改进的GM（1,1）幂模型及其参数优化

为了提高灰色GM（1,1）幂模型的拟合精度,对灰色GM（1,1）幂模型的背景值进行了改进,建立了一类改进GM（1,1）幂模型.利用粒子群优化算法给出了改进GM（1,1）幂模型的参数优化.实例分析结果表明基于粒子群算法的改进的GM（1,1）幂模型具有更高的预测和拟合精度.     

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.     

基于粒子群优化的分数阶PFGM(1,1)模型在建筑物沉降预测中的应用

针对传统的灰色预测模型对建筑物沉降预测精度不高、拟合数据较差的问题,在传统的GM(1,1)模型基础上提出了分数阶建模的思想,采用粒子群优化算法求解最优分数阶次,建立基于粒子群优化的分数阶PFGM(1,1)模型.实例计算表明,分数阶FGM(1,1)模型可以提高建筑物沉降的预测精度,通过粒子群优化算法选取最优阶次可以进一步提高预测精度和误差检验等级.由此可见,基于粒子群优化的分数阶PFGM(1,1)模型对建筑物的沉降控制有着重要的指导作用.     

基于复化Simpson公式的GM(1,1)模型背景值优化

针对传统灰色模型GM(1,1)存在的模型精度不高的问题,提出了复化Simpson公式结合动态序列模型的联合方法.给定误差限,利用给出的计算背景值算法,对GM(1,1)模型的背景值进行优化.实例表明,基于复化Simpson公式的背景值优化算法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性.     

基于分数阶累加的灰色GM(1,1|sin)模型及其应用

本文研究了灰色模型对振荡序列的预测问题.在已有GM(1,1|sin)模型的基础上,利用分数阶算子对原始序列进行累加生成的方法,获得了分数阶累加GM(1,1|sin)模型的表达式;以平均相对误差最小化为目标,利用粒子群算法求解非线性优化问题,获得了模型的最优参数.最后以城市交通流的模拟预测为例,结果表明本文提出的模型比GM(1,1|sin)模型具有更高的模拟精度,推广了GM(1,1|sin)预测模型的结果.     

基于混沌粒子群优化算法的灰色GM(1,1)模型在地下水埋深预测中的应用

将混沌优化算法与粒子群优化算法相结合,形成新的混沌粒子群优化算法.利用混沌运动的遍历性,避免陷入局部最优.同时,粒子群算法能加快混沌优化算法的收敛速度,使搜索效率得到提高.用混沌粒子群优化算法优化灰色GM(1,1)模型中的参数,通过横向和纵向比较,优化效果良好,模型预测精度得到了提高.运用该模型对三江平原地下水埋深进行动态预测,预测结果可为有关决策部门提供参考.     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

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.     

灰色GM(1,1)模型研究综述

GM(1,1)是灰色预测理论的核心模型和基础模型.从累加生成方法、初值优化、背景值优化、参数估计方法、模型性质和模型拓展的视角,梳理了GM(1,1)模型的研究进展.明确了有待进一步研究的问题,对GM(1,1)模型的未来研究方向提出了建议.     

分数阶反向累加非线性灰色Bernoulli模型及其应用

非线性灰色Bernoulli模型相对于普通的GM(1,1)模型,能更好的反映数据序列的非线性增长趋势.分数阶蕴含"in between"思想,分数阶累加灰色模型相对一般的累加灰色模型具有更好的预测效果和适应性.为了更好地符合新信息优先原理,实现最小信息的最大挖掘,构造了分数阶反向累加非线性灰色Bernoulli模型,即FAONGBM(1,1)模型,并给出了该模型的具体求解过程.在参数优化方面,本文通过粒子群优化(PSO)算法实现分数阶阶数和非线性指数的最优搜索.最后运用FAONGBM(1,1)模型对我国水力发电总量进行实证分析,结果证明所提出的模型具有良好的拟合精度和预测精度.     

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.     

基于物联网的医用耗材智能屋管理系统

针对医用高值耗材种类繁多、管理难度大的问题,为减少人力成本、提高医用高值耗材的智能化管理水平。本文提出了基于物联网的高值医用耗材智能屋的管理系统,介绍了智能屋的整体架构、系统功能、核心业务及流程设计,主要分为结构模块、RFID模块、数据库模块、控制系统模块四大模块,具体有用户管理、出入库管理、综合查询、预警管理四大业务,通过GM(1,1)模型对2022年全年高值医用耗材的月消耗量进行预测分析,并且检验得该预测模型的精度等级为一级,模型预测效果很好,能够为医院采购人员采购提供了一个参考,避免因过度的主观估计而造成的耗材浪费。该系统能够有效地提高医院对于高值医用耗材的管理水平,减少人力、物力和财力的消耗,为广大患者提供更加优质的医疗服务。本文所提的高值医用耗材智能屋管理系统解决了传统的高值医用耗材管理的诸多难题。     

基于改进灰色GM(1,1)模型的新疆人口总量的分析与预测

利用Lagrange插值理论重构了GM(1,1)预测模型的背景值,以提高改进GM(1,1)模型的预测精度和实效性,进而利用该模型对新疆人口发展态势进行了科学分析与预测.     

