基于灰色系统预测GM(1,1)模型的商洛市人口预测

商洛市作为关中-天水经济区的重要城市,它的人口规模直接决定了在经济区域中城市的建设思路和发展政策,因此对城市人口的准确预测就显得非常重要。为了提高对商洛市人口的预测精度,根据2008—2016年的商洛市人口数据,采用灰色系统预测GM(1,1)模型建立商洛市人口变化的数据模型,并与实际数据进行了拟合。结果表明,该模型与实际数据的拟合性较好,预测得到的数据与实际数据差距较小,满足相应的验证精度,可以用来预测未来的商洛市人口趋势,为城市的建设思路和发展政策提供参考。     

灰色-周期外延组合模型在地质灾害频数预测中的应用

地质灾害发生频数的有效预测有着重要价值。用残差GM（1,1）模型对地质灾害频数总体趋势拟合,将残差用周期外延模型拟合,从而建立了地质灾害频数的灰色-周期外延组合模型。用2005年—2009年我国发生地质灾害频数进行了实例分析,并进行了一步预测。结果表明：拟合结果达到了较高的精度,模型预测是有效的,为地质灾害频数拟合与预测提供了一种方法。     

新陈代谢GM(1,1)模型在火灾预测中的应用

灰色模型具有所需数据少、预测精度高和无需先验信息的特点.据此,可以应用新陈代谢的灰色预测GM(1,1)模型对我国近年发生的火灾统计数据进行分析预测.而预测结果表明,该模型简单实用,精度较高,在短期预测中有广阔的应用前景.     

马尔可夫优化下的GM(1,1)模型在建筑安全事故预测研究中的应用

建筑业安全事故方面的数据具有波动性大,规律性弱,公开的数据少等特点。国家住建部发布2010—2019年的建筑业安全事故死亡人数,通过运用单纯的灰色GM(1,1)模型和马尔可夫优化下的灰色GM(1,1)模型分别预测出来的结果对比,基于马尔可夫优化下的灰色GM(1,1)模型克服了传统预测模型仅适用于短期预测的缺点,且提高了预测的精度。同时,用该模型对我国2020—2021年建筑业安全事故死亡人数进行预测,并提出合理化的管理建议,推动我国建筑业的平稳健康发展。     

基于灰色理论的城市燃气负荷

分析比较了灰色理论中一般的GM(1,1)模型(即一次参数拟合模型)和二次参数拟合模型,并利用两种模型分别对城市燃气负荷进行短期预测,通过相对误差和残差的比较,发现用二次拟合比一次拟合精度更好,相对误差均值更小.     

基于灰色神经网络串联组合模型的涌水量预测

利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。     

灰色人工神经网络组合预测模型及其应用研究

将GM（1,1）模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色GM(1,1)模型的安徽省电力消费量预测

利用2005~2012年安徽省电力消费量统计数据,建立了一个电力消费量预测的灰色GM(1,1)模型.模拟结果表明,灰色GM(1,1)模型比较合理地反应了安徽省电力消费量的增长趋势,并且预测精度较高,误差较小,为电力消费量预测提供了一个科学而有效的方法.     

地方电力需求量的灰色预测研究

电力需求量与地方经济发展关系密切,电力需求量的预测是地方电力部门一项重要的前瞻性工作。本文应用邓聚龙教授创立的灰色系统理论和预测方法,采用地方电力部门实际售电量作为地方电力需求量的观测指标,对黄冈市未来五年用电需求量建立灰色系统GM(1,1)预测模型,预测模型生成值与实际值拟合程度高,后验差检验,预测精度达到95%以上,预测结果科学可靠,可作为有关部门决策时参考。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于AR模型的WSN流量多步预测算法研究

