改进不等时距灰色GM(1,1)模型及其应用

针对传统不等时距灰色模型(UGM(1,1))的缺陷,分别从背景值优化和模型优化,结合新陈代谢思想,提出了2种改进不等时距灰色模型:新陈代谢不等时距加权灰色模型(MUGM(1,1,w))和改进新陈代谢不等时距灰色模型(AMUGM(1,1)).经算例仿真检验,结果表明:2种改进模型在预测精度和实用性上都优于传统UGM(1,1)模型,其中AMUGM(1,1)模型更是克服了灰色模型不含线性因素的局限,拓宽了灰色模型的适用范围,具有很好的应用价值.     

不等时距灰色组合预测模型的研究

在不等时距序列灰色预测的基础上,建立了最优组合预测模型和BP神经网络组合预测模型.通过实例对比分析,表明这两种灰色组合预测模型都较各单项模型具有更高的预测精度和较高的理论实践价值.     

基于非等时距加权灰色模型与神经网络的组合预测算法

非等时距预测算法在不等时间间隔序列的趋势分析与预测方面具有重要作用．在传统灰色预测理论的基础上,提出一种基于非等时距加权灰色模型和神经网络的组合预测算法．通过构建非等时距加权灰色预测模型,将原始数据序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,以真实反映时间序列发展对预测结果的影响．在此基础上,引入BP神经网络对灰色预测的残差序列进行修正,进一步提高了预测精度．经算例验证,该算法预测精度达到1级,且高于类似算法．     

灰导数优化的一类新信息多变量MGM(1,m,k)模型

以白化方程组为基础,利用梯形公式白化灰导数,同时利用新信息原理,得到一种改进的多变量灰色预测模型.应用实例表明:改进模型具有较高的模拟和预测精度,适用于原始数据序列为非齐次指数函数情形的预测,并且拓宽了灰色模型的适用范围.     

带遗忘因子的递推GM(1,1)预测模型

针对有新信息逐步引入的灰色预测模型,为区分新旧数据对模型的贡献度,提出一种带遗忘因子的递推灰色预测模型.通过在目标函数中增加遗忘因子,实现新旧建模数据的动态加权,达到逐步遗忘旧信息的目的.给出了灰色预测模型参数的递推估计算法,将新获信息实时加入,以提升模型预测精度.网络流量的递推GM(1,1)预测模型建立及数值仿真,验证了改进算法的有效性.     

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.     

基于灰色加权马尔可夫链的移动通信市场预测

在传统的用灰色预测模型预测的方法基础上,建立了灰色加权马尔可夫链模型.以中国移动通信市场预测作为实例,介绍了使用这种模型的方法与步骤.灰色加权马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律,又通过规范化各阶自相关系数为权重,用加权的马尔可夫转移概率矩阵的变换,考虑数据的随机波动,具有严密的科学性,能较好地应用于中国移动通信市场的预测.     

基于Riccati方程的灰色多变量时滞MDRGM(1,N,α)预测模型

针对Riccati方程中含有多变量时滞效应的灰色系统建模问题,提出一种多变量时滞MDRGM(1,N,α)预测模型及其求解方法,给出了参数估计计算过程及近似响应式.在此基础上,通过数据仿真及不同模型间的对比分析验证了模型的有效性、准确性.结果表明:新构建的预测模型在预测具“S”型特征的时间序列数据时具有一定的应用价值.     

一类改进的灰色预测模型及其应用

通过将GM(1,1)模型中的灰色作用量改为动态形式,并利用最小二乘法确定时间响应函数中的常数c以及采用新陈代谢的思想,提出了一种改进的灰色预测模型.实例分析表明:改进模型在预测精度和实用性上均有较大改善,从而拓宽了灰色预测模型的适用范围.     

基于无偏灰色PSOMarkov优化模型的加油站便利店零售销量预测方法研究

加油站便利店是一种新兴的零售业态,准确地预测其零售销量具有重要意义.以往的销量预测模型多为单一模型,提出了一种基于粒子群优化的无偏灰色PSOMarkov预测方法.首先,基于灰色系统理论建立了无偏GM(1,1)预测模型,消除了常规GM(1,1)预测模型的固有偏差.其次,利用Markov理论对无偏GM(1,1)预测模型的相对残差进行了修正,模型能较好地体现数据的波动特征.最后,利用改进的粒子群优化算法白化无偏GM(1,1)-Markov预测模型灰区间的参数,得到无偏灰色PSO-Markov预测模型.通过云南昆明市红瓦副加油站便利店的零售销量案例表明,模型能提高预测模型的精度.模型可用于加油站便利店的商品销售预测,并为企业的经营决策提供依据.     

