区间数的标准表示及其四则运算法则与泛灰数的内在联系

在回顾泛灰数四则运算法则基础上,给出了区间数的标准表示,论述了标准区间数的四则运算法则与泛灰数的内在联系及其应用前景.     

泛灰线性方程组的泛灰矩阵求解方法

在概述泛灰数的概念与泛灰行列式运算的基础上 ,介绍了泛灰线性方法程组的泛灰解法 .根据泛灰数的性质 ,定义了泛灰矩阵 ,提出了泛灰线性方程组的泛灰矩阵解法 ,并给出了算例 .     

基于IGIFS关系与截集的区间灰数直觉模糊粗糙集模型及性质

在论述区间灰数直觉模糊集概念基础上,提出了区间灰数直觉模糊关系(IGIFS关系)与区间灰数直觉模糊等价关系概念,定义了基于区间灰数直觉模糊关系环境下的区间灰数直觉模糊粗糙集模型,并讨论了相关性质.在界定了区间灰数直觉模糊集关于区间灰数直觉模糊数截集概念的基础上,定义了区间灰数直觉模糊粗糙集上、下截集近似,给出了区间灰数直觉模糊粗糙集的截集表现定理.     

结构模糊可靠性分析方法的泛灰求解

针对现有的基于区间求解结构模糊可靠度方法的缺陷,提出了一种新的求解结构模糊可靠度方法.该方法利用泛灰数描述与结构基本变量概率分布相关的不确定参数,并将这些泛灰数引入到结构模糊可靠度计算中,得出了较为精确的结构可靠度计算结果.数值算例表明,该方法得到的结构可靠度区间更窄,实现了利用较少的信息量得到较精确的可靠度计算结果,相比传统的结构模糊可靠度计算方法能提供更多、更精确的关于结构安全程度的有用信息.     

泛灰线性方程组的白化求解方法与应用

在概述泛灰数的概念与泛灰行列式运算的基础上 ,介绍了泛灰线性方法程组的泛灰解法 .由于泛灰行列式运算复杂 ,根据泛灰的性质 ,提出了泛灰线性方程组的白化解法 .理论证明这种求解方法的正确性 .并给出了算例 .     

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。     

区间灰数直觉模糊集及其G-TOPSIS模糊多属性决策方法

提出以区间灰数为隶属度、非隶属度和犹豫度的区间灰数直觉模糊集概念,定义了两个区间灰数直觉模糊集之间的距离.对于以灰直觉模糊数为属性值的模糊多属性决策,依据经典TOPSIS准则,提出了基于区间灰数直觉模糊集的模糊多属性决策方法G-TOPSIS.其包含两种方法:一是将区间灰数白化后,按直觉模糊集的TOPSIS方法进行;一是基于区间灰数直觉模糊距离的TOPSIS方法.示例分析表明了两种方法的有效性与一致性.     

基于核和测度的区间灰数预测模型

区间灰数的确定与其核和测度有关,通过计算灰数的核和测度,将区间灰数转变成实数.分别对区间灰数核序列和测度序列建立预测模型,再推导还原得到区间灰数的预测模型.并将此模型应用于黄河内蒙段巴彦高勒站冰期日均流量预测,结果验证了所建模型的有效性和实用性.     

三参数区间灰数距离熵模型及在决策指标体系约简中的应用

三参数区间灰数在决策问题中广泛存在.针对三参数区间灰数多指标决策问题,借助信息熵理论,建立了三参数区间灰数距离熵模型,证明了灰距离熵与灰数之间的关系及相关性质,对多指标决策中指标体系冗余问题提出了基于三参数区间灰数的决策指标体系约简方法,最后,结合具体实例,验证了方法的适用性和有效性.     

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.     

集合概念的扩张与完善

从集合概念的内涵出发,剖析了单值集——Cantor集合、Fuzzy集合、Rough集合、可拓集合概念的内涵;剖析了复值集——Grey集合、未确知集合、Vague集合、泛灰(UG)集合和广义泛灰(GUG)集合的内涵;从而得出广义泛灰集合是内涵最深的集合概念;它具有极强的描述能力,可以描述客观存在的一切现象,故又是外延最广的集合概念.     

角度化灰色T型关联度模型及应用研究

通过对现有灰色关联度模型及算法的分析,首次提出了角度化灰色T型关联度模型。在分段线性表示的基础上,使用相邻线段间的夹角构成的角度序列近似表示时间序列,并给出了相关灰色关联系数和灰色关联度的计算方法。角度化灰色T型关联度模型不仅能够反映序列的正负相关关系,并且满足对称性、唯一性、可比性和规范性等性质。最后,通过实证分析证明了该模型的实用性和有效性。     

基于三角模糊数序列的灰色预测模型

以GM(1,1)模型为代表的灰色预测模型是以精确数序列为基础,难以满足实际需要.为了使灰色模型适应于模糊数序列,具体给出了一种基于三角模糊数序列的建模方法,这种方法也可以实现对二元区间模糊数和梯形模糊数序列的建模.首先由三角模糊数序列得出三个含有等量信息的精确数序列:重心序列、隶属函数的覆盖面积序列和中界点序列,对这三个序列分别建模后,再导出原始三角模糊数序列的三个界点的预测模型.这种建模方法既保持了模糊数的整体性又提高了建模序列的光滑度,提高了预测精度.最后进行了多组随机三角模糊数序列的数据模拟,验证了模型的有效性.     

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.     

居民收入和消费预测的灰理论方法

阐述灰色模型GM(1,1)建立及检验的基本理论和方法.并依据2000年—2005年浙江农村居民人均纯收入和人均生活消费数据,利用GM(1,1)模型建模方法,对“十一五”期间浙江农民的纯收入和生活消费进行了预测.     

Examination and prediction of fog and haze pollution using a Multi-variable Grey Model based on interval number sequences

In this study, a new Multivariable Grey Model (1,m) aimed at interval grey number sequences with known possibility functions is built using the kernel and degree of greyness under new definitions. Based on the new model, formulae are deduced to calculate and predict the upper and lower bounds of interval grey numbers. Since the grey system model and fog- and haze-prone weather have the same characteristics of uncertainty, this model was applied to simulate and predict the measurable indicators of fog and haze in Nanjing, China. We selected visibility data and particulate matter data with a diameter of 2.5 µm to build a new Multivariable Grey Model (1,2) with a new kernel and degree of greyness sequence. In addition, we established the traditional Multivariable Grey Model (1,2) with the original kernel and degree of greyness and the Auto-Regressive Integrated Moving Average Model (1,1,0). The results show that the new Multivariable Grey Model (1,2) has the best simulation and prediction effects among the three models, with average relative errors of simulation and prediction at 1.32% and 0.32%, respectively. To further verify the validity and feasibility of the proposed model, we added another real-world example to establish the three models mentioned above. The results prove that the proposed model has evidently superior performance to another two models.