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...     

基于改进后DGM(1,1)的模型区域科技人才聚集关键影响因素预测研究

为解决对区域科技人才聚集关键影响因素的预测问题,在传统DGM(1,1)模型的基础上,提出一种基于算子改进的DGM(1,1)模型应用于区域人才关键因素预测.首先,通过对反正切函数算子利用分数阶累加的方法进行改进,以达到提升算子处理数据精度且弥补算子缺陷的效果;其次,通过改进后算子与DGM(1,1)模型的结合来达到优化传统模型的目的;最后,通过收集陕西省西安市科技人才聚集关键影响因素进行应用分析并验证该模型的可行性和有效性.结果表明,改进后的DGM(1,1)模型具有较高的模型精度和较好的预测效果.     

基于分数阶累加的GM(2,1)模型及其改进研究

在传统GM(2,1)模型模型的基础上,通过引入分数阶算子得出了基于分数阶累加的GM(2,1)模型的一般形式。为进一步提高预测精度,提出了一种改进形式,并给出了两种不同方式来确定时间响应式的参数。最后以两个实例验证了本文提出的分数阶GM(2,1)模型及其改进模型的有效性和实用性。     

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.     

基于分数阶GM(1,1)与BP神经网络的电力负荷预测

传统的灰色GM(1,1)和BP神经网络模型存在对原始序列依赖高,收敛速度慢等缺点.将分数阶累加的思想引入GM(1,1)模型,再用逐层训练算法改进传统的BP神经网络.基于我国2010-2014年的电力数据,构建分数阶GM(1,1)与BP神经网络组合模型,预测2015年和2016年的总发电量.实证结果表明,该组合模型比GM(1,1)模型,分数阶GM(1,1)模型以及GM(1,1)与BP神经网络组合模型具有更好的数据拟合效果,更高的预测精度.     

分数阶灰色累减生成算子及其性质研究

给出了分数阶灰色累减生成算子的详细推导过程,并证明了分数阶灰色累减生成算子的不动点定理、信息优先原理、交换律与指数律,为分数阶灰色预测模型提供了理论基础.算例验证了分数阶灰色累减生成算子的特征,在灰色预测模型GM(1,1)中的应用证明了分数阶灰色累减生成算子的有效性.     

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.     

改进GM(2,1)模型的MATLAB实现及其应用

针对经济预测,根据灰色模型GM(1,1)的应用介绍了灰色模型GM(2,1)的原理,并利用最小二乘法改进GM(2,1)算法及其预测步骤,用MATLAB实现了预测,用中国经济增长率数据做了仿真,对观测时间序列拟合出数学模型.     

具有时滞和周期特征的短时交通流灰建模及其应用

针对短时交通流的延迟性、随机性和周期性特征,采用灰关联分析和分数阶累加生成方法建立了带时滞和周期特征的分数阶累加灰色新模型.针对短时交通流的延迟性,将短时交通流数据拆分成参考时间序列和对应的比较时间序列,进行关联度分析,得到计算时滞值的方法.针对短时交通流的随机性和周期性,利用分数阶累加生成方法,并引入tan(kp)为发展系数,sin(kp)为输入变量,建立了短时交通流的分数阶GM(1,1|tan(kp),sin(kp))模型,给出了模型参数的最小二乘估计和周期性参数与分数阶阶数的优化求解算法.最后将模型应用于长沙市芙蓉区某交叉路口的交通流建模及预测中,并与常规的五种模型进行了对比分析,结果表明,模型能较为准确地反映交通流的实际情况,且有较高的预测精度和较为稳定的结果.     

一类优化灰色作用量的GM(2,1)模型

通过把GM(2,1)模型中的灰色作用量b改进为b_1+b_2k,从而构建了灰色作用量优化的GM(2,1)模型,并改进了相应的边界条件,通过实例验证以及与累积GM(2,1)模型和反向累积GM(2,1)模型对比,发现改进灰作用量后的GM(2,1)模型具有较高的模拟精度.     

分数阶SEIR传染病模型的残差幂级数解法

SEIR传染病模型在研究传染病和社交网络的信息传播等方面具有重要的应用背景,分数阶SEIR传染病模型对于这些动态系统的传播过程描述更加确切,但是分数阶SEIR模型难于求解.给出一种求解该模型的残差幂级数方法.首先,将分数阶SEIR模型中的S(t)、E(t)、I(t)和R(t)分别用广义泰勒级数展开至k项;再将展开后的表达式带入到分数阶SEIR模型中;利用残差为0来求解未知的系数a_k、b_k、c_k、d_k,得到分数阶SEIR模型的一种级数形式的近似解析解.通过与同伦分析变换法得到的解进行对比,结果表明,残差幂级数法在求解分数阶SEIR模型更有效,其误差更小.     

GM(1,1)模型适用域讨论及模型的改进

在已有灰色系统理论的基础上,讨论了GM(1,1)模型的适用域,明确界定了GM(1,1)模型的有效区域和禁区,并提出了GM(1,1)模型的一种改进形式——离散灰色预测DGM(1,1)模型.通过对我国经济增长的实证分析说明了该模型的有效性和可靠性.研究结果表明,提出的DGM(1,1)模型可作为灰色预测的一种精确模型,因此,为我国经济增长预测提供了一种新的方法,对当前我国经济的理性增长具有重要的指导意义.     

