基于时滞效应的多变量离散灰色预测模型

针对多变量灰色模型存在驱动项时滞效应作用机制不明确和模型精度不高的问题,分析传统多变量灰色模型的缺陷,通过引入滞后系数控制驱动项,提出考虑时滞累积效应的多变量离散灰色预测模型,讨论模型参数估计的求解方法;从白化信息充分和匮乏两个角度,利用经验分析法和粒子群算法探索时滞效应控制系数的识别方法,并给出模型建模预测步骤;最后,通过实例分析验证模型的有效性,结果表明该模型能够较好地解决有时滞特征的小样本多变量系统的预测问题.     

基于随机灰色蚁群神经网络的近期公交客流预测

为了科学准确地预测近期公交客流量,根据近期公交客流量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色蚁群神经网络的近期公交客流量预测方法。最后以铜陵市为例,对模型的预测精度和有效性进行了分析。结果表明,基于蚁群算法的递归神经网络模型的预测精度不但高于其他单一预测模型,而且明显优于其他传统组合预测模型,能很好地反映事物发展的规律,能够指导公交经营管理者近期的决策行为,有效地改善了预测精度。     

用马尔可夫残差修正灰色理论的煤炭需求预测

研究煤炭需求预测精确度问题.由于煤炭需求参数较多,参数的选择要求复杂的计算量,导致预测模型求解过程复杂,针对传统的灰色理论预测模型存在精度差的问题,影响煤炭需求因素的特殊性和不确定性,导致了煤炭需求预测的精确度较低,为了解决预测精度差问题,提出了一种改进的马尔可夫残差修正灰色理论预测模型方法,算法以影响煤炭消费总量的主要因素作为选定变量,构建煤炭需求的灰色预测模型,使用马尔可夫模型对预测的残差进行修正.仿真结果表明,提出的预测算法具有较好预测的精度,是一种有效的煤炭需求预测算法.     

基于灰色等维新息模型的能耗预测研究及应用

灰色系统理论将随机过程看成灰色过程,利用数据表面杂乱但整体有序的特点,挖掘潜在的本质规律.根据灰色系统理论的思想,在分析了传统GM(1,1)模型的基础上提出了改进的等维新息预测模型,利用Matlab强大的算法功能,实现了改进的等维新息灰色预测模型算法.通过对能耗预测的实例分析,并采用残差和后验差方法对预测的精度进行检验,验证了程序的准确性和可靠性,使得预测的精度得到有效的提高.     

支持向量机补偿的多因素灰色模型话务量预测

为了提高对话务量的预测精度以及建模的速度,针对当前移动通信话务量预测受到多种因素的影响,提出了基于支持向量机残差补偿的多因素灰色话务量预测模型。该模型通过灰色关联分析法确定影响话务量的主因素变量,然后用多变量灰色模型进行预测,再用粒子群优化的最小二乘支持向量机进行残差序列预测,以实现残差补偿。实验结果表明,该预测模型具有所需样本小、预测精度高的优点,为话务量网络管理提供了一种新的预测工具。     

实时灰色预测模型及高效执行算法

在原始灰色预测模型及通用执行算法的基础上提出的实时灰色预测模型及高效执行算法被证明:在表达上的具有简洁性和实时性,在执行上具有减少一半计算量的高效率.因此,所提出的实时灰色预测模型及高效执行算法非常适合于在具有在线实时数据处理需求的过程控制中应用.     

基于微粒群算法的灰色预测PID控制器

针对大滞后系统，提出一种基于微粒群算法的灰色预测PID控制算法．采用灰色预测模型GMC（1，2）预测时滞系统的输出并用微粒群算法优化PID控制器的参数．这种控制方法不需要精确的数学模型，在线估计参数少，计算简单．仿真结果表明该方法的有效性．     

基于即时学习策略的火电厂球磨机负荷软测量

针对电厂球磨机负荷难以进行有效预测的问题,从提高预测模型在线自适应能力的角度出发,提出一种基于即时学习策略的改进SVM建模方法。利用灰色关联分析方法对过程参数进行优化筛选,获得辅助变量;在即时学习策略建模框架下,采用多种群混合优化算法进行SVM预测模型参数的优化选取;基于电厂实际运行数据进行了仿真研究。仿真实验表明,与标准BP神经网络和SVM建模方法的比较,该算法具有更好的预测性能,虽然计算开销有所增加,但能够满足制粉系统球磨机负荷检测的实时性要求。     

基于核和面积的离散灰数预测模型

灰色预测模型的既有研究成果均以实数或区间灰数为建模前提,缺乏对以离散灰数为建模对象的灰色预测模型进行有效研究．对此,分别建立了离散灰数序列核及灰单元格面积的预测模型,并在此基础上推导了基于离散灰数序列的灰色预测模型;应用分析验证了该模型的有效性及实用性．离散灰数预测模型对丰富与完善灰色预测模型的理论体系、拓展灰色预测模型的应用范围具有积极的意义．     

多变量系统的PID 控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID 控制算法．该方案将多 输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1;N) 预测出每个子系统的 输出,实现了多输入多输出系统的对角解耦．然后用微粒群算法优化PID 控制器的参数,用优化后的PID 控 制器对每个子系统进行控制．对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较 小,鲁棒性强,响应速度快,抗干扰能力强.     

