几种石蒜属花卉观赏性状的灰色评价

以灰色关联度对14种石蒜属花卉的观赏性状进行了评价．结果表明石蒜(Lycoris radiata)的加权关联度Ri为最大(0．713 888)，即观赏效果最好，这与实际运用效果相符；其次是安徽石蒜(L．anhuiensis)，Ri=0．708 429；排在第三位的是长筒石蒜(L．longituba)，Ri=0.703032．其他由大到小次序为夏水仙(L.squamigera)、玫瑰石蒜(L．rosea)、陕西石蒜(L．shaanxiensis)、乳白石蒜(L．albiflora)、短蕊石蒜(L．caldwellii)、麦杆黄石蒜(L．straminea)、肉红石蒜(L．incornata)、中国石蒜(L．chinensis)、换锦花(L．sprengeri)、忽地笑(L．aurea)、江苏石蒜(L．houdyshelii)．从灰色关联度分析结果看，花形整齐、奇特(雄蕊长于花被片，花被片强烈皱缩反卷)，花色稀有和秋冬出叶的，灰色关联度大,14种石蒜均适合作地被，但以秋冬出叶、花葶较矮的种更为适宜，如石蒜、玫瑰石蒜、麦杆黄石蒜、江苏石蒜等。     

强计算条件下判断矩阵的优选分析

针对AHP中对判断矩阵的研究大多侧重于一个判断矩阵的不足,以强计算为基础,通过计算大量矩阵的一致性比例、期望判断阵、特征值、关联度等方法,对多个判断矩阵进行比较分析,从中选择满足一致性要求的判断矩阵,并进行优化,使其包含较多的原始信息。最后通过实例,介绍了这种优选方法的基本步骤,验证了该算法的有效性。     

坝上地区农业产业结构优化的灰色关联分析

一个地区的产业结构优化方向,应该根据产业结构的一般规律和区域经济发展的实际情况而定。基于这种理由,以河北省沽源县为研究对象,运用灰色关联分析方法研究了该区农业产业结构内部各业之间的关系,并根据沽源县现有基础条件、限制因素和发展趋势等,确定其今后宜重点发展的产业即畜牧业、错季蔬菜产业、马铃薯产业、草产业等。图2,表4,参8。     

长江三角洲典型县域农业生态环境质量评价

选建了农业生态环境质量评价指标体系,应用基于三角白化权函数的灰色聚类评估方法,全面评价了位于长江三角洲地区的常熟市农业生态环境质量状况.结果表明,该市农业生态环境总体上处于较好状态,有利于当地农业生产的可持续发展.     

BP 神经网络网络结构优化问题的研究

将灰色关联分析法应用到BP神经网络隐层结点数的确定中,实现了BP神经网络网络结构的优化,提高了网络的预测精度.仿真结果表明这种方法非常有效,同时也对BP神经网络的进一步研究提供了一种全新的思路.     

地面水质量评价计算方法的比较与分析--灰色聚类样点排序法的实证

在将等斜率灰色聚类法应用于地面水环境质量评价的基础上提出了灰色聚类样点排序法,并用灰色聚类样点排序法对实例进行水环境质量评价比较,讨论了灰色聚类样点排序法在权重处理过程的可行性.认为灰色聚类样点排序法兼顾到1)各测点的实测污染浓度都在级别标准范围内较有规律地变化,各污染物的标准值之间差异不太大;2)污染物分布的离散度太大,各标准值之间差别也太大这两种情况.     

基于库存控制的需求量灰色预测

运用灰色动态GM模型，结合物流企业实例，根据历史出库量数据对基于库存控制的市场需求量进行灰色建模、预测和检验．实验结果显示预测量曲线与实际出库量曲线拟合程度很高，证实了在有效辅助库存控制管理的需求量预测中运用灰色预测模型和方法的可行性和优越性．     

用Excel建立灰色数列预测模型的研究

灰色系统在上个世纪八十年代首次提出后已经得到了广泛的应用，对社会、经济各领域作出了极大的贡献。灰色预测是灰色系统理论的重要组成部分，但由于其建模时需要进行大量复杂的数学运算，增加了数据处理的难度，本文通过Excel提供的矩阵运算和规划求解功能实现了用Excel软件建立灰色数列预测模型PGM（1，1），并提高了预测精度。     

道路交通安全评价方法

为了准确的得进行道路交通安全评价。在分析国内外道路交通安全现状的基础上，对影响道路交通安全的影响因素进行了分析，重点评述了绝对数法、事故率法、事故强度分析法，概率一数理统计法、模型法、时间序列分析法和灰色评价方法等国内外道路交通安全的各种评价方法，指出了各种评价方法的优缺点及其适用性，结果对道路交通安全评价有一定的参考价值。     

The Intelligent Decision Support System Model of SARS

Based on the intelligent decision support system, a new method was presented to defense the catastrophic infectious disease such as SARS, Bird Flu, etc.. By using All Set theory, the decision support system (DSS) model can be built to analyze the noise information and forecast the trend of the catastrophe then to give the method or policy to defend the disease. The model system is composed of four subsystems: the noise analysis subsystem, forecast and simulation subsystem, diagnosis subsystem and second recovery subsystem. They are discussed briefly in this paper. This model can be used not only for SARS but also for other paroxysmal accidences.