A gray model for increasing sequences with nonhomogeneous index trends based on fractional‐order accumulation

By comparing the class ratio deviation and restoring error of first‐order accumulation with that of fractional‐order accumulation, a gray model for monotonically increasing sequences can obtain optimal simulation accuracy via selecting a proper cumulative order. In this study, a gray model for increasing sequences with nonhomogeneous index trends based on fractional‐order accumulation is proposed. To reduce the modeling error caused by the background value and to improve the prediction accuracy of the model, an optimized model using the 3/8 Simpson formula is constructed. Finally, the 2 proposed models are used to predict the total energy consumption in China and the monthly sales of new products in an enterprise. Compared with the GM(1,1) model based on fractional‐order accumulation, the proposed model exhibits better simulation and prediction accuracy.     

基于多目标双层规划的智能电网虚假数据注入攻击研究

相对于传统电网,智能电网引入了先进的信息通信技术能显著提高企业生产效率和电力数据处理效率,但由于传统状态估计的漏洞,智能电网易受到虚假数据注入的攻击。现有的研究仅追求电力系统运营成本的最大化或攻击资源的最小化,没有考虑两者之间的均衡。基于此,本文考虑建立智能电网虚假数据注入攻击双层多目标规划模型,其中多目标表示电力系统运营成本与攻击成本之间的均衡,并结合IEEE 14总线算例进行分析,针对攻击者不同的攻击倾向给出了相应的虚假数据注入攻击策略。     

云计算在智能电网中的应用研究

随着现代电网规模的不断扩大,现有的电力系统网络越来越无法满足现代化建设发展的需求,具备自愈、互动、兼容等优点的智能电网成为未来电网的发展趋势.同时,智能电网概念的提出和逐步实现对电力系统的计算和存储能力提出了越来越高的要求.基于云计算技术并结合电力网络系统的特点,提出电力网络系统智能云的概念,在此基础上规划设计了电力系统智能云的体系结构并分析了电力系统智能云实现的关键技术.电力网络系统智能云技术的应用,能够在现有基础资源基本不变的情况下,大大提高电力网络系统的计算和存储能力,实现电力网络系统智能化、信息化和分级化的互动管理,减少电网建设投资,为构建现代化智能电网系统提供了明确的思路和研究方向.     

基于初始值和背景值改进的GM(1, 1)模型优化与应用

针对在现实生活中, 经典GM(1,1)模型预测精度不稳定, 且以往的优化方法大部分具有片面性的缺点, 文章对经典GM(1,1)模型背景值与初始值进行改进, 提出了一种组合优化方法:根据动态寻优原则, 将背景值设为变量, 其参数以及时间响应式由MRE取最小值时确定;同时, 采用差分方程取代以x⁽¹⁾(1)为固定点的静态方程。将初始值和背景值看作变量, 以系统地减少模型误差。结合国内石油年消费量数据, 分别应用经典和改进后的GM(1,1)模型进行计算和误差对比, 验证了改进后的模型精度要显著优于经典模型。     

基于多层博弈的智能电网住宅电力实时需求响应机制

通过建立多层博弈模型刻画智能电网系统中电力公司、家庭电力管理中心和家庭内各个电器设备间的电力实时需求响应过程。在此模型中,每个时段电力公司将电价通知各个家庭,每个家庭的电力管理中心接收到实时电价信息后为家庭内各个电器设备分配虚拟电价,各个设备则确定各自最优用电量并将其反馈给家庭电力管理中心,由其确定该家庭总用电量并发送至电力公司,电力公司再计算得到最优电价。证明了所建多层博弈模型的均衡存在唯一性,并得到均衡解。仿真结果验证了模型的有效性,并给出其实际应用价值。     

两步估计法在非等间距GM(1,1)预测模型参数估计中的应用

为提高灰色模型的预测精度,在传统建模基础上,通过分析模型解的结构,提出了一种新的方法一两步估计法.即第1步利用差分思想,给出参数的初始估计值;第2步采用非齐次指数函数优化背景值,结合积分理论,对初始估计进行修正.实例表明,方法不仅适用于非等间距模型,同样也适合等间距模型,并且模型精度理想.