基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

基于新陈代谢GM(1,1)模型的中国煤炭消费量预测分析

运用灰色系统理论,以中国2002-2012年的中国煤炭消费量建立了GM(1,1)和新陈代谢GM(1,1)预测模型.使用相对误差和残差平方和对两个模型的精度进行检验,对比表明,新陈代谢模型精度高于常规的GM(1,1)模型.使用平均弱化缓冲算子来表示能源政策对煤炭消费量的冲击,应用处理后的新陈代谢GM(1,1)模型对2015-2017年的煤炭消费量进行了预测.     

一种改进的GM(1,1)预测模型在大气中臭氧含量分析中的应用

把GM(1,1)模型求解中的B矩阵进行了改进,以此利用GM(1,1)模型针对大气中的臭氧含量进行分析和预测.根据预测误差分析,预测结果跟实际情况吻合很好,预测结果见文中表5;误差情况见文中表6,相对误差在6%以内,说明利用改进的GM(1,1)模型对大气中的臭氧含量进行预测效果很好。     

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.     

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.     

基于灰色马尔科夫理论的进近着陆不安全事件预测

飞行进近着陆阶段最容易诱发不安全事件.鉴于进近着陆不安全事件诱因受多种因素的影响及具有较大随机波动性的特点,运用灰色马尔科夫模型状态预测方法,对进近着陆不安全事件预测.结果表明,灰色马尔科夫模型预测精度明显高于GM(1,1)模型,适用于随机性和波动性较大的预测问题,为进近着陆不安全事件预测提供了有效方法.     

应用PSO-改进GM(1,1)模型预测油田产量

准确预测油田产量对油田开发调整部署有重要意义.依据油田产量变化特征与油田产量数据丰富的特点,引入产量变化系数修正传统灰色模型,并运用中心差商改进了传统灰导数离散过程,减小灰导数离散误差,再结合PSO算法,最终建立了PSO-改进GM(1,1)模型.运用PSO-改进GM(1,1)模型进行油田产量预测,对比传统灰色模型与PSO-改进GM(1,1)模型的产量预测结果可知,与传统灰色模型预测结果相比,应用PSO-改进GM(1,1)模型进行油田产量预测具有更高的准确性.     

GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

基于优化的灰色-权马尔科夫模型的径流量预测

采用滑动平均法处理1990-2013年沣河秦渡镇水文站径流量数据序列,建立灰色模型GM(1,1)和权马尔科夫链(WMCP)模型组合预测模型,并利用模糊集理论的级别特征值解决了预测结果为区间状态的问题,将模型进行了优化.结果表明,相较于传统的灰色-马尔科夫模型,在结合了WMCP之后的优化模型预测结果与实测资料比较吻合,模型预报精度有所提高.