基于灰色预测模型的广州市城镇生活垃圾清运量预测

基于灰色预测理论,分别用GM(1,1)模型、分数阶GM(1,1)模型和新陈代谢GM (1,1)模型对广州市2015-2019年城镇生活垃圾清运量数据进行建模、检验和比较,结果表明新陈代谢GM(1,1)模型预测精度最高.预测2020-2024年广州市城镇生活垃圾清运量仍呈现长的趋势,在2024年将会突破1000万吨.     

分数阶反向累加与累减生成算子及互逆性

采用反向累加与反向累减的信息处理方式,将一阶累加生成算子和一阶累减生成算子拓展至分数阶范围,给出了分数阶反向累加生成算子与分数阶反向累减生成算子的解析表达式,并证明了两者之间的互逆性,为建立基于分数阶反向累加的灰色预测模型和拓宽灰色预测模型的应用范围提供理论基础.     

基于差分方程的灰色DEGM(2,1)建模

传统灰色GM(2,1)模型的定义及参数估计都是以差分方程为基础进行,时间响应函数却是由微分方程解得,从差分方程到微分方程的跳跃,既缺乏严格的理论依据,也会产生跳跃性误差,因而备受争议.本文引入一种基于二阶常系数非齐次线性差分方程的灰色DEGM(2,1)模型,该模型从给出定义,到参数估计,再到预测值求解,都统一使用差分方程来完成,实现了模型从定义到求解的理论一致性、完整性,并且使用该模型时不需要计算时间响应函数、递推函数等,应用更为方便,计算量也更小.实例表明,新提出的DEGM(2,1)模型有较高的预测精度,值得推广使用.     

复数阶GM(1,N)模型及其应用

针对传统和分数阶的GM(1,N)模型不能较好的调整新旧信息权重的问题,通过将模型的阶数从实数拓展到复数,则可以同时调整实部与虚部、新信息与旧信息之间的权值,建立复数阶的GM(1,N)模型(简记为CAGM^z(1,N)模型).并采用复数编码粒子群算法对数据进行求解,从而获得更好的预测结果.最后分别以某地道路交通事故、某地粮食产量数据等为例,运用CAGM^z(1,N)模型进行计算比较,结果表明:CAGM^z(1,N)较GM(1,N)模型有更低的平均误差、更好的精度.     

分数阶灰色累加生成算子与累减生成算子及互逆性

针对现有灰色预测模型主要以一阶累加生成序列作为建模序列,再累减还原为原始序列预测值,本文通过Gamma函数将累加生成算子和累减生成算子拓展到正实数领域,给出分数阶累加生成算子和分数阶累减生成算子的解析表达式,一阶和整数阶均是其特例,证明了两算子之间的互逆性.为建立分数阶灰色预测模型和拓宽灰色预测模型的应用范围提供理论基础.     

分数阶累加生成GM~λ(1,1)模型的江苏省农民收入倍增能力预测

江苏省提出居民收入7年倍增计划.那么其农民收入能否同步倍增?基于分数阶累加生成GM~λ(1,1)灰色模型,采用2007—2012年江苏省农民收入数据,对其收入能力进行了预测.经计算发现,在MAPE误差允许范围内,选择分数阶λ值,可使预测结果更合理、更准确;最终结果表明江苏农民只需6年时间其收入就可以倍增.     

基于灰作用量优化的分数阶灰色预测模型研究

针对小样本振荡型数据序列的灰建模预测问题,提出基于灰作用量优化的分数阶GM(1,1|sin+cos)预测模型.在已有经典GM(1,1|sin)的基础上,一方面,将一阶累加灰生成拓展为分数阶累加灰生成,使得构建的模型更加符合新信息优先原理.另一方面,将灰作用量b_1 sin pk+b_2改进为b_1 sin pk+b_2 cos qk+b_3,其作用是通过增加余弦函数项cos qk,使得具有两个不同周期的运动项cos qk与b_1 sin pk+b_2叠加复合之后,能够生成更加贴近于振荡原始序列趋势和特征的时间响应序列,从而得到拟合精度较高的灰色模型.其次,对建模过程的时间响应式、模型参数p和q的最优估计问题进行了研究,构造了最优累加阶数r、参数p和q的粒子群优化算法,得到的优化模型实现了某些类型振荡序列较高精度的预测.实际数据例子结果表明,所建立的模型能够较好地模拟常见振荡型数据序列的波动趋势和特征,具有较强的适用性和拟合性能.     

基于向量变换的DGM(1,1,k~α)模型的病态性

系数矩阵谱条件数是度量灰色预测模型病态性的重要工具,而向量的数乘变换和旋转变换是降低系数矩阵谱条件数的有效方法.首先,利用向量的数乘变换和旋转变换研究DGM(1,1,k~α)模型的病态性,结果显示,DGM(1,1,k~α)模型的病态性主要受系数矩阵列向量的长度之比、夹角大小及时间幂的影响;其次,给出了基于向量变换的DGM(1,1,k~α)模型病态性的解决步骤;最后,通过一个算例验证了向量变换在解决矩阵病态性问题时的有效性和实用性.