基于等维递补的多变量灰色组合预测模型

利用等维递补建立单个多变量灰色预测模型,进而建立多变量灰色组合预测模型.通过实例说明多变量灰色组合模型的应用和效果.     

白化方程优化的一类灰色Verhulst模型

通过对灰色Verhulst模型中白化方程的优化,以及利用新信息原理,得到一种改进的灰色Verhulst模型.最后,实例结果表明,该改进模型可以有效提高预测精度,从而拓宽了预测模型的使用范围.     

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.     

基于AHP及灰色关联分析法的发动机健康评估研究

综合运用灰色关联分析及层次分析法,提出了一个航空发动机健康状态评估模型.模型采用层次分析法确定评价指标的权值,并对层次分析法进行了合理改进,用灰色关联分析计算评估对象的灰色关联系数,进而计算加权灰色关联度作为判断航空发动机健康状态的指标.基于航空发动机的QAR(Quick access recorder)数据,将模型应用于实例分析,对多台发动机健康状态进行了评估,结果验证了方法的有效性.     

灰色预测模型算法的改进研究

为了解决固定模型预测时变系统容易出现较大误差的问题,提出模型更新算法,即采用将移动窗算法与传统灰色预测模型相结合的方法.通过在建模序列中删除一部分旧数据、纳入一部分新数据的方式递推更新预测模型,并分解数学模型所涉及的关键量ab从而简化递推数学公式;利用国家统计年鉴的统计数据验证上述方法的有效性.为了解决传统灰色预测模型建模长度选择的问题,而递推算法能在已知模型参数基础上通过简单计算获得新模型的各项参数,文章给出了详细的递推数学公式;另外对于最小建模长度L_(min)也进行讨论,认为L_(min)≥3,并给出证明.所改进算法提高灰色模型的预测精度,同时也为最优序列长度计算提供理论依据.     

基于灰色-加权马尔可夫的机械钻速动态预测北大核心CSCD

在钻井工程中,科学准确地预测机械钻速(Rate of Penetration,ROP)对高效钻井以及钻井智能化发展具有重要意义.针对ROP的预测实效性以及波动性大的问题,在灰色系统理论的基础上,结合马尔可夫理论,建立灰色-加权马尔可夫机械钻速动态预测模型.其方法是利用灰色预测模型对ROP进行模拟预测,根据预测值的误差范围划分几个误差分布的状态空间,以不同转移步长间的状态转移信息构建状态转移概率矩阵,再利用该矩阵和不同井段的状态信息,对下一井段的ROP值进行状态空间判断并修正,同时通过不断更新模型中的数据,实现动态实时预测.以南海莺歌海盆地M井进行实例分析.结果表明:经灰色预测模型与加权马尔可夫的有效结合,ROP预测值拟合曲线不仅更加贴近实测值,而且降低了误差的离散性,具有更高的预测可信度,进而有效验证了该模型的有效性.     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于数据变换的优化GM(1,1)模型

本文研究了提高灰色GM(1,1)模型预测精度的问题.利用复合函数变换对原始数据序列经过一定处理的基础上同时优化模型的背景值和初始值的方法,获得了比改进单个模型条件更高预测精度的GM(1,1)模型,推广了灰色预测模型的适用范围.     

混沌理论和灰色系统在农机总动力预测中的应用

农机总动力的预测可以为农业装备需求规划提供数据参考,以黑龙江省农机总动力数据作为研究对象,应用混沌理论中G-P算法计算农机总动力的关联维数,将求出的关联维数与灰色系统理论中的灰色关联分析法相结合研究其影响因素,建立了农机总动力灰色多变量预测模型GM(1,m).计算结果:应用Matlab软件编程计算得到了农机总动力7个具体的主导影响因素,并建立了农机总动力的灰色多变量GM(1,7)预测模型,模型的平均相对误差为2.14%,由结果对比可知该预测模型的预测结果高于GM(1,1),方法具有一定的预测精度与科学性.     

非线性灰色Bernoulli模型的改进及应用

非线性灰色Bernoulli模型是灰色预测模型的一类拓展,在捕捉序列非线性趋势性能上表现良好,但仍然存在许多改进的空间.在传统的非线性灰色Bernoulli模型的基础上提出一种改进的方法,结合优化初始值,采用Guass-Newton算法求解最优模型参数以及滚动建模机制三个方面对模型进行改进.数值结果表明,优化初始值能够提高模型的预测精度,Guass-Newton算法寻求最优参数以及滚动建模机制能进一步减少预测误差的产生.因此,改进的模型能够有效地提高非线性灰色Bernoulli模型的预测性能.