共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
《煤矿现代化》2016,(5)
以煤炭产量预测研究为目的,建立了GM(1,1)模型、GM(1,1)残差模型和等维新息GM(1,1)模型,并对我国1999年至2010年的煤炭产量进行了数据拟合和预测。应用后验差检验,3种模型均是一级合格模型;根据相对误差检验,GM(1,1)模型和GM(1,1)残差模型的数据拟合精度属于四级,是不合格模型;而等维新息GM(1,1)模型群的最大相对误差仅为0.46%,平均相对误差为0.40%,是适用于煤炭产量预测分析的高精度模型。应用等维新息GM(1,1)模型群对我国近5年煤炭产量进行预测,结果表明:煤炭产量将以平均每年超过3亿t的速度增长,到2015年将超过47亿t。 相似文献
4.
改进GM(1,1)预测模型对我国煤炭消费需求的预测分析 总被引:2,自引:0,他引:2
为了预测未来煤炭消费需求状况,利用1998-2008年度我国煤炭消费需求的历史数据直接作为传统GM(1,1)及其残差模型的原始序列,通过生成处理后所得模型分别为勉强合格(三级)和合格(二级)等级,而通过对原始数据取自然对数为基础,并进行二阶弱化处理后所得的改进GM(1,1)模型及其残差GM(1,1)模型,经过点对点的残差检验发现,改进GM(1,1)模型及其残差GM(1,1)模型均提升至好的预测模型(一级)等级,其预测精度较高.用其预测未来3年的煤炭消费需求总量继续呈增长趋势,说明煤炭在未来短期内的主导地位没有改变.因此,国家和各级政府应加大对煤炭行业的资金投入与政策支持的力度,以保障我国经济持续稳定发展. 相似文献
5.
文章深入了解了GM(1,1)模型的内容和原理,提出了一种改进该模型的方法,研究灰色状态马尔柯夫模型和对预测值确定的影响,通过选取2003年~2010年我国煤炭生产量来对比传统和改进后GM(1,1)模型的预测误差率和精度。实践证明基于改进灰色数学模型预测出来的煤炭产量十分接近实际产量,误差值远小于采取传统GM(1,1)计算出来的数值,实用价值和参照价值极高。 相似文献
6.
7.
8.
9.
10.
11.
12.
一、前言 以往人们多用回归分析的方法预测煤炭年产量,由于此方法需要统计数据量多和要求数据分布典型,而且所建立的模型不可随意外推,因此很难得到满意的预测精度,有时甚至根据经验或上级的意愿制定产量指标,缺乏具有理论依据的科学方法。对此,本文应用灰色系统理论建立鸡西矿务局的煤炭年产量预测模型。 众所周知,灰色预测已在社会、经济和工程领域中得到了成功的应用。但是对于光滑程度较差的时间序列,GM(1,1)灰色模型的预测精度难以满足要求,为此本文将灰色模型与勒让德多项式最佳平方逼近模型组合起来,称之为组合模型,即用动态GM(1,1)灰色模型来提取时间序列的趋势项,而用勒让德 相似文献
13.
介绍了近年来国内关于碟簧刚度的相关研究,提出了通过测得闸瓦最大油压、开闸油压和闸瓦间隙进而得到碟簧刚度的测量方法.根据碟形弹簧的特点,采用灰色理论预测法对其刚度进行预测,以数列预测模型G M(1,1)为指导,建立了碟形弹簧的刚度预测模型,并利用后验差法对模型的预测精度进行了分析.结果表明,采用GM(1,1)模型对碟形弹簧进行刚度预测的精度高,效果好. 相似文献
14.
15.
预测是确定安全管理目标的有效方法,GM(1,1)模型适用于对平滑单调数列进行建模,遇到带有周期振荡性的数列时预测精度较差.改进的GM(1,1)模型通过函数变换法对数据的周期振荡性进行处理,得到单调增加的数列,再利用GM(1,1)模型建模.实际应用表明,这种改进的方法较GM(1,1)模型效果好,使用简单. 相似文献
16.
17.
基于灰色系统理论的煤矿安全生产形势预测 总被引:1,自引:0,他引:1
以我国煤矿安全生产形势预测为研究目的,介绍了灰色系统理论GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型群等预测模型,应用这3种模型对我国2000年至2009年的煤矿安全生产事故死亡人数和百万吨死亡率分别进行了数据拟合.通过后验差检验和误差分析,等维新息GM(1,1)模型群对煤矿安全生产事故死亡人数和百万吨死亡率具有较高的数据拟合精度,平均相对误差分别为2.86%和2.92%.应用等维新息GM(1,1)模型群对我国煤矿安全生产事故死亡人数和百万吨死亡率进行预测,结果表明:煤矿安全生产形势将持续保持好转态势;煤矿安全生产事故死亡人数以平均每年16.9%的速度下降,到2015年将下降到900人以下;百万吨死亡率以平均每年22.7%的速度下降,到2015年将下降到0.2以下;同时反映了未来煤炭产量将继续保持增长趋势. 相似文献
18.
铁精矿品位的准确预测对铁矿选矿厂的生产和管理具有重要意义。为解决选矿厂生产过程中具有随机波动性的铁精矿品位预测问题,提出一种基于线性变换法的无偏灰色GM(1,1)铁精矿品位预测模型。通过采用一种线性变换方法降低铁精矿品位数据序列的波动干扰,将随机波动数据序列转换为单调增长的数据序列,然后将变换后铁精矿品位数据序列代入无偏灰色GM(1,1)模型以实现铁精矿品位预测模型的建模,最后将该预测模型用于两组铁精矿品位数据序列进行了验证。结果表明,基于线性变换的无偏灰色GM(1,1)铁精矿品位预测模型在预测精度和预测性能上优于两个改进的GM(1,1)预测模型,其预测精度均为一级,预测的最小相对误差为0.2%,平均绝对误差均小于1%,模型具有较好的应用性和有效性,为短期预测铁精矿品位提供了一种新途径。 相似文献
19.
通过建立基于灰色系统GM(1,1)理论的变压器故障预测模型,结合三比值法对变压器故障进行预测。对比预测结果和现场情况来看,预测较为准确,可以作为一定的理论依据。但是由于GM(1,1)本身的精度问题,只能进行短期预测。 相似文献