基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

基于振荡序列的灰色GM(1,1|sin)幂模型及其应用

针对现实中普遍存在的振荡序列预测问题,传统灰色模型的预测效果并不理想。为此,在现有灰色GM(1,1|sin)模型基础上,提出了GM(1,1|sin)幂模型,给出了最小二乘准则下的参数计算公式;构建了以平均模拟相对误差最小化为目标的非线性优化模型,利用粒子群优化算法求得最优参数。最后,将新模型应用于城市交通流和高新技术产品出口额模拟预测,并将预测结果与传统GM(1,1)模型、GM(1,1)幂模型和GM(1,1|sin)模型进行了比较,结果表明,新模型具有更高的模拟精度,更适合对振荡序列的预测分析。     

两种不同方法下的矿井涌水量预测对比分析

水文地质参数影响矿井涌水,而在岩溶山区矿山中,含水介质的非均质性、各向异性特别突出,水文地质参数的获取难度很大.因此,文章以弱化水文地质参数的依赖性为目标,应用相关分析和灰色系统理论模型对老鹰山煤矿1995—2013年的矿井涌水量进行拟合,建立了回归方程模型和GM(1,1)模型,并利用2014—2016年数据对模型预测结果进行了验证.结果表明相关分析中老鹰山煤矿矿井涌水量与降雨量密切相关,相关系数为0.835,模型曲线显示是变化形态上的预测,预测模型的精度达87.19%;灰色系统GM(1,1)预测模型的精度良好为82.34%,适合于具有灰色特征的地质数据的模拟、控制和预测,模型曲线显示的是变化趋势上的预测;相关分析法比灰色理论法预测精度高.研究成果为岩溶山区矿井涌水防治提供可靠技术支撑.     

基于双LMDI模型和情景分析的浙江省碳排放影响因素研究

浙江省低碳发展条件相对优越,可作为率先实现碳达峰和碳中和(“双碳”)的示范省份.本文采用对数平均迪氏指数分解法(LMDI),从经济活动和居民生活两方面分别考量,对浙江省2000—2019年碳排放变化量的驱动因素进行分解.通过情景分析,即浙江省分别在2060年(国家战略)和2050年(区域率先)实现“双碳”目标,对未来浙江省人均碳排放量趋势进行预测,并结合历史分解结果对两种情景下碳排放变化量的驱动因素进行分解预测.结果表明:(1)经济活动方面,人均GDP增加是碳排放的主要驱动因素(累计增量520 Mt),而单位GDP能耗降低是碳排放的主要抑制因素(累计减量210 Mt);(2)居民生活方面,人均能耗增加是碳排放的主要驱动因素(累计增量12.6 Mt),而能源结构低碳化则是主要的碳排放抑制因素(累计减量1.5 Mt);(3)为实现碳中和目标,两种情景下减排重点均是能源结构的低碳转型,但转型关键时间线有所不同;对于2060年和2050年碳中和情景的转型关键时间线分别在于2031—2045年和2036—2050年.     

基于遗传算法的灰色GM(1,1)模型

在分析GM(1，1)模型的建模机理的基础上，指出了传统建模方法存在的不足，同时给出了基于遗传算法的GM(1，1)优化模型，优化模型提高了灰色预测的精度。     

基于灰理论的电力负荷预测模型

针对小样本数据,提出基于GM(1,1)模型进行电力负荷预测模型,并通过实例表明该模型在电力负荷预测中的可行性;开发了基于GM(1,1)模型的电力负荷预测系统,实现了在实际工作中所要求的数据录入、查询、分析和预测功能。     

宁波道路集装箱运力规模预测——供需平衡法和GM(1,1)模型的对比研究

集装箱运输运力的正确估计对集装箱运输有重要意义.以2009~2015年宁波集卡数、集装箱吞吐量数据为基础,分别应用供需平衡法和GM(1,1)模型对宁波集卡数进行预测,比较两种模型的预测精度及拟合度.结果表明:GM(1,1)模型可以较好地降低预测风险,提高预测准确度和拟合度.最终选用GM(1,1)对宁波道路集装箱运力规模进行预测.     

