一种优化的高精度灰色GM(1,1)预测模型

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有变换一致性,且通过累加生成建模时,x(0)(1)没有起到高精度控制预测等问题。该文从重构GM(1,1)白化背景值出发,利用白化背景值的加权向前差商和向后差商平均值优化模型灰导数,根据新信息对认知的作用大于旧信息的原理,以x(1)(n)替换x(0)(1)作为模型的初始条件,对GM(1,1)预测模型进行了改进,从而使所建模型的预测精度大为提高,尤其是发展系数大于2时,新模型的拟合精度仍然很高。通过实例对比验证了新模型无论在低增长指数序列还是在高增长指数序列都有非常高的实用性和可靠性。     

基于遗传算法的GM(1,1,λ)改进模型

研究表明,灰色GM(1,1)预测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数λ和三点平滑法,提出了基于三点平滑的GM(1,1,λ)改进模型,并利用遗传算法对引入的参数λ进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

基于改进灰色模型预测的节流流量传感器测量校正方法

为了提高节流流量传感器的测量校正精度,提出一种基于改进灰色GM(1,1)模型的预测校正方法。该方法首先对灰色GM(1,1)模型的流程进行改进,并采用LM方法对GM(1,1)模型的初始值进行求解计算;然后利用基于Markov过程的残差修正模型进一步提高预测精度;最后通过实例分析验证了提出方法的可行性。实验结果表明,相比传统灰色GM(1,1)模型,提出改进模型的预测值与实际测量值的拟合度更好,有效降低了校正后的节流流量传感器的测量误差。     

基于等维新息的GM(2,1)递推预测模型

针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型.该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数.最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性.     

基亏遗传算法的GM（1，1，λ）改进模型

研究表明,灰色GM（1,1）-N测模型中的背景值及建模序列光滑度对于模型的预测精度均有影响。针对这一问题,引入背景值构造参数入和三点平滑法,提出了基于三点平滑的GM（1,1,λ）改进模型,并利用遗传算法对引入的参数入进行了最优值搜索。最后通过实例和仿真证明改进模型优于现有的灰色模型,具有更高的模拟和预测精度。     

灰色预测模型的系统动力学仿真

针对灰色预测模型的仿真拟合问题展开研究,运用系统动力学方法,针对GM(1,1)模型、DGM模型、NDGM模型等3种灰色预测模型进行系统动力学分析,研究了这3种模型的拟合预测效果。结果表明,GM(1,1)模型的白化形式在拟合预测原序列时偏差较大;DGM模型是齐次指数序列的精确模拟,NDGM模型是非齐次指数序列的精确模拟;在对近似非齐次指数序列进行拟合时,NDGM模型的拟合效果明显优于其他模型。此外,将反馈的观点引入灰色模型,使得系统动力学仿真方法成为灰色预测建模的辅助工具,有利于灰色预测模型的拓展与完善。     

初始条件优化的近似指数序列灰色建模方法

灰色GM（1,1）预测方法仅针对累加生成满足近似指数特点的原始序列建立预测模型。为了拓宽传统灰色预测模型的应用范围,设计了通过优化初始条件提高灰色 GM（1,1）预测精度的新方法——DGM（1,1,c,β）模型。对满足近似指数的原始序列建立DGM（1,1,c,β）模型,利用粒子群算法求解模型参数。最后,通过实例验证了所提出的DGM（1,1,c,β）预测模型的有效性和实用性。     

灰色线性幂函数曲线模型在故障预报中的应用

武器系统故障数据为小样本灰色序列,时常呈现摆动特性,研究发现,灰色摆动序列的建模不满足GM(1,1)模型的条件。为此,提出首先利用动态指数变换,使灰色摆动序列变换为具有一定灰指数律的单调增序列,然后再建立GM(1,1)模型,称之为灰色线性幂函数曲线模型(GIM(1))。对于GIM(1)模型,利用一元线性回归优化建模法进行模型参数辨识。结果证明,GIM(1)模型对于武器系统故障序列中的灰色摆动序列具有良好的拟合和预测精度,不仅融合了灰色辨识算法的优点,而且也能满足一般系统的辨识要求。     

基于遗传新陈代谢灰色模型的电子设备故障预测研究

经过研究分析,序列光滑度和背景值构造是常规灰色GM(1,1)模型误差的主要来源。针对这一问题,提出了一种改进的方法:首先对建模序列进行对数平滑处理,而后利用遗传算法对背景值进行寻优,并形成改进的新陈代谢GM(1,1,λ)模型。最后通过实例验证,表明改进的新陈代谢模型具有更高的预测精度,可用于电子设备的寿命预测。     

基于遗传灰色GM(1,1,ρ)模型的短时交通流量预测

为了提高短时交通流量的预测精度,本文根据短时交通流量的数据特征,结合灰色模型在短时预测方面的优势,利用遗传算法根据已知数据优化灰色新陈代谢GM(1,1,ρ)模型的背景值参数ρ,对实时采集的交通流量数据进行仿真分析,实验结果验证了该模型的准确性、实时性和有效性。     

