基于粒子群算法的非等距GOM（1，1）模型

等间距灰色GOM（1,1）模型是一种基于反向累加生成的灰色预测模型．为了拓广适用范围,提高GOM（1,1）模型的拟合和预测精度,给出了非等间距灰色GOM（1,1）模型的建模方法,并利用粒子群优化算法对非等间距灰色GOM（1,1）模型的参数进行优化．最后,利用一个仿真实例,表明基于粒子群优化算法的灰色GOM（1,1）模型...     

非等间距组合灰色预测模型

对于非等间距原始数据序列,根据灰色预测模型建模特点,提出了一类非等间距灰色组合预测方法,弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

灰导数优化的一类新信息多变量MGM(1,m,k)模型

以白化方程组为基础,利用梯形公式白化灰导数,同时利用新信息原理,得到一种改进的多变量灰色预测模型.应用实例表明:改进模型具有较高的模拟和预测精度,适用于原始数据序列为非齐次指数函数情形的预测,并且拓宽了灰色模型的适用范围.     

以x~((1))(n)为初始条件的DGM(1,1)模型

根据灰色系统理论的新信息优先原理,建立了以x~((1))(n)为初始条件的离散灰色预测模型,证明了灰色预测模型与离散灰色预测模型分别在初始值优化前后的等价性,最后通过一个算例验证了模型的有效性与实用性.     

基于等维递补的多变量灰色组合预测模型

利用等维递补建立单个多变量灰色预测模型,进而建立多变量灰色组合预测模型.通过实例说明多变量灰色组合模型的应用和效果.     

基于改进灰色马尔科夫模型的年降水量预测

通过结合灰色预测和马尔科夫理论的特点,利用新信息优先的思想,提出一种改进的灰色马尔科夫预测模型,首先对序列进行滑动平均处理,然后用无偏GM(1,1)模型拟合系统的发展变化趋势,并以此为基础进行马尔科夫预测,在每一步预测中,不断推陈出新,更新原始数据.实验结果表明,与一般的灰色预测模型相比,其预测准确度尤其是中长期预测准确度得到了较大提高.     

逐步优化灰导数的非等间距GM(1,1)模型

利用前向差商和后向差商的加权平均值代替灰导数,对非等间距灰色预测模型进行了改进,给出了加权系数的估计公式,并采用逐步递推的方法优化参数,建立新的非等间距GM(1,1)模型.最后通过实例证明了新模型具有较高的精度.     

非等距时序灰色预测模型及其在岩石锚碇承载力分析中的应用

在许多桥梁工程中,锚碇岩石边坡的承载力和稳定性对整个桥梁工程的稳定和正常运营起着至关重要的作用.利用推广的非等间距灰色预测理论模拟了虎门大桥锚碇隧洞拉拔力试验中拉拔力与相应山体位移间的关系,并用所得到的非等距灰色预测模型预测了山体位移,结果表明,非等间距灰色预测模型的预测精度令人满意.研究结果对桥梁工程安全施工和岩石工程预测预报有重要理论意义和工程价值.     

基于区间灰数序列的多变量灰色预测模型

针对传统的多变量灰色预测模型仅适用于实数序列的问题,对多变量在区间灰数序列的情形下进行建模.以核和灰度两个维度为基础,分别建立核序列和灰度序列的MGM(1,m)模型,通过核和灰度的模拟预测值还原计算得到多变量中各个变量对应的灰数序列的上界和下界,从而构建基于区间灰数序列的MGM(1,m)模型.最后,将提出的灰色多变量模型应用于雾霾的判别因素能见度和相对湿度,建立基于区间灰数序列的MGM(1,2)模型,对区间灰数序列的模拟预测取得了较好的效果,结果表明提出的基于核和灰度的灰色多变量预测模型具有可行性和实用性.     

基于偏离度的非等间距灰色预测模型在电力负荷预测中的应用

电力负荷预测过程中,对于原始数据摆动较大,并且数据的整体变化是增大的趋势的序列,以往常采用包络模型来处理它.但是,由于很多不确定的因素的存在,使得上包络及下包络曲线及边缘点的值难以确定,从而削弱了预测值的可信程度.提出了基于偏离度的非等间距灰色预测模型,很好地解决了该类序列的预测问题.并结合实例说明了此模型的可行性和有效性.     

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.     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.     

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.     

白化方程优化的一类灰色Verhulst模型

通过对灰色Verhulst模型中白化方程的优化,以及利用新信息原理,得到一种改进的灰色Verhulst模型.最后,实例结果表明,该改进模型可以有效提高预测精度,从而拓宽了预测模型的使用范围.     

基于Riccati方程的灰色多变量时滞MDRGM(1,N,α)预测模型

针对Riccati方程中含有多变量时滞效应的灰色系统建模问题,提出一种多变量时滞MDRGM(1,N,α)预测模型及其求解方法,给出了参数估计计算过程及近似响应式.在此基础上,通过数据仿真及不同模型间的对比分析验证了模型的有效性、准确性.结果表明:新构建的预测模型在预测具“S”型特征的时间序列数据时具有一定的应用价值.     

非等间距NGM(1,1,k)模型及其应用

针对近似非齐次指数律的非等间距序列预测问题,提出了一种非等间距NGM(1,1,k)模型.为进一步提高模型的预测精度,利用线性插值方法对模型的背景值进行重构,以平均相对误差最小化为目标,建立了关于插值系数的优化模型,并运用穷举算法确定模型的最优插值系数.最后通过两个实例表明了非等间距NGM(1,1,k)模型及其优化模型的有效性和实用性.     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

混沌理论和灰色系统在农机总动力预测中的应用

农机总动力的预测可以为农业装备需求规划提供数据参考,以黑龙江省农机总动力数据作为研究对象,应用混沌理论中G-P算法计算农机总动力的关联维数,将求出的关联维数与灰色系统理论中的灰色关联分析法相结合研究其影响因素,建立了农机总动力灰色多变量预测模型GM(1,m).计算结果:应用Matlab软件编程计算得到了农机总动力7个具体的主导影响因素,并建立了农机总动力的灰色多变量GM(1,7)预测模型,模型的平均相对误差为2.14%,由结果对比可知该预测模型的预测结果高于GM(1,1),方法具有一定的预测精度与科学性.     

改进的加权不等时距灰色IMUGM(1,m,ω)模型及其应用

针对传统的灰色预测模型的缺陷,提出了改进的多因素不等时距加权灰色预测模型.首先,以引入加权因子ω的方式建立多因素不等时距加权灰色模型,再通过初始值改进、残差修正以及新陈代谢思想相结合的方式对模型进行改进;然后结合实际消耗数据,依据欧氏距离、隶属度权值等模型,实现备件消耗预测,实例仿真及分析验证了方法的有效性.     

带遗忘因子的递推GM(1,1)预测模型

针对有新信息逐步引入的灰色预测模型,为区分新旧数据对模型的贡献度,提出一种带遗忘因子的递推灰色预测模型.通过在目标函数中增加遗忘因子,实现新旧建模数据的动态加权,达到逐步遗忘旧信息的目的.给出了灰色预测模型参数的递推估计算法,将新获信息实时加入,以提升模型预测精度.网络流量的递推GM(1,1)预测模型建立及数值仿真,验证了改进算法的有效性.