灰色预测模型的研究及应用

在介绍灰色系统理论的基础上,讨论了灰色预测原理,以中国总人口为例,进行了灰色预测模型的建立和求解,提出了中国人口动态模型;以城市的年供电量为例,利用历史数据,并对电力系统各年的日最大负荷的预测建立了基于残差修正的灰色预测模型.该预测模型是一种基于残差CM预测法的改进灰色模型进行优化的组合方法,能够实现在线预测模型参数,最终的预测结果误差可基本控制在3%之内.经过实例计算,基于残差修正的灰色预测模型在对电力系统的日最大负荷进行预测时,与传统的系统理论方法相比较,该方法计算简捷,具有较高的预测精度,具有很好的实用性.     

一种改进的GM(1,1)长期预测模型

结合统计途径,通过引入一个外生变量,对传统GM(1,1)模型进行了改进 新建构的模型不仅能有效提高GM(1,1)长期预测精度,扩大灰色预测理论的适用范围;而且能真实反映观测在不同阶段的变化速度和演变趋势,为决策者提供可信赖的依据     

一种非平稳时间序列预测建模方法

预测预报是时间序列分析的应用之一,人们根据大量的观测数据对系统进行分析,主要原因是为了能够预测小系统在未来的特性,以便对系统的特性进行处理。提出一种非平稳时间序列预测建模方法,通过实验结果表明,该模型在工程应用方面具有较高的预测精度。     

基于等维新息灰色加权马尔可夫模型的工件尺寸预测

对工件尺寸的科学预测建模是加工预报补偿技术的基础.结合等维新息灰色模型与加权马尔可夫链的预测优势,建立等维新息灰色加权马尔可夫组合模型,并对工件尺寸测量误差建模、预测.实例结果表明:预测值与样本数据波动相似,且比灰色GM(1,1)模型和等维新息模型预测值的预测误差小,精度高.因此,该模型可为工件未来尺寸预报提供依据,并为后续的补偿控制技术提供参数.     

中国人口增长与人口结构的灰色预测模型

根据2001-2005年中国人口变化的一系列数据建立灰色模型,从人口增长和人口结构两方面对未来中国人口变化的中长期趋势作出预测.     

人工神经网络在混凝土大坝弹性参数识别中的应用

将人工神经网络应用于大坝混凝土和坝基岩石弹性参数的识别 ,采用优化迭代步长的BP学习算法 ,建立了根据坝顶水平位移观测资料来识别大坝混凝土和基岩弹性模量的神经网络模型。工程实际应用表明 ,用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性     

改进的灰色马尔科夫预测模型对全国碳排放量的预测

基于灰色理论和马尔科夫理论,建立传统的灰色马尔科夫预测模型;对传统灰色马尔科夫预测模型初始预测值的构造存在的一定误差进行改进,并用改进后的新模型计算全国碳排放量,然后将全国碳排放量预测结果与传统的灰色马尔科夫模型进行对比;预测结果表明：改进后的灰色马尔科夫模型预测精度有了进一步的提高并验证了算法的有效性。     

基于灰色系统理论的医疗人才需求预测

医疗人才系统具有灰色系统的特征,因此可以采用灰色模型对人才进行预测.运用灰色模型GM(1,1)对我国医疗人才需求的发展变化进行动态关联分析,作出了人才需求总量的预测,并对预测结果进行了分析,结果证明GM(1,1)模型是一种行之有效的预测科技人才的模型.     

基于灰色理论-马尔可夫模型对畜禽粪便量增长的预测

结合灰色GM(1,1)模型和马尔可夫模型构建一种合理的灰色马尔可夫预测模型.按相对值的方法进行状态划分,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,并将由此建立的灰色马尔可夫模型运用于1997～2005年衡阳地区畜禽粪便数据来预测2006年畜禽粪便量.结果表明,这种模型的预测精度高达98.455 4%,明显优于单独使用GM(1,1)模型的预测结果.     

神经网络融合模型在大坝变形分析中的应用

为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型．结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析．分析结果表明,统计模型的平均预测精度为±0．477mm．BP神经网络模型的平均预测精度为±0．390mm,融合模型的平均预测精度为±0．318mm,相比统计模型和BP神经网络模型分别提高了33％和18％,且泛化能力较强,具有广泛的适用性．     

工程建筑物变形监测数据预测分析

在概述灰色Verhuslt模型基础上,对灰色Verhuslt模型在建筑物沉降监测中的应用做了详细介绍.结合工程实例中4#楼东南角S044点沉降数据建立灰色Verhuslt模型,实证结果表明模型精度可靠,实际沉降量观测值与沉降量预测值吻合较好,在沉降变形分析数据预测分析中应用灰色Verhuslt模型具有可行性.     

灰色系统理论在张掖市地下水水位预测中的应用

地下水水位动态变化过程十分复杂,受多种因素制约,属于部分特征已知,部分特征未知的灰色系统.本文基于灰色系统预测理论,以张掖市甘州区田家小庙2-3潜水观测孔2000-2012年间的动态观测数据为依据,建立G M(1,l)时间-地下水位模型,应用灰色系统理论对观测数据进行计算模拟,并对未来地下水水位变化趋势进行预测,研究结果表明该区域未来几年地下水水位将呈现下降的趋势.本文的研究结果可以为张掖市甘州区地下水资源综合利用、城市建设、地下建筑防护等提供理论依据.     

