初始条件自适应优化的ANGM(1,1)模型及其应用

少数据、贫信息的非等间距序列预测建模是灰色系统理论的重要内容之一，也是现实工程应用中经常遇到的难题.本文基于自适应优化的初始条件，构建了ANGM（1，1）优化模型.首先，在对已有初始条件优化的非等间距GM（1，1）模型缺陷分析基础上，设计出新型的初始条件自适应优化方法.该方法依据1-AGO序列各时点分量的实际值构建权重分配方程，既保证每个时点信息的充分利用，又自适应调整新旧信息的权重大小.然后，根据建模序列的特征，给出时间参数求解的两个准则及其推导公式，进而构建优化模型.最后，分别利用单调和波动两种特征的实际案例数据，构建4种初始条件优化模型，结果显示本文模型预测效果最好，表明本文模型的适用性和稳定性.     

新安江模型敏感参数动态变化规律研究

为了提高新安江模型在变化环境下的模拟精度,揭示模型参数动态变化规律,以淮河上游大坡岭流域为研究区构建分布式新安江模型,采用Spearman相关系数对比分析了模型敏感参数(KC、SM和CS)动态变化与环境因子(降水、气温和归一化植被指数)的变化关系,并建立了回归方程用于未来参数计算。结果表明:参数KC和SM的动态变化反映了研究区域的降水、气温和植被条件变化,而参数CS的动态变化仅反映了年降水总量变化;相较于静态参数,动态参数的模拟结果精度显著提高,径流深相对误差均值从21.3%降低到9.1%,纳什效率系数均值从0.75提高到0.81,动态参数比静态参数更适用于当前变化的环境。     

多变量离散灰色幂模型构建及其优化研究

针对多变量小样本的非线性系统建模问题,提出了多变量离散灰色幂模型,并探讨其参数求解方法;鉴于驱动因素作用机制对模型精度的重要影响,通过引入驱动控制函数,多阶段识别起主导作用的驱动因素,构造多变量离散灰色幂模型的优化模型,并研究驱动控制函数参数识别方法,给出了模型建模预测步骤;最后,利用构建模型解决我国粮食产量预测问题,表明新模型能够更好地描述系统特征行为序列与驱动因素序列间的非线性关系,从而有效提升建模精度。