基于主成分分析与支持向量机的汽柴油需求预测

综合分析了影响汽柴油消费需求的关键因素,并针对其具有自相关性、复杂性、数据量大等特点,采用主成分分析法对样本数据进行降维处理,形成新的样本集。对支持向量机预测模型进行改进,在其基础之上引入时序动态因子,将上年的汽柴油需求历史数据作为时序反馈因子引入模型,从而形成新的动态反馈拟合模型,建立相应的需求预测模型。对1996~2012年的汽柴油需求预测进行实例研究,并将本文中所提方法的预测结果与灰色GM（1,1）模型、BP神经网络模型进行对比分析。结果表明本文中的主成分分析与改进支持向量机预测方法相对于GM（1,1）模型其预测误差均值分别降低了72.7%和74.86%,相对于BP神经网络其预测误差均值分别降低了81.3%和8166%,从而证明了此方法的有效性和优越性。     

基于改进GM(1,1)-Markov模型的国内生产安全事故预测研究

为准确预测我国生产安全事故发展趋势,本文在传统GM(1,1)模型和马尔科夫模型的基础上,结合二者优点提出改进灰色马尔科夫预测模型,并以2005—2018年全国生产安全事故起数为原始序列探讨了改进模型的实际应用。区别于传统灰色残差修正理论,选取灰色模型预测结果的相对误差作为修正指标,2次应用马尔科夫模型对相对误差状态和误差符号状态进行优化预测,并使用平均相对误差和小概率误差对模型进行精度检验。结果表明,改进GM(1,1)-Markov模型预测结果的相对误差为3.0%,较单一灰色预测模型预测误差减少19.5%,预测精度显著提高,同时预测得到2019年我国生产安全事故起数为479。     

基于改进灰色预测模型的中长期电力负荷预测

介绍了等维灰度递补GM(1,1)的建模原理,采用山东省2000-2007年的用电需求负荷建立等维灰度递补GM(1,1)预测模型,预测山东省2008年和2009年的用电负荷,与实际用电负荷进行对比,验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

测量仪器校准间隔的动态灰色线性回归预测

根据测量仪器的实际状态进行校准间隔的预测,可有效地避免不足校准和过剩校准。该文分析了历史校准数据的特征,对于既含有线性因素又含有指数因素的历史校准数据序列,建立动态灰色线性回归预测模型,预测测量仪器的校准间隔。动态灰色线性回归模型有机地将灰色GM(1,1)模型和线性模型组合起来,通过新老数据的新陈代谢,更加真实地反映系统的特征。通过实验对预测模型进行验证,结果表明:动态灰色线性回归模型的拟合与预测精度高于单纯的灰色GM(1,1)模型及新陈代谢GM(1,1)模型。     

基于新陈代谢GM(1,1)模型的校准间隔预测

针对测量仪器校准间隔的优化问题,根据校准数据非线性、小样本的特点,提出了一种基于新陈代谢GM(1,1)模型的校准间隔预测方法.通过分析历史校准数据的特征,建立了新陈代谢GM(1,1)预测模型,通过仿真实验对预测模型进行了对比验证.结果表明,相对于灰色GM(1,1)模型,新陈代谢GM(1,1)模型克服了随机扰动对系统的影响,更能反映系统的变化趋势,预测精度更高,适合用于测量仪器校准间隔的预测.     

组合模型预测浙江省旅游需求

根据中国统计年鉴公布的数据,建立基于时间序列ARIMA模型和BP神经网络组合模型对旅游需求进行预测。首先,建立ARIMA模型对浙江省旅游需求进行分析预测。然后,将得到的预测误差序列作为BP神经网络模型的输入值,进一步减小相对误差,综合ARIMA模型的预测结果和BP模型得到的预测误差,获得精确度较高的旅游需求预测模型。最后,与灰色系统GM(1,1)的预测结果进行比较。     

疲劳裂纹扩展预测模型及其应用

在分析了灰色预测方法和支持向量机各自的优缺点基础上,提出了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,文章所提出的裂纹扩展预测模型较传统的GM(1,1)模型、等维GM(1,1)模型精度都有所提高,为预测疲劳裂纹扩展提供了一种新的方法.     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

汨罗市城市路基沉降的GM(2,1)模型预测

针对汨罗地裂缝沉降观测资料,运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。为了减少对外界因素干扰的敏感性,方便求解,采用非等时距GM(2,1)和GM(1,1)模型对西安市地面沉降观测点进行安全预测。预测结果和实际吻合较好。本文提出的GM(2,1)地面沉降变形预测模型,计算简单,与原始数据的升降凹凸性保持一致。非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,较好的反映了地面沉降的变形趋势,具有很好的实用价值。     

火灾预测的改进GM(1,1)模型

火灾的发生受很多因素的影响,有的因素已知、有的未知,符合灰色系统的特征,从而可以利用灰色理论进行预测.现从传统GM(1,1)预测模型构造原理出发分析其存在的理论缺陷,通过采用平均斜率法、等维替换和变换灰色预测公式的方法建立改进的GM(1,1)模型,以适应火灾频数序列的波动特性,从而达到精确预测的目的.我国1997—2006年火灾数据预测计算表明,新方法有满意的拟合和预测效果,从而为火灾预测精度提高提供了新的途径.     