基于改进扩散模型的温度预报

针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散模型的生成条件,赋予扩散模型预报的能力;其次,设计了一个新的平衡损失函数,同时保护了扩散模型的生成能力和时空信息捕捉模块对时空信息的捕捉能力;最后,基于美国国家环境预报中心的再分析数据进行预报,与现有的深度学习方法相比,所提模型预报结果的质量在均方误差（mean square error,MSE）上降低了17.3%,在均方根误差（root mean square error,RMSE）上降低了9.14%,在峰值信噪比（peak signal to noise ratio,PSNR）上提升了5.1%。改进的扩散模型能有效地捕捉时空依赖的关系,有效地进行时空序列预测,效果优于其他对比方法。     

基于灰色局势决策的实验室工作水平评估

实验室工作水平评估过程中存在的某些不确定性因素,使得传统的评价方法可能导致评价结果与实际情况相差较大.将灰色系统理论的灰色单目标化局势决策方法应用于实验室工作水平的评估.介绍了灰色单目标化局势决策的相关概念及其决策方法;基于所建立的实验室工作水平综合评价模型,对某3个实验室的工作水平进行了评价.决策过程和评价结果表明,该方法简单易行,可对实验室工作水平作出客观而准确的评价.     

灰色新陈代谢GM（1,1）模型在农村居民人均纯收入预测中的应用

研究了基于灰色系统理论的农村居民人均纯收入的预测方法.建立不同维的常规GM（1,1）模型群,根据不同维预测模型的模拟相对误差,优选出基础GM（1,1）模型并建立灰色新陈代谢GM（1,1）模型对陕西省农村居民人均纯收入进行了预测.该方法能够有效融合新信息,弥补常规GM（1,1）模型的不足,实例计算表明该模型预测结果比较准确.     

灰色马尔科夫模型在旅游人数预测中的应用

对我国2004-2015年国内游客数据建立模型,用2016年和2017年的数据检验模型的预测精度.首先对其建立灰色GM(1,1)模型并预测,模型精度为97.465%,预测平均绝对残差为182.986 4.利用无偏灰色模型对其进行修正,与灰色模型相比,预测平均绝对残差减少了0.629 4.然后又建立了传统灰色马尔科夫模型和无偏灰色马尔科夫模型,两种模型的精度都达到了99%,预测平均绝对残差分别为11.022 3和7.105 6,因此,两种模型的拟合和预测效果都大大提高.最后利用相对最优模型无偏灰色马尔科夫模型预测我国2018-2020年的国内游客数分别为:5 639.366 8百万人次、6 363.854百万人次、7 181.415 7百万人次.     

基于离散差分方程模型人口结构预测

在人口预测中按年龄分布状况是十分重要的,因不同年龄人的生育率和死亡率有着很大的差别.离散差分方程是通过定量建立人口出生、死亡、迁移的变化关系,来描述人口发展过程的.主要是把年龄和年份离散化,离散后的年龄和年份都取离散值,这种模型不但适合于计算机计算、模拟和数据处理,而且在概念上和传统的人口统计方法有些类似之处.对长期的人口发展趋势预测比较精确.     

灰色系统理论在铁路运输企业人才预测中的应用

人才系统具有灰色系统的特征,因此可以采用灰色模型对人才进行预测。本文运用灰色模型GM（1,3）,对铁路运输企业人才需求总量的发展变化进行了动态关联分析,作出了人才需求总量的预测,对预测结果进行了分析。     

基于灰色模型的RBF人口迁移预测方法研究

人口迁移预测模型是深入研究人口迁移行为的基础。现有迁移预测模型大多集中在单模型、单变量预测上,不能描述人口迁移行为的合力效应。提出了一个新的人口迁移预测模型——GRBF,该模型包含两个子模型：灰色模型和RBF模型。灰色模型构建于人口迁移的影响指标之上,为GRBF提供充分时间维度指标信息;RBF模型则接收灰色模型的输出,计算人口迁移量的预测值。实例分析证明,GRBF支持人口迁移量预测,提供对预测数据的误差分析,能够有效预测人口迁移量的变化。     

基于优化灰色理论的高可靠性产品寿命预测

在对高可靠性产品进行寿命预测时,传统的加速模型拟合精度低,且预测误差大,难以对产品做出较为准确的寿命预测.针对此问题,提出了一种基于优化灰色预测模型的方法对传统加速模型进行参数修正,提高加速模型的显著性和预测精度.首先采用动态寻优法确定最优背景值,减小灰色预测模型的拟合误差,再利用优化后的灰色模型预测出产品在接近正常使用温度下的寿命,将失效数据进行有效等维扩充,利用扩充数据对传统加速模型进行参数修正并检验其显著性.最后通过实例分析表明：修正模型的显著性更高、预测相对误差更小,且在越接近产品正常使用的温度下,其预测精度越高,说明此方法具有“数据量少、预测精度高、实用性强”的特点,因此采用该方法对高可靠性产品进行寿命预测是可行且更加有效的.