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.     

基于核和测度的区间灰数预测模型

区间灰数的确定与其核和测度有关,通过计算灰数的核和测度,将区间灰数转变成实数.分别对区间灰数核序列和测度序列建立预测模型,再推导还原得到区间灰数的预测模型.并将此模型应用于黄河内蒙段巴彦高勒站冰期日均流量预测,结果验证了所建模型的有效性和实用性.     

泛灰数在区间分析中的应用

在概述泛灰数的概念及其运算规则的基础上 ,介绍了泛灰数与区间数的转化 ,利用泛灰数的可扩展性对区间进行分析 ,它不仅具有区间分析的功能 ,而且能解决区间分析所不能解决的问题 .并给出了算例作了对比分析     

区间灰数NGM(1,1)预测模型的构建及优化

针对近似非齐次指数区间灰数序列预测问题,建立区间灰数NGM(1,1)预测模型并进行优化.首先基于Newton-Cotes求积公式和牛顿插值公式重构背景值;然后结合新信息优先原理,建立基于时间权重的相对误差平方和最小的目标函数,优化模型的初始条件;最后分别建立核和信息域序列的NGM(1,1)优化模型,并反推区间灰数的上下...     

基于灰模型的区间模糊数时间序列预测

研究了基于灰模型的二元区间和三角模糊数时间序列的预测方法.目前以GM(1,1)模型为代表的灰色预测模型只适用于精确数序列.改进了GM(1,1)模型的定义型方程中的参数形式,使方程能适用于几类常见区间模糊数序列.接着,基于区间模糊数的计算准则,分别具体给出了二元和三角模糊数GM(1,1)模型(BIFGM(1,1)和TFGM(1,1))的预测过程.模型对于区间模糊数的界点序列的发展系数进行了加权平均处理,以此保证了区间模糊数序列发展态势的整体性.最后进行了实例应用,验证了模型的有效性.     

区间数的标准表示及其四则运算法则与泛灰数的内在联系

在回顾泛灰数四则运算法则基础上,给出了区间数的标准表示,论述了标准区间数的四则运算法则与泛灰数的内在联系及其应用前景.     

基于区间灰数多属性群决策建模技术的卫生应急综合评价研究

多属性灰色群决策建模方案设计为立足点,引入区间灰数、相离度、逼近理想点、群决策集结算法知识,在属性权重为实数、区间灰数或优化运算形式下,经属性值规范化后制定理想方案.首先,计算区间灰数相离度、灰色关联系数、灰色关联度,讨论以理想方案贴近度确定排序或择优.然后,改进为群体专家独立决策环境下,由属性矩阵虚构理想方案并计算关联度、贴近度,与专家权重集结为贴近度矩阵,由逼近理想点思路排序及择优.最后,由疾控机构卫生应急能力评价案例验证可行性,区间灰数、属性测度、专家权重以及属性群决策信息利用充分,这套建模方案对于类似问题也有推介意义.     

三参数区间灰数的多属性灰关联决策方法

针对决策信息不确定的多属性决策问题,利用三参数区间灰数的概率分布特征及经典灰关联决策的优势,提出了基于三参数区间灰数的灰关联决策方法.首先定义了三参数区间灰数决策向量与理想最优方案和临界方案决策向量的区间关联系数,其次得到所有方案决策向量的区间综合关联度,由区间综合关联度最大化和灰熵最大化确定属性的权重,进而对方案进行择优排序,最后用算例说明决策模型的合理性和实用性.     

水资源管理中的多指标灰区间数关联决策模型

水资源管理决策是典型的非结构或半结构决策问题,将区间数的多属性决策应用于水资源管理决策领域,采用基于灰色系统理论的多指标灰区间数关联决策模型.通过引入灰区间数序列的范数完成多指标决策矩阵的规范化处理,构建综合灰色信息的理想区间方案,从方案优属度出发获得最优决策方案.最后,通过实例验证了该模型的有效性和实用性.     

