基于区间灰数序列的多变量灰色预测模型

针对传统的多变量灰色预测模型仅适用于实数序列的问题,对多变量在区间灰数序列的情形下进行建模.以核和灰度两个维度为基础,分别建立核序列和灰度序列的MGM(1,m)模型,通过核和灰度的模拟预测值还原计算得到多变量中各个变量对应的灰数序列的上界和下界,从而构建基于区间灰数序列的MGM(1,m)模型.最后,将提出的灰色多变量模型应用于雾霾的判别因素能见度和相对湿度,建立基于区间灰数序列的MGM(1,2)模型,对区间灰数序列的模拟预测取得了较好的效果,结果表明提出的基于核和灰度的灰色多变量预测模型具有可行性和实用性.     

基于相对核和精度的三参数区间灰数预测模型

针对建模对象是三参数区间灰数,提出了一种三参数区间灰数预测模型.首先,通过相对核、"重心"点和精度提取三参数区间灰数蕴含的灰信息,实现三参数区间灰数到实数的转化.然后,分别对相对核序列、"重心"点序列和"精度"序列建立DGM(1,1)模型,并反推三参数区间灰数3个参数模拟值的表达式,从而构建了基于相对核和精度的三参数区间灰数预测模型.最后,对某上市公司流动资产持有量进行模拟预测以验证所建模型的实用性和可靠性.     

考虑白化权函数的区间灰数预测模型研究

针对区间灰数预测模型较少考虑灰数取值可能性对预测结果的影响,构建了白化权函数已知的区间灰数预测模型。首先,将区间灰数进行标准化,分别取其"白部"和"灰部"得到白部序列和灰部序列。然后,根据白化权函数与x轴所围图形得到面积序列以及计算白化权函数已知的区间灰数的"核"得到核序列。最后,通过充分挖掘白化权函数已知的区间灰数序列中蕴含的信息,建立灰色预测模型,并应用算例分析验证模型的有效性和实用性。     

基于连续区间灰数Verhulst模型的地震救援药品需求预测研究

针对地震灾害初期的伤病员人数呈现"S"形变化及其是一个动态连续变化过程的特性,通过信息分解法对连续区间灰数进行标准化处理,将区间灰数分解为白部序列和灰部序列,进而构建连续区间灰数Verhulst动态预测模型.并用该模型预测地震灾害救援初期一定时间间隔的伤病员人数区间变化情况,结合地震灾害伤病员人数变化与紧急救援药品需求间的线性关系,实现对地震灾害救援初期的紧急救援药品需求量的预测.并以青海玉树地震为实例对模型进行检验,实验结果显示预测模型应用的正确性与合理性.     

基于连续区间灰数Verhulst模型的地震救援药品需求预测研究北大核心

针对地震灾害初期的伤病员人数呈现"S"形变化及其是一个动态连续变化过程的特性,通过信息分解法对连续区间灰数进行标准化处理,将区间灰数分解为白部序列和灰部序列,进而构建连续区间灰数Verhulst动态预测模型.并用该模型预测地震灾害救援初期一定时间间隔的伤病员人数区间变化情况,结合地震灾害伤病员人数变化与紧急救援药品需求间的线性关系,实现对地震灾害救援初期的紧急救援药品需求量的预测.并以青海玉树地震为实例对模型进行检验,实验结果显示预测模型应用的正确性与合理性.     

基于标准区间灰数的发展带离散DDGM预测模型

由于区间灰数运算体系尚不完善,灰数间的代数运算将导致结果灰度增加,难以有效构建基于"区间灰数"的灰色发展带预测模型.对此,通过将区间灰数进行标准化处理,分解成基于实数形式的"白部"和"灰部"两个部分;然后分别对"白部"和"灰部"建立发展带预测模型,再推导并还原得到区间灰数的发展带预测模型;最后,将模型用于摆动幅度大且整体趋势增长的区间灰数在未来时刻的预测,预测效果验证了所提出模型的有效性.     

基于灰数距离熵的四参数区间数的TOPSIS模型及实证分析

针对区间属性权重未知和传统灰熵模型存在缺陷的多属性决策问题,提出一种改进的四参数区间数的灰数距离熵测度决策方法.通过考虑四参数区间数中指标取值的双重重心点和方差建立属性权重模型.利用,改进的多指标决策的逼近理想点法,通过定义的距离熵测度公式,将建立的权重模型和灰数距离熵测度模型应用到湖南省页岩气探矿权招标的优选中,结果验证了决策方法的合理性和有效性.     

基于灰模型的区间模糊数时间序列预测

研究了基于灰模型的二元区间和三角模糊数时间序列的预测方法.目前以GM(1,1)模型为代表的灰色预测模型只适用于精确数序列.改进了GM(1,1)模型的定义型方程中的参数形式,使方程能适用于几类常见区间模糊数序列.接着,基于区间模糊数的计算准则,分别具体给出了二元和三角模糊数GM(1,1)模型(BIFGM(1,1)和TFGM(1,1))的预测过程.模型对于区间模糊数的界点序列的发展系数进行了加权平均处理,以此保证了区间模糊数序列发展态势的整体性.最后进行了实例应用,验证了模型的有效性.     