应用灰色理论预测混合动力汽车蓄电池的剩余容量

电池剩余容量预测是混合动力汽车一个非常关键的问题,文章在分析混合动力汽车蓄电池充电和放电特性的基础上,针对蓄电池内阻与剩余容量之间的非线性关系,采用了一种在线的灰色GM（1,1）模型群方法对蓄电池单元的剩余容量进行预测。但是采用简单的灰色模型对蓄电池的容量进行预测会带来很大的误差,文中首先用灰色GM（1,1）的常规模型原理并对蓄电池剩余容量建立了简单的模型,其次详细分析了采用灰色GM（1,1）模型群的方法来提高预测精度的原理及方法。仿真模型的结果不但表明灰色GM（1,1）的模型群能有效地提高预测精度,而且避免了单个灰色GM（1,1）的模型由于不稳定信息造成的不足;最后通过残差检验,检测误差较小,具有较强的可信度,适用于混合动力汽车的蓄电池剩余容量预测。     

基于灰色理论和神经网络建立预测模型的研究与应用

根据综合利用灰色理论与神经网络建立预测模型的思路,给出了利用神经网络对模型残差进行修正的灰色GM(1,1)模型综合预测方法。选用我国自1994年至2005年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,并利用LM算法优化的快速BP神经网络对其残差进行修正,使得建模和预测具有更高的准确性和适应性。实验结果及仿真验证表明,加入修正过程的综合模型,其预测效果远优于单一的灰色模型。     

GM(1,1)综合修正模型的粮食产量预测

粮食产量是国家粮食安全系统的重要指标,文中提出GM(1,1)综合修正模型,并对粮食产量进行了预测。先将原始数据与其预测值之差作为残差序列,逐步地减少样本数量并计算残差序列,根据残差序列的符号是否一致,最终选定尾部样本,建立GM(1,1)模型并进行预测值的残差均值修正,最后对比了2013与2014年的粮食产量实际值、GM(1,1)模型预测值及修正的GM(1,1)模型预测值,验证了修正模型预测精度的提高。     

QPSO改进灰色融合模型的软件故障预测

为了提高小样本的预测精度,提出了一种基于量子行为粒子群优化与数据融合算法的灰色融合预测模型。首先从两个方面改进了GM(1,1)模型,对原始序列进行了幂函数变换,并采用量子行为粒子群优化算法实现了参数的优化。然后提出了多次建模的策略,利用原始序列的不同分量分别建立GM(1,1)改进模型进行预测,将各次预测值进行融合得到最终结果。最后用该模型进行软件故障预测,结果表明其相对误差在3%以内,适用于平滑性较差和高增长的序列预测。     

基于灰色神经网络的战场态势分析及预测

针对指挥决策者难以从复杂多变的战场态势要素中获取关联信息从而预判战场态势发展趋势的问题,将战场态势视为灰色系统,利用灰色系统理论对战场态势要素进行分类,分析要素之间的关联程度,从而为指挥决策者提供决心依据。结合神经网络建立GM(1,1)-RBF,DGM(2,1)-RBF组合模型对战场态势要素进行预测。同时,为提高模型预测性能,使用改进的算法对组合模型中的单个模型进行了优化。仿真实验结果表明,优化后的组合模型在预测精度及算法效率上均有明显提升。     

基于蚁群优化的实时航迹灰色预测

对于空中目标实时航迹预测问题,在数据匮乏的情况下,灰色GM(1,1)预测模型是一种行之有效的方法,但实际工程应用中,灰色模型预测的精度时常达不到要求。通过对灰色模型内在原理逻辑的深入研究,指出了其初值和灰参数的选取并非最优。采用蚁群仿生算法对初值和灰参数进行优化,有效地提高了航迹预测的精度,通过实例计算验证了该方法的有效性和精确性。     

移动通信系统数据业务量预测研究

运用灰色GM(1,1)模型,以北京市某运营商移动通信网络数据业务量为样本数据,通过模型预测的移动通信业务量的拟合数据与样本数据基本一致,得到的2020年业务量增长倍数在其他各家机构预测倍数范围之内,从而得出将灰色GM(1,1)模型用于移动通信数据业务量增长趋势的预测是合理的。     

应用GM(1,1)模型研究军用电子元器件的长期贮存寿命

现代武器装备“长期贮存,一次使用”的特性,要求装备的各个部件和元器件都具有良好的环境适应性与长期贮存寿命。根据灰色系统理论,以某电阻器为例,应用GM(1,1)模型及其改进模型预测了其长期贮存寿命,所建立的模型具有较好的精度,有一定的参考价值。实践证明：灰色预测方法简单、实用,具有一定的工程应用价值。     

基于灰色系统理论的潜艇战场目标态势判断研究

潜艇战场态势判断是潜艇作战过程的重要环节,是潜艇指挥员进行决策的重要前提。应用灰色系统理论,以改进初值和背景值的GM(1,1)模型分段对目标序列进行预处理,可有效克服目标方位序列的非线性和非稳定性,在信息较少的情况下达到精度较高的预处理效果。通过对目标态势进行合理的分类、仿真得到标准灰类的方位序列集;应用灰色趋势关联度,综合考虑目标方位序列之间的距离差异和变化趋势差异,从而得到目标的战场态势。实例计算表明:上述计算可快速得到潜艇战场的目标态势,为潜艇作战提供有利信息。     

灰色GM(1,1)模型在道路交通噪声评价中的应用

对2022年嘉兴市区道路交通噪声现状及变化趋势进行分析研究，道路交通噪声昼间质量等级为“一级”，评价为“好”。嘉兴市区道路交通噪声在声级分布上主要受到一级和二级质量等级监测点位影响。通过灰色关联法分析，2019—2022年，嘉兴市区道路交通噪声关联度较大的因素有年末总人口和公路总里程。建立灰色GM(1,1)模型，预测2023—2025年嘉兴市区道路交通噪声等效声级，并提出污染防治建议。