基于后悔理论的三参数区间灰数信息下的风险型决策方法

针对决策属性值为三参数区间灰数的风险型决策问题,考虑到决策者的有限理性,提出基于后悔理论的风险型决策方法.首先,提出新的三参数区间灰数距离测度和三参数区间灰数的相对核,并构建出感知效用矩阵;然后,将其中的感知效用值集结为各方案的综合感知效用值,并根据各自然状态的风险概率得出各方案的期望效用,由此实现方案排序;最后,通过算例对比分析说明方法的合理性和有效性.     

基于灰色预测模型的广州港货运发展研究

新冠肺炎疫情对广州港的货运发展产生了一定程度的影响,但目前仍然缺少相关的定量研究.基于灰色预测模型,利用港口货物吞吐量、外贸货物吞吐量、集装箱吞吐量三个货运指标,在新冠肺炎疫情没发生的这一假设下,推测2020年1-8月广州港的各货运发展指标值.基于预测值与实际值的比较,定量研究广州港的货运发展受新冠肺炎的影响值,反映新...     

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。     

改进不等时距灰色GM(1,1)模型及其应用

针对传统不等时距灰色模型(UGM(1,1))的缺陷,分别从背景值优化和模型优化,结合新陈代谢思想,提出了2种改进不等时距灰色模型:新陈代谢不等时距加权灰色模型(MUGM(1,1,w))和改进新陈代谢不等时距灰色模型(AMUGM(1,1)).经算例仿真检验,结果表明:2种改进模型在预测精度和实用性上都优于传统UGM(1,1)模型,其中AMUGM(1,1)模型更是克服了灰色模型不含线性因素的局限,拓宽了灰色模型的适用范围,具有很好的应用价值.     

基于区间数的多指标综合关联度决策模型

针对区间数多指标系统的决策特点,对指标数据初始化处理时,利用"奖优罚劣"原则,提出了一种新的易于计算且实用的S_i到[-1,1]的线性变换,然后定义正、负理想方案,建立了一种新的区间数多指标灰色综合关联度分析决策模型.该模型为区间数多指标决策提供了一种科学、实用的方法,并已利用现有的实例来证实此方法的科学性与可行性.     

基于前景理论的智能输电系统改进灰靶风险决策模型研究

针对我国特高压建设与大规模可再生能源的接入带给智能输电系统的风险,文章提出一种在市场环境下输电系统的风险型多准则决策新方法。该方法基于已构建的智能输电系统风险评价指标体系,考虑指标属性与权重信息的不确定、模糊性以及决策者所持风险态度,结合改进的区间灰数与前景理论,构建了基于前景理论的改进灰靶风险决策模型,最后运用到智能输电系统风险决策案例验证了该方法的合理性和有效性。     

不等时距灰色组合预测模型的研究

在不等时距序列灰色预测的基础上,建立了最优组合预测模型和BP神经网络组合预测模型.通过实例对比分析,表明这两种灰色组合预测模型都较各单项模型具有更高的预测精度和较高的理论实践价值.     

不完备信息下的灰色粗糙集成决策模型侯亚林

In this paper, for multiple attribute decision-making problem in which attribute values are interval grey numbers and some of them are null values, a decision model based on grey rough sets integration with incomplete information is proposed. We put forward incidence degree coefficient formula for grey interval, by information entropy theory and analysis technique, the method and principle is presented to fill up null values. We also establish the method of grey interval incidence cluster. Because grey system theory and Rough set theory are complementary each other, decision table with preference information is obtained by the result of grey incidence cluster. An algorithm for inducing decision rules based on rough set theory and the dominance relationship is presented. In some extent, this algorithm can deal with decision-making problem in which the attribute values are interval grey numbers and some of them are null values. Contrasted with classical model of cluster decision-making, the algorithm has an advantage of flexibility and compatibility to new information.