灰色GM(1,N)预测模型编程实现及应用检验

灰色GM(1,N)预测模型在社会、经济、农业、生态等诸多领域应用十分广泛.为推广使用该预测模型,依据邓聚龙教授的灰色理论,使用VC++编程实现GM(1,N)预测模型,实现了多个预测因子和多个关联因子同时进行分析,提高了使用效率,择优选择算法提高了分析精度.使用参考文献中的数据和模拟数据,对系统预测模型正确性和预测精度进行了检验.     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.     

灰色预测模型的Delphi编程实现

在许多工程系统中，由于灰色模型特有的优点，该模型常常作为预测模型来使用，本文提出了一种基于Delphi的灰色预测模型的实现方法，并给出具体的源程序。     

基于iPLS和CARS数据融合技术的波长选择算法

针对液体中物质含量的光谱分析中波长选择展开研究,构建一种多模型融合算法进行波长选择,在减少波长数量的基础上提高预测精度。提出的区间自适应加权波长选择算法（iCARS）,应用iPLS算法和CARS算法的多模型融合,在波长选择中结合变量与样本纵横向自适应优化选择,以及对波段和波长分步骤选择实现波长优化选择,实现了波段和波长的自适应选择。通过MATLAB仿真实验,将PLS模型做为预测模型,在对啤酒原麦汁浓度预测仿真实验中,应用iCARS算法选择19个变量,利用这些变量建立PLS预测模型得到的RMSEP为0.139。变量数目大大减少,预测能力明显提高,实现了变量的优化选择。     

融合粗糙集和灰色系统的烟叶感官质量预测

对于多因素影响的烟叶感官质量预测问题,本文构造了融合粗糙集和灰色系统理论的预测模型。该模型运用粗糙集的知识依赖度理论对多属性进行约简,在约简基础上建立感官质量多变量灰色预测GM(1,N)模型。用该预测模型对云南省某烟厂烟草产品的香气质质量进行了拟合和预测。实例验证结果表明:该模型具有较高的拟合、预测精度,为烟草感官质量预测问题提供了一种定量化方法,是对传统方法的补充和完善。     

论灰色预测控制的应用条件和工作机理

灰色预测模型并非那么理想.它对十扰动的适应能力是有限的.它不能预测的很远,也不能预测的很准.其模型的参量还是需要整定的.当输入变量的变化率为零时存在有数值计算不稳定问题.当把灰色预测模型用于过程控制时,需要考虑它的应用条件:非负的数据;变量变化不太快;合适的采样周期、建模维数和预测步长.通过对灰色预测控制系统工作原理的...     

基于灰色预测模型的倒立摆LQR最优控制

基于一级倒立摆系统线性模型的不确定性,建立了灰色预测模型.提出了一种基于灰色预测模型的一级倒立摆LQR最优控制算法,通过系统仿真,与一级倒立摆LQR最优控制进行了对比,结果表明基于灰色预测模型的倒立摆LQR最优控制具有更强的鲁棒性和更好的节能效果.     

基于并行支持向量机的多变量非线性模型预测控制

提出一种基于并行支持向量机的多变量系统非线性模型预测控制算法．首先，通过考虑输入、输出间的耦合，建立基于并行支持向量机的多步预测模型；然后，将该模型用于非线性预测控制,提出新的适用于并行预测模型的反馈校正策略，得到最优控制律．连续搅拌槽式反应器（CSTR）的控制仿真结果表明,该算法的性能优于基于并行神经网络的非线性模型预测控制和基于集成模型的非线性模型预测控制．     

基于灰色模型的电信市场预测研究

引入灰色模型预测电信业务的发展趋势。首先通过累加生成算法得出生成数列,并在此基础上建立灰微分方程,接着通过对模型的检验和误差修正,获得合理有效的灰色预测模型,最后采用实际电信业务数据验证灰色预测模型的准确度和可行性。     

基于灰色系统理论的瓦斯含量多变量可视化预测方法实现

针对煤矿瓦斯含量预测采用单因素梯度法存在可靠性不高的问题,提出了一种基于灰色系统理论的瓦斯含量多变量可视化预测方法,建立了预测模型的总体框架,给出了动态链接库实现灰建模数值算法的流程;并结合某矿实际,详细介绍了该预测方法的具体实现过程:首先通过数字化瓦斯地质图获取瓦斯含量原始数据,设置建模所需的相关参数,建立瓦斯含量多变量预测模型,选择瓦斯含量点击预测或批量预测,对预测结果的误差进行分析并与图形信息结合起来显示。该预测方法提高了预测的效率及决策的科学性,为煤矿日常瓦斯含量预测、管理及决策提供了一个直观、方便、高效的可视化预测手段。