基于灰色RBF组合模型的宁波港集装箱海铁联运量预测

集装箱海铁联运量预测是海铁联运网络规划设计的重要组成部分,影响港口及其集疏运体系进一步发展,因此,对集装箱海铁联运量做出科学合理的预测显得十分重要.以2009~2015年宁波港集装箱海铁联运量为原始数据,运用灰色RBF神经网络组合模型预测其未来2年集装箱海铁联运量增长趋势.预测结果表明,灰色RBF神经网络组合模型预测精度高于GM(1,1)模型、RBF神经网络模型、灰色BP神经网络组合模型.可见,该组合模型可有效应用于集装箱海铁联运量的预测领域.     

利用 GM( 1, 1)模型的数值解法 计算铁路噪声与振动的传播

铁路噪声在实际传播过程中的未知因素很多 ,难以建立较高精度的物理预测模型. 本文利用灰 色系统理论建立 GM (1, 1)预测模型 ,采用数值解法 (改进欧拉算法 )求解该模型 ,计算铁路噪声级和振 动级在与铁路垂直方向上按坐标分布的预测值 ,其结果与实测基本相符 ,预测精度达到一级.     

《宁波重点投资区的发展对浙江省经济社会发展的影响度研究》课题通过省科委鉴定

由宁波大学、宁波市计委、宁波市经济研究中心联合承担的浙江省科委招标项目《宁波重点投资区发展对浙江省经济社会发展的影响度研究》,89年8月通过省科委鉴定。该题课建立和运用了经济计量模型、灰色系统理论的关联度方法、GM(1,1)预测方法、残差预测方法、模糊数学模型、Salow等模型方法,分别就重点投资对浙江省诸宏观经济总量(社会生产总值,国民收入,国民生产总值,财政收入,个人收入,出口额等),外向型经     

2006～201O年宁波非公有制经济领域人才需求预测

通过建立GM(1,1)模型,结合宁波市2005年对非公有制经济领域人才资源的抽样调查数据,对2006～2010年期间宁波市非公有制经济领域人才需求量和人才质量进行动态分析和预测.     

基于改进NARX神经网络算法的光伏发电功率短期预测

为准确地预测光伏发电功率,节约资源,提出一种基于改进非线性自回归(nonlinear autoregressive with external input,NARX)神经网络算法的光伏发电功率短期预测模型。通过皮尔森相关分析选择影响发电功率的环境因素,利用遗传算法(GA)优化受限玻耳兹曼机(RBM)模型参数,避免陷入局部最优;利用优化后的RBM模型初始化NARX神经网络的参数。实例预测表明,改进NARX神经网络算法对光伏发电功率短期预测精度更高,收敛速度更快。     

基于因素分析和SVM模型的江海联运运量预测方法

鉴于江海联运运量受众多因素的影响, 为了解决江海联运运量预测问题, 先对江海联运运量影响因素进行分析, 再用灰色关联度分析筛选出其中的典型因素. 在此基础上应用粒子群算法优化的支持向量机建立江海联运运量预测模型, 应用于宁波港域江海联运量的预测. 结果表明, 该模型与传统时间序列预测方法相比具有较高的拟合度和预测精度, 为解决江海联运运量等多因素非线性系统预测提供了一条新的途径.     

基于CPSO-RVM的蒸发过程在线预测模型

针对密闭、长流程的蒸发过程由于待浓缩溶液黏度高或腐蚀性强、设备易结垢、工况变化复杂等原因引起的在线预测模型难以建立的问题,提出了一种基于混沌粒子群优化相关向量机(CPSO-RVM)的预测模型。基于贝叶斯学习框架构建了蒸发过程相关向量机预测模型,克服模型对核函数类型的限制和数据敏感性,在此基础上利用混沌粒子群算法对预测模型的核函数进行优化,获得计算量小、泛化性能优的在线预测模型。某厂实际蒸发过程生产数据的算例表明,在存在新蒸汽和原液干扰、设备结垢的整个清洗周期内,CPSO-RVM模型都能获得很好的预测效果,并且比偏最小二乘回归模型(PLSR)和最小二乘支持向量机模型(LSSVM)精度更高,能为实际蒸发过程的在线控制提供参考。     

基于时空地理加权回归模型的浙江省碳排放时空格局及驱动因素分析

测算并分析浙江省1995—2015年碳排放量的动态变化特征, 通过时空地理加权回归模型分析各影响因素对碳排放总量影响的时空异质性. 结果表明 (1)1995—2015年浙江省碳排放总量总体上呈上升趋势, 年均增长率为6.69%; 能源活动碳排放是浙江省碳排放的主要来源, 工业碳排放是能源活动碳排放的主要来源; 非能源活动碳排放是浙江省碳排放的次要来源, 水泥生产和水稻种植是非能源活动碳排放的主要来源; (2)浙江省碳排放重心大致落在绍兴市西南部, 浙江省碳排放重心经历了西北向—西北向—东南向—东向的转移; (3)各主成分因素对碳排放的影响方向和强度具有明显的时空异质性.     

