基于SVM-BP神经网络的气象能见度数据缺失值预估

自动气象站能见度检测仪多采用光学装置采样,雨雪、粉尘等天气因素会对部分仪器镜头造成污染,导致能见度要素数据缺测.针对能见度数据缺失问题,本文选用安徽部分气象站的历年数据,首先运用灰色关联分析方法筛选出与能见度密切相关的其他气象要素,通过支持向量机和BP神经网络单一预估方法预估不同地形的能见度缺失值,然后采用最优权重组合将两种方法预估的能见度值进行组合,并与单一预估方法进行对比.结果表明组合方法的预估结果误差均值小、整体准确度高,可以保证台站观测资料的完备性,为短时天气预报、实况分析和气象公共服务工作提供有效依据.     

基于灰色长短时记忆网络融合模型的隧道沉降预测

地下建筑工程中,对地下结构的变形监测无法有效预防灾害发生,因此需要开展变形预测的研究。传统预测方法多属于静态预测,无法实现随沉降发展的动态调整,且评价指标单一。结合灰色模型GM （2,1）与长短时记忆神经网络（LSTM）两种动态预测模型,基于快速非支配遗传算法构建了同时考虑两种评价指标的组合模型,依据某工程长期监测数据对隧道沉降进行预测。结果显示：长短时记忆神经网络模型与灰色模型在精度上优于其他模型,能够准确预估沉降发展,其中长短时记忆神经网络优势更明显;使用快速非支配多目标优化遗传算法进行组合模型的权值分配可以较快得到两种评价指标下的最优定权方案,结合每种模型的优势,得到较精确的预测效果。     

GM-BP模型在NGH生成中的预测研究

天然气水合物具有储气率高、污染低、储量大等优点,具有良好的发展前景,但是在天然气加工和运输过程中形成的天然气水合物会造成管道堵塞等严重状况,因此,分析和预测天然气水合物的生成具有实际意义。为了预测天然气水合物的生成情况,针对前人研究天然气水合物生成预测方法的优缺点,引用了具有解决复杂系统问题能力的人工神经网络,运用MATLAB语言编程建立了灰色理论（Grey Forecast）理论和BP神经网络（Back Propagation Network, BP）的组合模型。为了提高预测精度,选用了差值结合法将两种方法结合,分别运用GM（1,1）、BP神经网络以及此组合模型对实验中得到的压力数据进行预测并加以比较;为了进一步验证组合模型的精准度,选用了马尔科夫链模型进行预测检验。结果表明,GM（1,1）和BP神经网络组合模型具有较高的精准度,且此方法可以广泛运用到较多方向,可为今后的天然气水合物开发利用提供理论依据。     

企业知识管理能力评价指标确定及灰色综合评价

首先构建了基于知识审计的企业知识管理能力指标体系,然后综合运用灰色系统理论和一种考虑评价指标主客观因素的组合赋权方法,建立了灰色多层次评价模型,定量地评价企业知识管理能力.最后通过实例得出了合理的评价效果.     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补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，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

基于支持向量机的不等时距灰色组合预测模型

建立了一种基于支持向量机的不等时距灰色组合预测模型.利用各种不等时距灰色模型的预测结果作为支持向量机的输入,实测值作为支持向量机的输出,并采用LS-SVM回归算法和高斯核函数对支持向量机进行训练,利用训练好的支持向量机即可进行组合预测.该模型兼具灰色模型所需原始数据少、建模简单、运算方便的优势和最小二乘支持向量机具有泛化能力强、非线性拟合性好、小样本等特性,弥补了单一不等时距预测模型的不足,避免了神经网络组合预测易于陷入局部最优的弱点.模型结构简单、实用,仿真结果验证了其有效性.     

基于灰色系统理论的股指预测研究

作为市场的晴雨袁,股市行情的准确预测不仅是政府决策人员的目标,也是股民们的期望．灰色系统理论被成功应用于众多科学领域,灰色系统预测便是其中之一．首先,基于GM（1,1）和新陈代谢GM（1,1）两种灰色模型,利用2013年7月26日-8月15日的上证指数收盘数据,研究两者在股指预测中的应用．然后,在上述两种模型的基础上建立两者的组合模型,进而研究组合模型在股指预测中的应用．通过对3种模型预测误差的分析比较,得出了灰色组合模型的预测精度最高的结论．     

GM(1,1)-星野法沉降预测模型研究与应用

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。     

一种组合预测方法在人才需求预测中的应用

阐述了灰色动态模型与神经网络模型两种预测方法的原理、特点及应用,并把这两个模型应用于天津市汽车行业人才预测中,综合两种模型的特点,最后形成了一种组合预测方法,并得出天津市汽车行业2000年、2002年、2010年人才需求总量.     

