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.     

灰色GM(1,1,k,k2)模型背景值及时间响应函数优化

本文提出了一种新的带有时间幂次项的灰色GM(1,1,k,k²)模型,给出了其灰微分方程和白化微分方程基本形式。基于最小二乘法获得了该模型参数估计值,并推导了该模型时间响应函数。鉴于GM(1,1,k,k²)模型灰微分方程与白化微分方程之间存在跳跃关系,首先对灰微分方程的背景值进行了优化,并推导了优化后的背景值计算公式。为了克服初始值的影响,根据误差平方和最小,进一步优化了GM(1,1,k,k²)模型时间响应函数。最后,该优化后的GM(1,1,k,k²)模型被应用于软土地基沉降预测,获得了较好的模拟预测效果,说明模型是可行的。     

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.     

火灾损失预测的改进GM(1,1)模型

本文对随机性较强的火灾事故,提出了采用改进GM(1,1)模型来减小预测误差.该模型通过三次改进提高预测精度,首先基于普通GM(1,1)模型,改进模型中初始值提高模型精度;其次基于初值改进后的GM(1,1)模型进行残差修正,再次提高预测准确性;最后对残差修正模型中的初始值进行改进,使最后预测模型更加精确.并且在处理含负值的残差数列时,提出了二次累加的方法进行模型预测.通过普通模型的预测值与改进模型的预测值进行对比,可以发现改进后模型的预测值更加接近实际值.结果表明,三次改进后的GM(1,1)模型精度明显提高,为以后预测研究提供一种理论参考.     

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.     

基于背景值优化的GM(1,1)模型在牡丹江GDP预测中的应用

针对GDP是制定地区经济发展战略目标和宏观经济政策的重要参考指标,若能对此指标进行准确的预测,则将会极大有利于该地区制定科学有效的经济政策.鉴于此,对能够影响传统GM(1,1)模型预测精度的背景值进行了优化分析,得到了背景值优化的GM(1,1)预测模型,利用牡丹江市近六年来的GDP数据,将背景值优化的GM(1,1)模型与传统GM(1,1)模型的预测误差做了对比分析,发现前者较后者在预测精度上有了较好的改善,并利用背景值优化的GM(1,1)模型对牡丹江市未来几年的GDP进行了科学预测,并依据预测结果,给出了提高牡丹江经济增长及增长方式转变的对策建议.     

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.     

基于改进的GM(1,1)-BP组合模型的人口预测研究

准确地预测人口总量发展趋势,对我国社会稳定发展具有重要意义.通过分析GM(1,1)模型背景值的构造理论,利用Newton插值公式和线性分段函数优化GM(1,1)模型的背景值,得到新的GM(1,1)模型,并结合BP神经网络模型,再利用遗传算法优化GM(1,1)-BP组合模型的权重系数,并将组合模型应用到新疆人口预测中.最后,分别应用不同的模型,以及改进的GM(1,1)-BP组合模型进行计算和平均相对误差对比,结果表明,改进的GM(1,1)-BP组合模型有效地提高了预测精度.     

提高GM(1，1)模型拟合预测精度的研究

在简单介绍GM(1,1)模型预测过程的基础上,指出了模型在求解微分方程时已知条件选取和背景值构造两方面存在不足,并对此提出了更换已知条件及通过求解最小值获取背景值构造形式的改进措施.通过把这两种措施进行有机结合,形成了一种新的预测程序和方法.并且通过实例分析证明了这种新的程序和方法的确能够提高GM(1,1)模型的拟合预测精度.     

GM(1,1)模型的改进及应用

随着经济的飞速发展,对经济的预测已经是必要的手段,本文选择灰色预测模型来预测经济的发展.然而,传统的GM(1,1)模型存在一些不足,往往在数据之间变化很大时得不到理想的结果,预测精度不高.首先对GM(1,1)模型做了简单的介绍,然后通过改进初始值的光滑度和背景值的取值优化模型,最后运用改进的GM(1,1)模型预测兰州市未来几年的经济发展,从预测结果看到在2020年兰州市的全民生产总值将达到6000亿.     

一类带非线性边界条件的拟线性抛物方程的第二初边值问题

利用先验估计的方法讨论具非线性第二边界条件的快扩散方程解的存在性、唯一性、稳定性和渐近性.主要结果是:1)存在唯的整体广义解,解连续依赖于初值;2)存在T₀,t<T₀时解是无穷次可微的正则解;3)当t充分大时,解一致收敛到零.     

一类准指数序列的模型优化

在传统GM(1,1)模型基础上,结合最小二乘法原理提出:对本身已具有准指数规律的原始序列直接进行建模,并在此基础上对新模型背景值进行适当优化.克服传统GM(1,1)模型建模过程中的盲目性,并提高了拟合与预测精度.     