基于区间灰数的离散Verhulst直接模型

灰色预测模型既有的研究成果,主要是围绕"实数"为建模对象的经典灰色预测模型,而对于以区间灰数为预测对象的探讨相对比较缺乏.针对传统Verhulst模型建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.对此,文章分析了传统Verhulst模型不足,提出了离散Verhulst直接模型;然后,构建了基于核和信息域的离散Verhulst直接模型,使区间灰数信息无偏的转换成实数信息,同时有效避免了原有的根据"灰度不减公理"按照取大准则确定预测值得灰度或信息域的计算性误差.最后,通过实例分析表明提出的新模型的有效性和实用性.     

基于白化权函数的区间灰数预测模型

针对传统灰色预测模型无法进行白化权函数已知的区间灰数预测的缺陷,通过先将区间灰数进行标准化处理,分解成实数形式的"白部"和"灰部",然后分别对"白部"和"灰部"序列进行预测.再将已知的白化权函数映射为[0,1]区间上的函数,并用函数的面积和重心估计出预测值的白化权函数.模型不仅能解决典型白化权函数的类型,还能解决三角白化权函数的情况,且建模机理简单,计算简便.最后,将模型应用于黄河宁蒙河段巴彦高勒站的凌期日均流量的预测,验证了新模型的有效性及实用性.     

逐步优化灰导数的非等间距GM(1,1)模型

利用前向差商和后向差商的加权平均值代替灰导数,对非等间距灰色预测模型进行了改进,给出了加权系数的估计公式,并采用逐步递推的方法优化参数,建立新的非等间距GM(1,1)模型.最后通过实例证明了新模型具有较高的精度.     

A novel multivariate grey model for forecasting the sequence of ternary interval numbers

A novel multivariate grey model suitable for the sequence of ternary interval numbers is presented in the paper. New model takes into account the influencing factors on the system behavior characteristic. New parameter setting makes the model directly applicable to the sequence of ternary interval number without the need to convert the sequence into real sequence. A compensation coefficient taken as a ternary interval number is added to the model equation. The accumulation method based on the new information priority is proposed to estimate coefficients. A connotative prediction formula is derived to replace the white response equation of the classical multivariate grey model. The single variable grey model, which takes into account the development trend of system behavior itself, is combined with the novel multivariate grey model based on the degree of grey incidence. Interval forecasts for China's electricity generation and consumer price index show that the new model has good performance.     

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.     

基于区间灰关联度的飞机战术意图识别方法

针对敌机在某一时刻其状态属性特征具有迷惑性的特点将某时间段敌机的特征指标变化序列用区间数表示,然后将敌机各类战术意图基准特征值也用区间数表示,将两类区间数都进行规范化处理,求得目标特征区间值与各类意图基准特征区间值的距离矩阵,用AHP方法确定特征指标权重,然后提出了一个新的灰关联模型并对其满足灰关联四公理进行了证明,用提出的灰关联度模型对目标战术意图进行识别.仿真结果证明区间灰关联度方法用于飞机战术意图识别的有效性,同时可以发现其在实时性方面的优势.     

基于灰区间数决策的城市土地集约利用评价

城市土地集约利用评判是典型的区间数多属性决策问题,将基于灰色系统理论的多指标灰区间数关联决策模型应用于城市土地利用状况评价领域,通过引入灰区间数序列的范数完成多指标区间数决策矩阵的规范化处理,建立了多指标区间数整体逼近决策方法,使城市土地集约利用评判方法更加客观.最后通过扬州市城市土地利用状况为实例验证模型的有效性和实用性,为城市土地集约利用评价提供了一种新方法.     

改进灰导数和时间响应函数的新灰色预测模型

以白化方程为基础,利用梯形公式白化灰导数,同时根据最小二乘法求出时间响应函数中的常数c,得到一种改进的灰色预测模型.应用实例说明改进模型具有较高的预测和拟合精度.     

三元区间多属性决策模型

针对决策信息为三元区间数且属性权重完全未知的多属性决策问题,对灰靶决策模型进行了进一步的拓展研究,给出了适用于三元区间综合靶心距决策模型的赋权方法,根据各指标值的上、中、下限序列的信息熵得到改进的信息熵权,并与主观法得到的区间权重相结合,定义了一种新的区间综合权重.在此基础上,通过特征向量法将区间综合权重转化为最优权重来进行方案排序.最后以实例说明了这种赋权方法下灰靶决策模型的实用性和有效性.     

On novel grey forecasting model based on non-homogeneous index sequence

To solve the problem that traditional grey models were constructed on the hypothesis that the original data sequence is in accord with homogeneous index trend rather than non-homogeneous index trend. A novel grey forecasting model based on non-homogeneous index sequence approximately (abbreviated as NDGM) is proposed. It is proved that the models based on homogeneous index sequence are all special cases that of non-homogeneous index sequence. The recursive function of the NDGM model is proposed and the forecasting precision of the model based on pure non-homogeneous index sequence is discussed and the affine properties of the model are further studied. Finally, one numerical case is used to show the effective results of the proposed model.