针对WSN流量预测,基于AR模型提出一种WSN流量双卡尔曼并行递推预测算法,该算法使用两个Kalman滤波器,交替进行AR模型参数的递推辨识与时变数据中真实值的最优估计,根据序列数据的最新信息实时修正AR模型参数进行动态预测。同时针对大步长的流量预测,引入滚动修正思想,克服动态预测算法存在间隔时间过长的缺点,降低多步预测误差。实验研究表明,利用研究的双卡尔曼并行递推算法使用AR模型进行多步预测,从原理设计和实现算法上,实现了WSN流量的准确预测。     

矿井瓦斯涌出量的遗传神经网络预测研究

矿井瓦斯涌出系统是非线性变化的复杂系统,传统的瓦斯涌出量预测方法存在一定的局限性。根据改进遗传算法（IGA）和BP算法的特点,将两者结合起来,利用改进遗传算法优化BP网络权重和阈值,形成IGA-BP混合算法,用于对矿井瓦斯涌出量进行科学预测。检验结果表明,基于IGA-BP混合算法的遗传神经网络模型可靠,预测精度高,效果良好。     

一个遗传神经网络预测模型

BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型．     

基于遗传算法的天然气消费量预测研究

天然气消费量受众多因素影响,应用单一预测方法产生的预测值误差较大．提出了一种天然气消费量优化组合预测模型的构造方法,给出了优化组合预测模型提高预测精度的理论依据,并应用实数编码遗传算法对优化组合模型进行求解．实例计算结果分析表明,优化组合预测模型具有更高的预测精度．     

基于遗传支持向量机的生物质发电气化研究

提出了一种基于遗传算法和支持向量机的生物质气化过程研究的新方法。采用竹子气化数据建立GA-LS-SVM模型,并验证该模型方法在生物质气化过程建模中的适用性。GA-LS-SVM模型预测方法精度较高,效果也比较理想,是一种可行有效的建模方法。     

一种利用等效模型与遗传算法的动态有限元模型修正方法

为了解决现有动态有限元模型修正方法计算效率不高或者可能获得局部最优解的问题,提出了一种利用等效模型和遗传算法的动态有限元模型修正新方法.首先,在设计参数的取值范围内,根据预设的多项式模型的阶次以及自变量的个数,利用试验设计方法获得拟合响应面模型所需要的最优样本点;通过有限元分析获得样本数据,并利用回归分析获得响应面模型,从而以响应面模型逼近结构特征与设计参数之间的函数关系.然后,在遗传算法的适应度评估环节,利用响应面模型替代有限元模型计算对应于一组设计参数的结构特征,并计算遗传个体的适应度,最终通过进化获得最优解,即为修正后的设计参数.以汽车车架模型为例,对其进行有限元分析与模态试验,并利用所提出的方法进行模型修正.修正后,模态频率误差的均方值小于2%.用修改后结构的动态特性的测试结果,对修正后有限元模型的预测能力进行检验,模态频率预测误差的均方值小于2%.     

一种基于数据平滑技术的回归预测算法

在基于固定窗口宽度滑动窗口模型的基础上。提出了一种基于回归参数存储的预测模型,该模型设置了计算区、数据区和参数区。计算区用于获得最近一个滑动窗口中的数据。数据区用于接收新数据,参数区存储最近若干组滑动窗口数据所计算得到的线性回归参数值,作为计算预测结果的原始数据集。按照这种模型的处理思路。提出了一种基于数据平滑技术的回归预测算法,随着窗口的滑动。对数据区中的数据进行回归分析,获得前面若干组滑动窗口数据的回归函数并存入参数区中,检验当前窗口中数据获得的回归函数预测效果。实验分析表明。通过修正当前回归函数的参数。可以使预测函数的预测精度得到很大程度的提高。     

改进蛙跳算法的小波神经网络短时交通流预测

为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。     

Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm

INTRODUCTION Recent techniques based on oligonucleotide or cDNA microarrays allow the expression level of thousands of genes to be monitored in parallel (Golub et al., 1999). A critically important factor for cancer diagnosis and treatment is the reliable prediction of tumor progression. A remarkable advance for mo- lecular biology and for cancer research is cDNA mi- croarray technology. cDNA microarray datasets havea high dimensionality corresponding to the large number of genes monit…