基于平均增长率的弱化变权缓冲算子及其性质

针对传统缓冲算子不能根据实际问题的需要实现其作用强度的微调,从而导致缓冲算子的作用效果不理想的问题,构造了基于序列平均增长率的新型弱化变权缓冲算子。研究该弱化变权缓冲算子的作用强度与变权系数之间的关系,证明了该变权缓冲算子能够提高序列的光滑性,并基于灰色关联分析与粒子群算法给出了变权系数的智能寻优方法。最后以江苏省民用汽车数量预测问题为例,检验了该弱化变权缓冲算子的有效性。     

剔除无效决策的灰色群决策方法

对灰色群决策问题进行了研究,提出了一种可以对无效决策进行甄别与剔除的灰色群决策模型。首先,使用强“奖优罚劣”算子对决策信息进行标准化处理,通过构建优化模型并使用拉格朗日函数得到指标权重;然后,通过确定所有方案中的理想最高评价,以及各决策者评价与最高评价间距离,构建对无效决策进行甄别的模型;最后,对剔除无效决策后决策问题中的决策者权重进行调整,并使用灰靶模型对方案进行决策。应用实例说明了决策方法的合理性和算法的有效性。     

基于GM(1,1)幂模型的振荡序列建模方法

针对小样本振荡序列的预测问题,提出了基于单变量一阶灰色幂模型（简称GM(1,1)幂模型）的振荡序列建模方法。基于GM(1,1)幂模型中参数之间的关系,构建了一个非线性优化模型来寻求模型参数的最佳值,以此实现对振荡序列的高精度预测。结果表明,建模方法能够较好地体现数据的波动特征,且易于在计算机上实现,进一步拓宽了灰色模型的应用范围。最后以实例验证了所建模方法实用性和有效性。     

反向累加生成的特性及GOM(1,1)模型的优化

针对反向累加序列的生成与建模问题, 分析了反向累加生成的准光滑性和准指数规律, 进而给出反向累加生成序列的灰建模条件. 证明了基于反向累加生成的齐次与非齐次离散指数函数之间的关系, 并经过理论推导得到了GOM(1,1)模型的最优背景值. 结果表明, 优化的背景值与GOM(1,1)模型的时间响应函数具有较好的一致性, 从而可以在理论上有效提高传统模型的精度. 最后通过实例验证了优化模型的实用性与有效性.     

几何变权缓冲算子及其作用强度研究

针对传统缓冲算子不能实现作用强度的微调,从而导致缓冲作用效果过强或过弱的问题,构造了几何变权弱化缓冲算子(VWGWBO)和几何变权强化缓冲算子(VWGSBO),研究了该类缓冲算子调节度与可变权重之间的关系,并利用遗传算法探讨该类缓冲算子的优化问题。结果表明,该类缓冲算子对序列的调节度与可变权重同方向变化,在控制作用强度方面的灵活性要明显优于传统缓冲算子。最后,以我国能源消费总量的预测问题为例验证了几何变权缓冲算子的有效性与优越性。     

灰色广义Verhulst模型的构建及其应用

一般认为,灰色Verhulst模型(grey verhulst model,简称GVM)适用于具有单峰或饱和S形的序列.然而,在利用GVM建模时,模拟值有时会出现"漂移"现象,使得模型精度变差.针对这一问题,将常数项引入GVM模型,构建了灰色广义Verhulst模型(grey generalized verhulst model,简称GGVM),并在参数的不同分类下,借助灰色建模序列的非负性,完整地给出了灰色广义Verhulst模型的时间响应式及其还原值.将GGVM与GVM模型分别对四个单峰型序列建模,发现GGVM能有效地解决GVM模型模拟值出现的“漂移”现象.在实证部分,利用新模型对江苏省石油与天然气的基础储量进行建模分析,并与GVM模型、数据分组处理算法比较,验证了GGVM在模拟及预测时的优势.     

河南省农业产业化经营的理论与实践

通过对河南省农业产业化经营的现状进行分析,认为河南省农业产业化经营起步于８０年代中期,目前仍处于起步阶段,并对河南省农业产业化经营中存在的问题及农业产业化的６种形式进行分析,在此基础上提出河南省农业产业化经营的措施与对策,供领导决策参考。参４。     

灰区间可靠度的确定方法

灰区间可靠度直接影响建立在灰区间基础上的有关研究结果 .本文提出了一种确定灰区间的方法 ,建立了一个确定灰区间可靠度的数学模型 .     

灰色T型关联度的改进

通过对现有灰色关联度及T型关联度模型的分析,提出了灰色T型关联度的改进模型,改进后的关联度模型能够反映序列的正、负相关关系,并且具有对称性、唯一性、可比性和无量纲化后的保序性.通过实例表明了改进的灰色T型关联度能够更真实地反映序列曲线的关联程度,所得关联分析结果较为客观可靠,并且易于在计算机上实现.     

灰色模型的病态问题研究

针对灰色模型在参数辨识过程是否出现病态问题利用矩阵条件数进行了研究,研究结果表明:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.