加权组合模型在路基沉降预测中的应用

基于双曲线模型和灰色模型,采用误差绝对值加权和最小的准则,借助MATLAB软件计算加权平均数,创建了新的加权组合模型,并对某高速公路路基的沉降变形进行了预测分析.理论分析和实测结果表明,加权组合模型较前两种模型预测误差降低,得到了满意结果.新模型的提出为路基沉降变形预测提供了新的思路和方法.     

PCB高频辐射干扰预估方法对比研究

针对高频电路辐射干扰近场测试预估方法较多,目前没有统一的测试方法和要求,据此对比研究了基于电流驱动模型辐射预估方法和基于射频电流参数测量的辐射预估方法,并给出了相应的理论分析和实验数据.其结果表明:两种方法的预估结果与电波暗室测量结果吻合较好,但在不同频段两种方法的估计精度不同,为进一步改进辐射电磁干扰预估方法提供了依...     

基于灰色神经网络理论的东江水库入库径流量预测

针对目前径流预测模型精度偏低的现状,提出了灰色神经网络预测模型,充分发挥了灰色理论的少量数据建模和神经网络能够逼近任意复杂函数的优点,并将该模型应用于东江水库年径流预测.结果证明,该模型预测精度更高,实用性更强.     

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

灰色神经网络预测修正模型研究

简述灰色系统与人工神经网络各自的特点与应用,分析两者以及组合方式的优缺点和预测能力,结合灰色系统的"少数据,高精度"的特性和人工神经网络的"纠正"能力,提出一种新的组合模型:误差纠正网络模型,并通过数据初步验证,结果表明,新的组合模型对负荷预测是可行的。     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

地区电网用电特性分析及年用电量预测

利用灰色预测原理简单、建模数据少和运算方便的优点,结合神经网络非线性函数逼近能力强的特性,在此基础上提出了灰色-神经网络预测方法,并对哈尔滨市用电量进行了的仿真预测。     

青藏块体河西地区断层变形预测研究——以金塔南场地为例

采用青藏块体河西地区中具有季节性时间序列特征的金塔南场地的变形监测数据,依据单个预测模型各自的特点,选用灰色模型和灰色时序组合模型对该组数据建立预测模型。研究结果表明:灰色模型能很好地描述季节性时序的宏观发展趋势,时间序列模型能很好地描述季节性时序的周期性微观趋势。灰色时序组合模型结合了两者的优点,适用于季节性时间序列的变形分析与预测,预测结果可靠性较高。     

灰色支持向量机在疲劳裂纹扩展预测中的应用

针对预测机械设备疲劳裂纹的扩展进程,在分析灰色预测方法和支持向量机各自的优缺点基础上,提出将二者相结合的一种新的预测模型--灰色支持向量机裂纹扩展预测模型.新模型发挥了灰色预测方法中"累加生成"的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷.工程实例表明,裂纹扩展测模型较传统的GM(1,1)模型、传统支持向量机模型精度都有所提高.     

基于灰色理论和神经网络的短期电力负荷预测

利用灰色理论中累加生成方法能够削弱负荷中随机成分的特点,以及人工神经网络可以逼近任意函数的能力,对具有任意变化规律的数据序列进行拟合和预测．实验结果表明,基于灰色理论和神经网络的最优组合模型的平均相对误差为1．307％,比BP神经网络预测和灰色理论模型预测的精度更高,具有明显优势．     

基于最优加权组合模型的转炉炼钢耗氧量预测

针对转炉炼钢过程中氧气消耗量难以准确预测问题,提出了一种基于灰色系统和遗传算法优化的BP神经网络组合的转炉耗氧量预测模型。首先,对提取出的转炉冶炼历史数据,运用灰色关联度方法确定出转炉炼钢氧气消耗量序列的主导因数序列;再对筛选出的主导因数序列数据运用灰色系统模型和GA-BP神经网络模型分别进行预测,最后,根据模型的预测结果,以组合预测误差平方和最小为目标函数,计算出各个模型的最优权重系数并进行加权融合进而实现了对转炉氧气消耗量的预测。仿真结果表明,提出的组合预测模型在减小预测误差、提髙预测精度以及增强泛化能力等方面优势明显,更加适合于转炉炼钢耗氧量的预测。