中小企业集合资金信托探讨

分析了中小企业融资现状,论述了中小企业集合资金信托及融资特点,并以实例介绍了杭州和上海首个中小企业集合资金信托。     

二次时变参数离散灰色模型

本文基于离散灰色模型模拟值增长率恒定的原因,通过引入二次时间项来构造了 二次时变参数离散灰色模型(quadratic time-varying parameters discrete grey model,简称为QDGM(1,1)模型).并且研究了该模型的性质.结果说明, QDGM(1,1)模型具 有白指数规律重合性,线性规律重合性,二次规律重合性,伸缩变换一致性.应用最优化方法研究QDGM(1,1)模型迭代基值问题,建立优化模型并提出求解算法.最后叙述了应用 QDGM(1,1)模型建模和预测的步骤,并通过实例比较了QDGM(1,1)模型与原离散灰色 模型及其非齐次离散模型和线性时变参数离散灰色模型的预测能力,最终结果表明本文 提出的QDGM(1,1)模型具有更高的模拟和预测精度.     

时变时滞系统的灰色预测非线性PID控制

针对时变时滞过程提出一种新的控制结构.在此控制结构中,利用遗传算法自动跟踪系统的时滞变化,由灰色预测模型根据辨识的时滞提前预测出系统的输出,而系统的预测输出与输入的偏差以及偏差变化率为非线性PID控制器的输入.仿真结果验证了这种结构能很好地满足时变时滞系统的快速动态响应和稳定性要求.     

基于灰色GM（1，1）-BP神经网络组合预测模型的车辆装备维修器材消耗规律研究

本文运用广义加权平均方法将灰色GM（1，1）理论和BP神经网络两种模型进行组合，建立了车辆装备维修器材消耗规律的数学模型。利用现有的维修器材消耗统计数据，对所建模型进行实例分析，最后验证了其科学性和可行性。     

电力电子器件故障检测的灰色理论方法探讨

从电力电子器件及其故障的特殊性出发,提出电力电子器件及其故障具有灰色性质,从而为灰色理论系统应用于电力电子器件的故障诊断提供了前提。本文以IGBT为例,运用灰色关联方法对电力电子器件的故障诊断进行了验证。结果表明,在信息量不多的情况下,灰色关联分析方法是电力电子器件故障诊断的一个有效工具。     

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.     

GRA在高校学生饮用水优选评价中的应用

针对高校学生饮用水优选的问题,运用层次分析法和灰色关联分析法集成的综合评估法对高校学生饮用水状况进行评价;基于6种因素、4个评价对象构建指标体系,采用层次分析法确定权重,根据灰色关联分析法求出高校学生选择饮用水方案的顺序,为评估多层复杂系统提供一种新的方法;最后,得出高校学生应选择直饮水作为日常饮用水的理想方案。     

区域影响力的多层次灰色评价模型及其应用

针对区域影响力的评价问题,研究了其评价指标体系及相应的评价模型。从经济实力、吸引力、辐射力三方面建立了区域影响力的评价指标体系;基于层次分析法和灰色关联分析法,建立了区域影响力的多层次灰色评价模型,并对重庆市“一小时经济圈”所辖23个区（县）的区域影响力进行综合评价。研究结果表明,评价结果较精确且符合重庆市“一小时经济圈”区域经济发展的实际情况。最后,在综合评价的基础上给出了加强重庆市“一小时经济圈”区域影响力的几点对策建议。     

灰色理论在股市预测中的应用

灰色理论是上世纪八十年代发展起来的一门新学科,已经被成功地应用到经济、控制、工程等领域中。本文将灰色GM(1,1)模型应用于对股市的预测,并将所得值与由RBF网络预测的值进行线性组合以提高预测的精度。     

全功能联结词集合的计算机实现

对数理逻辑中的各种联结词所构成的集合进行了讨论,并用计算机编程进行理论推导,把逻辑推理转化为计算机能够实现的0,1运算,用计算机实现了逻辑推理的全过程.得到的主要结果是:全功能联结词集合一共11个,其中,一阶全功能联结词集合2个;二阶全功能联结词集合7个;三阶全功能联结词集合2个;没有四阶及四阶以上的全功能联结词集合.这便修正了近年来有关全功能联结词的一个错误结论.