灰色理论GM（1，1）模型在农民人均收入预测中的应用

农民人均收入是衡量农业发展水平和农民生活现状的一个重要的技术指标。基于灰色理论GM（1,1）模型,以河南省某乡镇2001-2008年农民的人均收入统计数据为基础,对未来几年农民人均收入进行预测,从而为新农村建设提供有效的参考依据。     

缩短电子设备寿命试验时间的灰色与方法探讨

采用灰色系统理论中的ＧＭ（１,１）模型对电子设备失效寿命试验数据进行数值拟合和预测,可缩短试验时间,节约试验费用。实例表明,灰色系统理论与方法应用于电子设备失效寿命试验数据处理中是可行的,有较高的预测精度。     

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。     

缩短电子设备寿命试验时间的灰色理论与方法探讨

采用灰色系统理论中的ＧＭ（１,１）模型对电子设备失效寿命试验数据进行数值拟合和预测,可缩短试验时间,节约试验费用。实例表明,灰色系统理论与方法应用于电子设备失效寿命试验数据处理中是可行的,有较高的预测精度。     

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。     

短波天波场强数据处理方法研究

针对在短波天波信道中受电离层快衰落影响的场强数据处理问题,提出采用GM（1,1）模型粗大误差判别算法,剔除由电离层快衰落影响而突变的数据,提高数据处理的精度。在Matlab中对短波天波场强典型数据进行处理,利用模糊估计方法计算数据处理前和处理后的瑞利分布,结果表明GM（1,1）粗大误差判别算法能很好地剔除受电离层快衰落影响而突变的数据,具有较好的判别精度,此方法已在装备场强测量中得到应用。     

基于GM（1，1）模型的区域交通运输体系发展预测

灰色预测法是一种对含有不确定因素的灰色系统所产生的与时间有关的灰色变化过程进行预测的方法。本文以灰色预测法中的GM（1,1）模型为基础,以残差模型对其进行优化,并将优化后的模型应用于以陕西省为实例的区域交通运输体系的发展预测。实证结果表明,预测结果良好。     

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。     

温度应力下基于步进加速退化试验的电子器件寿命预测

为实现高可靠性长寿命电子器件的寿命预测,根据Arrhenius模型,结合产品的线性退化轨迹模型,对于温度应力下性能退化性步进加速寿命试验,提出一种不同温度应力下时间折算方法,并且推导了它们之间的变化计算公式。在四种不同的温度下,对某型号集成运放进行步进加速试验,并利用此方法处理数据。结果表明,样品的伪寿命符合对数正态分布,其加速模型符合Arrhenius加速方程,据此可以求出样品中位寿命,实现寿命预测。     

GM（1，2）模型在数据预测中的仿真实验

建模仿真的重要应用之一就是进行数据预测，所谓数据预测就是基于已知的系统历史数据，通过具体的仿真模型来估计其未来数据走势或计算其未来数值。本文是对灰色系统理论的应用，运用灰色系统理论中灰色动态GM（1，2）模型，结合数据预报理论进行计算机建模仿真，并以舰船的纵摇、横摇、摇艏三个自由度运动数据为例进行了仿真试验。通过仿真试验，也为我们在其它相关领域的数据预报工作提供借鉴。     

基于新陈代谢GM(1,1)模型的质心预测跟踪算法

针对红外成像制导跟踪系统转入预测跟踪状态,提出基于新陈代谢GM(1,1)模型的质心预测跟踪算法:首先采用目标丢失前的数帧目标质心坐标作为预测的原始数据序列;其次采用GM(1,1)模型进行预测;用预测出的新信息替换掉老的信息,对原始序列进行新陈代谢。该质心预测跟踪算法采用普通PC机在Matlab7.1仿真环境下进行仿真,用实际挂飞数据进行验证,其次还基于TMS320F2812DSP硬件平台进行了单帧仿真。仿真结果表明:新陈代谢GM(1,1)预测模型预测精度优于GM(1,1)预测模型。     

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)模型在装备维修保障成本预测中的应用

针对新装备维修保障成本数据较少的不足,运用灰色预测理论构建GM(1,1)模型对装备维修保障成本进行预测,并对模型精确度进行验证.结果表明,所建的模型能够准确地反映实际的情况,可以用来对未来儿年将发生的维修保障成本进行预测.     

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。     

基于灰预测的图象去噪新方法

抑制噪声是图象处理中极其重要的步骤，如何合理消除大量的噪声，又使图象保持原有的各类信息、保证图象质量一直是人们的努力目标。文章尝试与探讨了基于灰色GM（1，1）模型的图象去噪新算法，并与传统的图象滤波方法相比较，实验结果证明，该算法既可以有效地降低噪声，又可以较好地保持图象质量和细节．为图象去噪提供了新的方法。     

基于gm(1,1)模型的垂直切换算法仿真研究

在matlab环境下,仿真得到基于GM(1,1)模型动态预测垂直切换过程中的接收信号强度,在原始数据较少的情况下,依然有较高的预测准确度.通过仿真结果分析,在垂直切换过程中,基于GM(1,1)模型预测接收信号强度的方法有需要原始数据少、准确性高、复杂度较小等优点.     

基于灰色模型的舰船声信号目标识别

深入研究了灰色模型在目标识别中的应用,给出了基于灰色模型的目标识别方案,利用舰船声场仿真数据,建立目标声信号的GM （1,1）模型,并用组合神经网络对两类目标的模型参数进行分类与识别。此外,还利用舰船声场实测数据,对识别结果进行了验证。研究表明灰建模方法在目标识别中是可行的和有效的。     

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。