基于时间序列与灰色拓扑的春节火灾损失预测

火灾每年给中国带来了巨大的损失,春节期间的火灾损失更是严重.根据1999-2010年春节期间火灾统计资料,火灾四项指标数据具有时序性以及随机波动性、模糊性.运用时间序列与灰色拓扑预测方法相结合预测春节期间火灾发生规律,且预测出未来3年内的火灾发生情况.结果表明,时间序列预测模型的平均绝对误差较小,且所建立的灰色拓扑预测模型的拟合精度都达到"好"的标准.因此,采用时间序列与灰色拓扑预测模型相结合对春节火灾发生情况进行预测,其结果合理可靠,可供理论研究和消防部门做出相应的预防措施参考,以达到有效控制和预防春节火灾的目的.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

火灾的周期性波动规律及其应用

分析中国火灾的历年统计数据,发现中国火灾发生规律同时具有增长趋势性和周期波动性特征.借助于M ATLAB软件,根据2000-2006年中国火灾统计数据,分别建立了火灾24小时发生起数的(1)趋势灰色预测与周期波动指数相乘的组合预测模型和(2)二次曲线趋势与Fourier级数叠加的组合预测模型,两个模型(预测值与实际值)的平均相对误差都小于0.09.研究结论为消防研究、消防部门决策提供科学依据.     

基于残差修正GM(1,1)模型的火灾事故预测

为掌握火灾发生、发展的规律,针对火灾事故的特点,根据灰色理论,建立了我国火灾起数及死亡人数的GM(1,1)预测模型.由于火灾起数的波动性较大,运用残差变化规律,对所建立的GM(1,1)预测模型进行了修正,得到残差修正GM(1,1)预测模型,应用该模型对火灾起数进行预测,使预测精度达到了一级.预测结果可以为消防安全管理部门的决策提供科学的依据.     

基于灰色系统理论的城市火灾预测分析

提出利用灰色系统理论对城市火灾进行预测的合理性 ,在一般灰色系统模型 GM(1 ,1 )的基础上 ,通过利用等维灰色递补动态预测模型为基础对原始数据预处理及变换后 ,结合对城市火灾按不同分时段进行预测比较 ,最后以某市近年来的火灾状况为例进行了预测 ,结果表明基于灰色系统理论进行分时段预测城市火灾发生时结果更精确 .     

基于灰色拓扑的中国交通事故死亡人数预测模型

在对我国108个月(2003年1月-2011年12月)交通事故死亡人数统计资料时序分布特征分析基础上,选取一组阈值,建立不同阈值所对应的时间序列GM(1,1)模型群,基于灰色拓扑预测理论方法,同时运用MATLAB软件,对我国交通事故死亡人数进行了分析预测,用此模型群对未来可能出现一定阈值范围内死亡人数的年份和月份进行预测.结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准,可供交通部门参考.     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

基于灰色马尔科夫模型的中国女子竞走成绩的预测

以中国女子竞走年度最好成绩作为原始数据序列建立灰色马尔科夫预测模型.研究表明:灰色马尔科夫预测模型对中国女子竞走成绩的预测具有更高的精确度与实用价值;通过对女子竞走年度最好成绩进行预测,预测结果显示中国女子竞走与世界女子竞走的年度最好成绩呈现出拉大趋势.     

基于最小二乘法的灰色组合预测模型及其应用

根据GM(1,1)模型原理,构建了灰色增量模型和灰色组合预测模型.分别利用中国和河南1986-2015年的人口数据建立模型,采用最小二乘法求解灰色组合预测模型的最优权系数.通过GM(1,1)模型、灰色增量模型和灰色组合预测模型对上述算例进行误差分析,实验结果表明灰色组合预测模型预测精度明显的优于其它单项预测模型.     

中国博士后发展灰色预测模型及其应用

对灰色模型做了进一步的研究,拓广了灰色模型,建立了一个新的、预测精度较高的新灰色预测模型——"对数函数——幂函数变换"模型,并利用此模型对我国博士后研究人员增量做出精度较高的灰色预测.     

基于IGRA-ISVD约减和RBF的森林火灾消防直升机需求预测模型

针对森林火灾消防直升机需求预测问题,提出了一种基于改进灰色关联分析(IGRA)和改进奇异值分解(ISVD)约简的径向基函数(RBF)神经网络预测模型.首先,基于既有研究梳理了森林火灾消防直升机需求预测指标体系;然后,在改进灰色关联分析和奇异值分解方法的基础上,分别对消防直升机需求预测数据信息进行属性约简和维度约简;最后,利用约简预测数据信息对RBF神经网络进行训练,进而构建消防直升机数量预测模型.案例分析和对比分析表明了本文所提方法的可行性和合理性.     