计算股市的基本方程、理论和原理(Ⅲ)——基本理论

由基本方程导出两个理论:1 股票的价值理论v*(t)=v(0)exp(ar₂t)。2 股能守恒理论。将股能定义为股价v及其导数v>的二次函数φ=Av2+Bvv+Cv2+Dv,在基本方程约束下,将问题归结为沿最优路径的约束优化问题。应用Lagrange乘数,变分法Euler方程可证?对任何v、v>守恒。文中给出应用这些方程和理论对股市走势作分析的一些判断并为深沪股市实际走势所验证。     

非线性向量边值问题的奇异摄动

本文研究摄动边值问题dx/dt=f(x,y,t;ε),εdy/dt=g(x,y,t;ε),a₁(ε)x(0,ε)+a₂(ε)y(0,ε)=a(ε)b₁(ε)x(1,ε)+εb₂(ε)y(1,ε)=β(ε)这里x,f,β∈Em,y,g,a∈En,0<ε《1,a₁(ε),a₂(ε),b₁(ε),b₂(ε)为适当阶数的矩阵.在g_y(t)是非奇异矩阵及其它的适当限制下,证明了解的存在唯一性,作出了解的n阶渐近近似式,并得出余项估计.     

Meta-Learning-Based Physics-Informed Neural Network: Numerical Simulations of Initial Value Problems of Nonlinear Dynamical Systems without Labeled Data and Correlation Analyses

There are several main challenges in solving nonlinear differential equations with artificial neural networks (ANNs), such as a nonlinear system''s sensitivity to its initial values, discretization, and strategies for incorporating physics-based information into ANNs. As for the first issue, this paper addresses the initial value problems of nonlinear dynamical systems (a Duffing oscillator and a Burger''s equation), which cause large global truncation errors in sub-domains with a significant reduction in the influence of initial constraints, using meta-learning-based physics-informed neural networks (MPINNs). The MPINNs with dual learners outperform physics-informed neural networks with a single learner (no fine reinitialization capability). As a result, the former approach improves solution convergence by 98.83\% in the sub-time domain (III) of a Duffing oscillator, and by 85.89\% at $t = 45$ in a Burger''s equation problem, compared to the latter one. Model accuracy is highly dependent on the adaptability of the initial parameters in the first hidden layers of the meta-models. From correlation analyses, it is obvious that the parameters become less (the Duffing oscillator) or more (the Burger''s equation) correlated during fine reinitialization, as the update manner differs or is similar to the one used in pre-initialization. In the first example, the MPINN achieves both the mitigation of model sensitivity to its output and the improvement of model accuracy. Conversely, the second example shows that the proposed approach is not enough to solve both issues simultaneously, as increased model sensitivity to its output leads to higher model accuracy. The application of transfer learning reduces the number of iterative pre-meta-trainings.     

正态变差系数的经典限

本文推导了正态变差系数的经典精确限.为了满足工程实践的需要,利用Odeh和Owen的计算方法及Brent算法,给出了高精度的可手算的近似限.对不同的置信度γ及样本大小n=1(1)30,40,60,120,样本变差系数ε=0.01(0.01)0.20,计算了正态变差系数的经典精确限表.本文指出,当n≤8,ε≤0.20时,经典精确限C_u略大于Fiducial精确限C_u,F.当n>8.ε≤0.20时.C_u-C_u,F<5×10-6.     

控制点优化磨光算法在长江径流量预测中的应用

盈亏修正磨光法所得到的逼近效果仍然很差,通过控制点的参数优化和目标函数的最小,提出一种控制点优化磨光算法,利用这个算法得到参数后代入模型,使预测的精度得到提高.通过实例,该算法简单易行,并通过相对误差进行了分析,控制点优化磨光算法所得到的预测值好于神经网络模型、PPAR和小波网络模型的预测值,这为研究磨光法提供了较好的分析方法.     

线性随机参变振动的谱分解法

本文是[1]文的一个发展.考虑如下的随机方程:(t)+2β?(t)+ω₀2Z(t)=(a₀+a_lZ(t)).I(t)+c,激励I(t)和响应到Z(t)都是随机过程,并设它们相互独立.如[1],设I(t)=a(t)I0(t),a(t)是已知的时间函数,IO(t)是平稳随机过程.本文考虑了以上随机方程的谱分解形式,数值求解方法以及一些特殊情况的解式.     

奇异摄动边值问题的渐近展开

本文研究了奇异摄动边值问题:εy"=f(t,y,ε),y(0)=ξ(ε),y(1)=η(ε),其中ε是一个正小参数.在条件f_y(0,y,0)≥m₀(>0),f_y(1,y,0)≥m₀和f_y(t,y,ε)≥0之下.我们证明了解的存在唯一性,并给出了解的一致有效渐近展开式,从而改进了已有的结果.