加权累加生成的GM(1,1)模型及其应用

根据灰色系统理论中的新信息优先原理知新信息对认知的作用大于老信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性.针对这一问题提出了加权累加生成的概念,并对加权累加生成在单调性、灰指数规律、凸性等方面的性质进行了研究,得到加权累加生成序列具有单调递增性,具有较强的指数规律,并具有下凸性,然后建立了基于加权累加生成的GM(1,1)模型.通过具体算例的计算表明,加权累加生成的GM(1,1)模型的模拟和预测精度比传统的GM(1,1)模型模拟和预测精度高,从而说明了该法的有效性.     

累加生成的改进和GM(1,1,t)灰色模型

根据卷积变换可提高变换序列光滑度的特性和累加生成的机理,对灰色建模中的序列生成方式和GM(1,1)模型加以改进,用线性序列对建模序列作卷积变换,建立带线性时间项的灰色模型GM(1,1,t),实例计算结果表明GM(1,1,t)模型的模拟精度较GM(1,1)模型有较大提高且适用范围更广.     

基于粒子群算法的变权累加生成的GM(1,1)模型

根据灰色系统的新信息优先原理可知新信息对认知的作用大于旧信息的作用,而传统的累加生成没有体现原始数据中新信息的重要性.针对这一问题引入了变权累加生成的方法,并对变权累加生成在单调性、灰指数规律、凸性等方面的性质进行了研究,得到变权累加生成序列具有单调递增性,具有较强的指数规律,并具有下凸性,这些性质是高精度建模的保证,然后建立了基于变权累加生成的GM(1,1)模型,并运用粒子群算法确定了变权累加生成的权重.通过具体的算例计算表明,变权累加生成的GM(1,1)模型能够提高模型的模拟和预测精度.     

灰色GM(1,1,

将灰色理论用于人体药物代谢动力学的研究,建立了一种新的灰色模型GM(1,1,     

灰色GM(1,1,(√t))模型及在药动学中的应用

将灰色理论用于人体药物代谢动力学的研究,建立了一种新的灰色模型GM(1,1,(√t)),适合于那些单峰形态的原始数据列.并根据抗高血压药复方卡托普利片的血药浓度给出了灰色药物动力模型.结果表明,精度优于传统的一室模型,而且所用参数少,便于计算.灰色理论可用于药物动力学中单峰序列的研究.     

灰色GM[1,1,t~(1/2)]模型及在药动学中的应用

将灰色理论用于人体药物代谢动力学的研究 ,建立了一种新的灰色模型 GM 1 ,1 ,t ,适合于那些单峰形态的原始数据列 .并根据抗高血压药复方卡托普利片的血药浓度给出了灰色药物动力模型 .结果表明 ,精度优于传统的一室模型 ,而且所用参数少 ,便于计算 .灰色理论可用于药物动力学中单峰序列的研究 .     

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.     

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...     

新陈代谢离散灰色预测MDGM(1,1)模型及其应用

在离散灰色预测DGM(1,1)模型的基础上,提出了新陈代谢离散灰色预测M DGM(1,1)模型,即:对原始数据序列采用新陈代谢的方式逐次建立相应的DGM(1,1)模型,并把该模型用于江西省旅游收入的中长期预测,最后进行了精度检验.结果表明:新陈代谢离散灰色预测M DGM(1,1)模型预测精度较高,可作为中长期预测的工具.     

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.     

向量灰色模型的建立及应用

针对传统多变量灰色预测模型(MGM(1,m))有时存在的建模数据失真问题,以系统中关联变量具有趋同性为基础,提出了一种新的模型——向量灰色模型(VGM(1,m))。与MGM(1,m)模型相比,VGM(1,m)结构更简单,模型参数更少,从而有利于参数的估计。将VGM(1,m)、MGM(1,m)、GM(1,1)模型应用于四个实例的分析,结果表明VGM(1,m)消除了MGM(1,m)的建模失真现象,模型的稳定性得到了增强。进一步,与GM(1,1)建模结果相比,VGM(1,m)模型的预测精度更高,即新模型有更好的泛化性。     

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.     

基于统一灰色生成算子的三参数离散灰色预测模型及其应用

现有三参数离散灰色预测模型的累加阶数取值范围局限于正实数,导致模型建模能力和作用空间受限。为此,论文首先引入实数域统一灰色生成算子;然后,基于统一灰色生成算子构造了新型三参数离散灰色预测模型,实现了其阶数从正实数到全体实数的拓展与优化,从而使得新型模型具备挖掘时序数据积分特性与差异信息的双重功能;最后,将该新模型应用于某装甲装备维修经费的建模,结果显示其精度优于其它同类灰色模型。本研究成果对完善灰色算子基础理论及提高灰色预测模型建模能力具有重要价值。     

多变量整体模式累加多层统计模型的建立及其在组织绩效预测上的应用研究

为了解决多层的少样本或无规则数据的建模问题,在一般多层统计模型的基础上提出了多变量整体模式的累加多层统计模型。此模型把累加方法的优点(将无规则数据转化成有规则数据)与多层统计模型结合起来,拓展了多层统计模型的适用范围。从其在香蕉组织绩效的分析以及在仅有两个调查数据香蕉组织形式绩效的预测中,可以看出此模型有较强的实用性。     

基于系统冲击的灰色预测模型及其应用研究

针对系统受到系统外部冲击问题,结合泛函理论和灰色系统理论,建立了含有系统冲击泛函分析因子的灰色泛函预测模型。并运用贝叶斯网络推理技术,建立了系统冲击与系统控制的灰色贝叶斯网络推理预测模型。所建模型可以分析基于系统冲击演化的泛函分析因子的动态推演问题。依据泛函分析因子的变动,可以预测与修正系统发展趋势。案例分析了2013年房地产经济受到新政策的冲击问题。由于房地产经济受到新政策冲击,使经济发展态势发生转变。根据房地产经济的当前时段信息,利用灰色贝叶斯网络推理预测模型对历史趋势进行修正,预测结果与实际数值仅有3.81%的偏离,预测结果较其它现有模型的预测结果精确。灰色贝叶斯网络推理模型强调对近期数据的开发利用,适用于预测系统近期受到外部冲击的发展趋势问题。     

三维线弹性力学修正的功的互等定理及其应用

该研究发现,三维线弹性力学Betti(贝蒂)功的互等定理命题中的两个主要前提,“一个弹性体”和“两组力的作用”是相互矛盾的,因为两组力的任意一组力都可能改变已知的弹性体为另外一个弹性体.这一矛盾导致Betti功的互等定理是一个具有逻辑错误的定理.基于对这一矛盾的分析,提出了修正的功的互等定理,在这一定理中,给出了功的互等定理的正确命题.此外,该修正的功的互等定理为功的互等法提供理论基础,该法是结构分析的一个新颖的和强有力的方法.