An innovative air-conditioning load forecasting model based on RBF neural network and combined residual error correction

Accurate air-conditioning load forecasting is the precondition for the optimal control and energy saving operation of HVAC systems. They have developed many forecasting methods, such as multiple linear regression (MLR), autoregressive integrated moving average (ARIMA), grey model (GM) and artificial neural network (ANN), in the field of air-conditioning load prediction. However, none of them has enough accuracy to satisfy the practical demand. On the basis of these models existed, a novel forecasting method, called ‘RBF neural network (RBFNN) with combined residual error correction’, is developed in this paper. The new model adopts the advanced algorithm of neural network based on radial basis functions for the air-conditioning load forecasting, and uses the combined forecasting model, which is the combination of MLR, ARIMA and GM, to estimate the residual errors and correct the ultimate foresting results. A study case indicates that RBFNN with combined residual error correction has a much better forecasting accuracy than RBFNN itself and RBFNN with single-model correction.     

组合模型对我国软件人才预测的应用实例

随着软件行业的快速发展,软件人才已经成为该行业重要的战略资源.研究目的便是通过对软件人才预测进行研究,使政府部门以及软件企业更好地了解和管理软件人才.根据人才预测的特点,引用灰色GM(1,1)模型预测法和线性回归预测法,利用组合模型技术建立了需求预测综合模型.应用此模型对我国未来5年软件人才需求进行了预测.     

新息累积GM (1，N)模型在交通噪声预测中的应用

从传统的灰色GM （1, N）模型出发,利用灰色关联分析法确定相关因素的关联度,引入累积法相关理论,对GM （1, N）模型进行参数辨识,建立起多因素的累积GM （1, N）模拟模型,在此基础上,充分利用最新信息,用新息思想建立新息累积GM (1, N)预测模型。将该模型分别应用到南方某城市及北京市道路交通噪声的模拟和预测上,结果表明,所建立的新息累积GM (1, N)模型的模拟精度高,预测结果平均相对误差比GM （1, 1）模型还低,预测效果好,预测值还表明,接下来两年内,噪声值基本维持稳定。     

PCA-GRNN在综合气象短期负荷预测中的应用

为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析（PCA）提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络（GRNN）的短期负荷预测模型。通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性。     

Multimodal Fuzzy Downstream Petroleum Supply Chain: A Novel Pentagonal Fuzzy Optimization

The petroleum industry has a complex, inflexible and challenging supply chain (SC) that impacts both the national economy as well as people’s daily lives with a range of services, including transportation, heating, electricity, lubricants, as well as chemicals and petrochemicals. In the petroleum industry, supply chain management presents several challenges, especially in the logistics sector, that are not found in other industries. In addition, logistical challenges contribute significantly to the cost of oil. Uncertainty regarding customer demand and supply significantly affects SC networks. Hence, SC flexibility can be maintained by addressing uncertainty. On the other hand, in the real world, decision-making challenges are often ambiguous or vague. In some cases, measurements are incorrect owing to measurement errors, instrument faults, etc., which lead to a pentagonal fuzzy number (PFN) which is the extension of a fuzzy number. Therefore, it is necessary to develop quantitative models to optimize logistics operations and supply chain networks. This study proposed a linear programming model under an uncertain environment. The model minimizes the cost along the refineries, depots, multimode transport and demand nodes. Further developed pentagonal fuzzy optimization, an alternative approach is developed to solve the downstream supply chain using the mixed-integer linear programming (MILP) model to obtain a feasible solution to the fuzzy transportation cost problem. In this model, the coefficient of the transportation costs and parameters is assumed to be a pentagonal fuzzy number. Furthermore, defuzzification is performed using an accuracy function. To validate the model and technique and feasibility solution, an illustrative example of the oil and gas SC is considered, providing improved results compared with existing techniques and demonstrating its ability to benefit petroleum companies is the objective of this study.     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

我国渔业仓储保鲜和冷链物流发展现状

目的 研究我国渔业仓储保鲜和冷链物流的发展现状,分析其在未来发展中的主要方向.方法 总结我国渔业仓储保鲜和冷链物流的发展现状,包括渔业产量规模,冷冻冷藏设施和冷链物流中心建设,冷链物流信息化和标准化建设等,并对仓储保鲜和冷链物流发展面临的设施设备不足、水产品损耗高等主要问题进行阐述.对渔业仓储保鲜和冷链物流未来的发展方向进行展望,以期为完善渔业仓储保鲜和冷链物流发展提供参考意见.结论 虽然我国渔业产量逐年增加,但我国渔业仓储保鲜和冷链物流设施的建设却跟不上需求,我国渔业仓储保鲜和冷链物流还有很大的发展空间.