基于SVM的固化土无侧限抗压强度模型

为实现较少试验次数下固化土无侧限抗压强度(qu)的准确预测, 提出了基于支持向量机(SVM)的固化土qu的预测模型. 以固化剂各组分掺入比、龄期、初始含水量、固化剂掺量等因素为输入量, 固化土的qu作为输出量, 以径向基为核函数, 采用网格搜索法和交叉验证法进行参数优化, 建立了基于SVM的固化土qu的预测模型. 算例分析表明: 该模型适用于任意条件下固化土qu的精确预测, 且在较小试验成本下实现与响应面法相当的预测精度.     

应用灰色系统理论对大气NO2浓度影响因素的分析及预测

利用灰色系统理论的灰色关联度分析法，对影响佛山市禅城区大气NO2的影响因子进行定量分析，结果表明。影响佛山市禅城区大气NO2的第一位因素是机动车密度，其次是机动车的数量；同时建立厂大气NO2浓度的灰色CM（1，1）预测模型，短期预测精度很高，未来五年禅城区大气NO2浓度呈平稳下降趋势。为今后佛山市禅城区制定大气环境规划、防治大气污染提供了科学依据。     

基于TOPSIS的新疆15个地州市碳排放经济效率评价研究

基于新疆15个地州市2008～2012年的工业能源消费数据,首先测算了新疆15个地州市2008～2012年的碳排放量,进而利用OWA算子赋权的方法对2008～2012年进行权重分配,并使用TOPSIS评价模型对新疆15个地州市碳排放经济效率进行评价．研究结果表明：（1）北疆11个地州市的五年平均碳排放经济效率总体高于南疆4个地州市,分别为2.269和0.852亿元/万吨．（2）以2012年为例,碳排放经济效率排在前三位的是克拉玛依、乌鲁木齐和昌吉,分别为：4.034、3.654和2.799亿元/万吨;碳排放经济效率排在后三位的是喀什、克州和和田,分别为0.894、0.809和0.741亿元/万吨．据此提出南北疆应实行差异化低碳战略,改变区域经济发展方式,优化能源结构,加强技术创新等政策建议,以期为新疆节能减排政策的制定和低碳省区建设提供科学依据.     

基于时空优化长短期记忆网络与烟花算法的AQI预测

针对传统深度学习模型在预测空气质量指数(air quality index,AQI)时,难以从时间角度建模、网络超参数选取困难等问题,提出一种基于长短期记忆(long short-term memory,LSTM)网络和烟花算法(fireworks algorithm,FWA)的AQI预测模型LSTM-FWA。首先,以武汉市历史空气质量和气象监测数据为研究对象,利用LSTM网络中隐含层节点之间相互连接的结构特点,对空气质量的时间变化特征进行建模;接下来,考虑到种群多样性和并发性,将烟花算法应用到超参数组合优化问题中;最后,对模型输入分别进行时间、空间、时空角度的优化,实验结果表明基于时空优化的LSTM-FWA模型预测性能提升最为明显。将LSTM-FWA与其他预测模型进行比较,并全面分析不同模型在各种优化策略下的性能。实验结果显示,本文提出的时空优化LSTM-FWA模型对于AQI预测具有最优的性能。     

基于相关向量机的网络舆情情感趋势预测

对网络舆情事件中网民评论的情感发展趋势进行准确预测具有非常重要的意义和价值.本文提出将网民评论的情感值作为预测指标,通过对评论的句式分析,利用短语模式计算单句及复句的情感值,构建情感值时间序列,建立基于相关向量机的网络舆情情感趋势预测模型,对网络舆情事件中网民评论情感趋势进行预测.选择新浪微博中关注度较高的头条新闻中微博评论的舆情事件作为实验对象,运用本文模型与基于BP神经网络、Elman神经网络等预测模型进行对比.实验结果表明,本文模型具有较高的预测精度,平均绝对百分误差(MAPE)和均方根误差(RMSE)均优于基于BP神经网络和Elman神经网络的预测模型,能较好地预测出网络舆情事件中网民评论情感趋势.