法.     

综采工作面参数系统多维灰色状态模型

针对综采工作面影响因素多、系统复杂的特点，深入分析了综采工作面输入、输出参数系统。以综采工作面统计资料为基础，应用模糊数学理论、灰色关联分析方法和层次分析权重确定方法对众多输入参数进行了量化处理和综合，并进一步应用灰色建模理论，建立了综采工作面产量和效率两项输出参数与输入类参数的灰色状态模型-GM（0,4）模型。经验证，该模型具有一定的精度，对煤矿生产具有指导性作用。这为综采工作面参数系统研究提供了一条新方法。     

基于差分进化算法的分布式能源系统 多目标优化

为了避免传统分布式冷热电三联供系统设计中偏离实际工况、负荷率偏低、效率低下等问题,本文以某商务区为对象,将分布式能源系统设备容量的最优化问题转化为以年总成本和年排放量综合最低的多目标数学模型,在对比多种常见智能算法后,选择具有强大全局巡优能力的差分进化算法进行求解,获得优化配置方案。分布式能源系统设备类型较多,且影响因素繁杂,各种设备的容量配置是整个系统运行效益好坏的关键。计算结果表明,与冷热电分供能系统进行对比,通过差分进化算法进行最优化配置后的分布式能源系统具有显著的优越性和可行性,系统结构设计、能源价格,均会对系统最优化结果产生影响。     

基于优化听觉模型的机床工况识别方法研究

准确识别机械制造设备工况,对判断设备的当前健康状态、设备平稳性,以及科学评价设备操作人员的工作效率具有重要意义.运用遗传算法优化后的ZCPA(zero crossings with peak amplitudes)听觉模型对设备的振动信号进行特征提取,通过与各种工况标准听觉谱计算相关性,以识别设备当前工况.优化后的ZCPA听觉模型计算简洁,能够模仿人耳听觉系统对输入信号进行提取,弥补传统听觉模型适应性差、识别率低的缺陷,同时使不同工况特征差异性增大,提高设备工况识别率.以某种普通车床为例,车床振动信号经过优化后的ZCPA模型处理后,工况识别率达到95%以上.     

A time-space optimal parallel sorting on a hypercube

In this paper we discuss a parallel sorting algorithm on a hypercube. Its time complexity isO(n logn/p) +O(n). Here,P is the number of processors avaliable and n, the amount of items to be sorted. Take the problem of time-space optimization into consideration, whenP≤O(logn), this algorithm is both time-space optimal and cost optimization. But this means only speedup isO(p) and it is not linear speedup. Therefore, we further discuss relevant parallel efficiency problems.     

基于模糊回归理论的GM(1,1)模型优化

文章将传统的GM(1,1)模型与模糊回归模型相结合,得到了基于模糊回归理论的GM(1,1)优化模型,保留了传统GM(1,1)模型的所需建模数据少和具有预测功能的优点;利用定义的三角模糊数的左、中、右距离公式,得到了基于模糊回归理论的GM(1,1)优化模型的求解方法.     

电磁环境测试系统灵敏度的计算

在电磁环境测试中需要知道当前使用的测试设备是否满足测试要求以及测试设备的系统灵敏度。分析了影响测试系统灵敏度的关键因素,并探讨了已知的测试系统如何计算其灵敏度的问题。