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...     

基于分数阶累加的灰色GM(1,1|sin)模型及其应用

本文研究了灰色模型对振荡序列的预测问题.在已有GM(1,1|sin)模型的基础上,利用分数阶算子对原始序列进行累加生成的方法,获得了分数阶累加GM(1,1|sin)模型的表达式;以平均相对误差最小化为目标,利用粒子群算法求解非线性优化问题,获得了模型的最优参数.最后以城市交通流的模拟预测为例,结果表明本文提出的模型比GM(1,1|sin)模型具有更高的模拟精度,推广了GM(1,1|sin)预测模型的结果.     

反向累加GOM(1,1)模型的四种基本形式及比较

为进一步拓展基于反向累加生成的灰色预测模型GOM(1,1)的应用范围,构建了GOM(1,1)模型的四种基本形式:均值GOM(1,1)模型、离散GOM(1,1)模型、原始差分GOM(1,1)模型和均值差分GOM(1,1)模型,然后从理论上分析了各种模型之间的关系.最后通过构造不同特征的序列对四种模型的适应性进行比较研究,得到了一些结论,为在实际应用中选择合适的模型提供了参考依据.     

同时优化背景值和灰导数的新非等间距GM(1,1)模型

结合GM(1,1)的建模过程,提出了以原始序列的一次累加生成序列为背景值的非等间距序列GM(1,1)模型的最原始形式;并基于灰模型的非齐次指数特性和求导的定义,从灰导数在离散点的生成出发,同时优化最原始的非等间距灰微分方程的灰导数和背景值,并建立新非等间距灰模型;新模型不仅提高了灰模型的拟合精度和预测精度,且拓宽了GM(1,1)的适用范围.     

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...     

新息累积非等间距GM(1,1)模型研究

为提高非等间距GM(1,1)模型的模拟效果和预测精度,在传统的累积非等间距GM(1,1)模型中结合了新息思想,对新息累积非等间距GM(1,1)模型的初始条件进行改进,并对参数的有效区间进行了讨论.仿真实例表明了改进后模型的有效性和高效性.     

基于等间距化的非等间距灰色GM(1,1)模型及优化

针对现有非等间距GM(1,1)模型存在的不足,借鉴分段线性插值将非等间距序列等间距化的思想,以非等间距的方法建立了一种新的非等间距GM(1,1)模型,模型不需计算插值数据,可直接利用原始数据建模.然后通过赋予原始数据下标序列变换系数,利用平均模拟相对误差最小的原则确定各参数,建立优化后的非等间距GM(1,1)模型.最后通过算例测试和应用实例表明提出模型的有效性和可行性.     

非等间距序列的灰色模型

在对原始数据序列的一次累加生成时 ,考虑序列的间距 ,提出了对非等间距序列建立 GM( 1,1)模型的基本理论和方法 .通过对算例进行的计算 ,表明本文提出的方法概念明确、计算方便、有较高的拟合和预测精度 .对解决各个领域中广泛存在的非等间距序列的建模拟合和预测问题提供了一种比较好的方法     

基于分数阶GM(1,1)的图像去噪

针对传统整数阶GM(1,1)模型无法调节阶次来改善图像去噪性能,采用分数阶GM(1,1)模型来弥补其不足.分数阶GM(1,1)模型可以精确调节累加数之间数量级来达到更好的去噪效果.先通过在经典图像中添加椒盐噪声的去噪对比实验,得出分数阶GM(1,1)模型较GM(1,1)模型有更好的视觉效果,更高的峰值信噪比和结构相似度...     

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.     

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.     

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.     

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.     

非等间距GM(1,1)模型的改进与应用

将累积法引入非等间距GM(1,1)模型,得到累积法非等间距GM(1,1)模型.为了减少模型的滞后误差,引入一种可优化的背景值构造方法,将其代入累积法非等间距GM(1,1)模型的离散化方程,推导出可作为预测值计算公式的递推式,用来取代传统的白化响应式.结果分析表明累积法在非等间距模型中的应用效果良好,模型的拟合与预测精度都很高.     

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.     

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。     

变参数非等间距GM(1,1)模型及应用

在对非等间距序列建模时,考虑到序列本身的特点,结合GM(1,1)模型的建模过程,提出了一种对非等间距序列建立变参数GM(1,1)模型的方法,并将其应用于具体实例进行分析,计算结果表明本文提出的方法具有较高的精度,从而为解决非等间距序列的拟合及预测问题提供了一种比较好的思路.     

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.