An improved seasonal rolling grey forecasting model using a cycle truncation accumulated generating operation for traffic flow

Accurate real-time prediction of urban traffic flows is one of the most important problems in traffic management and control optimization research. Short-term traffic flow has complex stochastic and nonlinear characteristics, and it shows a similar seasonality within intraday and weekly trends. Based on these properties, we propose an improved binding cycle truncation accumulated generating operation seasonal grey rolling forecasting model. In the new model, the traffic flow sequence of seasonal fluctuation is converted to a flat sequence using the cycle truncation accumulated generating operation. Then, grey modeling of the cycle truncation accumulated generating operation sequence weakens the stochastic disturbances and highlights the intrinsic grey exponential law after the sequence is accumulated. Finally, rolling forecasts of the limited data reflect the new information priority and timeliness of the grey prediction. Two numerical traffic flow examples from China and Canada, including four groups at different time intervals (1 h, 15 min, 10 min, and 5 min), are used to verify the performance of the new model under different traffic flow conditions. The prediction results show that the model has good adaptability and stability and can effectively predict the seasonal variations in traffic flow. In 15 or 10 min traffic flow forecasts, the proposed model shows better performance than the autoregressive moving average model, wavelet neural network model and seasonal discrete grey forecasting model.     

GPM(1,1,m)模型及其在中国能源消费预测中的应用

客观准确地预测能源消费,可以为政府制定社会经济发展政策提供重要参考.利用矩阵分析的思想研究了灰色预测模型的建模机理,提出了基于时间多项式的可拓形式GPM(1,1,m)模型,并分析了其理论意义.在此基础上,通过研究了时间多项式对模型参数和预测值的影响,推导了它们之间的定量关系,设计了实际建模中的优化方法和参数估计的一般形式.利用GPM(1,1,m)模型预测中国的能源消费量并与其他灰色预测模型进行对比.根据2002-2017年的数据建立模型,结果显示GPM(1,1,m)模型的精度明显的优于其他模型.     

基于灰色灾变模型的通货紧缩预测

针对未来期间通货紧缩是否存在的分歧以及通货紧缩可能存在的危害性,利用灰色灾变预测模型结合中国通货紧缩的小样本数据,预测未来通货紧缩发生的日期,预测结果显示通货紧缩约在2020年前后出现,预测结果一方面意味着当前应该审慎选择货币政策和财政政策,另一方面在2020年前后应该积极调整货币政策和财政政策,避免通货紧缩的出现可能给经济运行带来的负面性影响.     

Multi-variable grey model based on dynamic background algorithm for forecasting the interval sequence

The multi-variable grey model based on dynamic background algorithm improves the forecasting performance of the multi-variable grey model on the precise number sequence. In order to make this model suitable for the interval sequence, the matrix form of the multi-variable grey model based on dynamic background algorithm is proposed in the paper. In the modeling process, the interval is treated as a two-dimensional column vector, the parameters of the multi-variable grey model are replaced by matrices, and the dynamic background algorithm for interval sequences is proposed. The analysis results of the matrix algorithm for the dynamic background value and the prediction formula show that the new model is essentially a way to predict one of the two bounds of an interval by combining them, reflecting the integrity and interaction between the lower and upper bounds. The interval predictions of industrial electricity consumption of Zhejiang Province, China national electricity consumption and consumer price index show that the new model can well predict the minimum and maximum values of the interval sequence and has better prediction performance compared with the method of predicting each boundary sequence separately.     

灰色GM(1,1)模型的改进模型在房地产价格指数预测中的应用

提出了一种结合非线性回归技术的灰色GM(1,1)模型的改进模型.利用我国的房地产价格指数预测作为研究对象,用以验证所提方法的有效性和准确性.根据实证结果,说明了新的改进模型有效提高了经典灰色模型的预测精度.     

A research on the grey prediction model GM(1,n)

The grey theory can be applied in the research of prediction, decision-making and control, especially in prediction. The primary characteristic of a grey system is the incompleteness of information. A grey system could be whitened by way of inserting more messages in itself and its accuracy of prediction could be raised. The solution to the existing grey prediction model GM(1,n) is inaccurate and then its prediction accuracy cannot be expected. To solve the existing GM(1,n) by assuming step by step the first order accumulated generating operation data of the associated series to be constants is incorrect. The existing model GM(1,n) is seriously wrong even for a system having a nonnegative associated series with constant entries. There are currently only a few wrong papers based on the existing GM(1,n) model to be published. Almost all the improved prediction models based on the existing GM(1,n) model are correct. For example, the improved models are correct by convolution integral or fitting their forcing terms by several elementary functions. The algorithm of GMC(1,n) is applied to explain why the existing GM(1,n) model is incorrect in this article.     

基于组合权重和模糊随机方法的台风灾害风险评估

利用2000~2016年登陆华南地区的24个台风样本的灾情与致灾源数据,建立台风灾害风险评估模型。首先,运用层次分析法和熵权法构建一种新的组合权重;然后,利用组合权重构建灾情指数序列和致灾源指数序列,计算每个台风灾害风险值,并将风险值从小到大划分为五个区间;最后,采用模糊随机方法建立华南地区台风灾害模糊风险评估模型,计算得到五个风险等级区间的模糊可能性,以此来表示各等级台风灾害发生的可能性大小。结果表明,基于组合权重构造的灾情指数序列与致灾源指数序列相关性较强;华南地区发生第二风险等级台风灾害的可能性最大,发生第五风险等级台风灾害的可能性最小,与实际情况较为吻合。