优化GM（1，1）预测模型对煤炭产量的预测研究

为了预测我国煤炭产量的发展状况,针对传统GM（1,1）模型预测煤炭产量时存在的问题,分别建立了传统GM（1,1）预测模型和基于连分式理论的有理插值改进背景值的GM（1,1）模型。并对预测结果做出分析比较。结果表明,采用改进的GM（1,1）模型,预测误差较小,精度较传统GM（1,1）模型有所提高,更符合实际数据的发展趋势,为合理利用煤炭资源和调控能源结构调控提供了重要依据。     

煤炭产量预测与对比分析研究

为了预测我国的煤炭产量,分别建立了一元线性回归预测模型和灰色理论GM（1,1）模型,并对预测结果进行了比较分析。结果表明,灰色理论GM（1,1）模型较一元线性回归预测模型预测精度更高,更符合我国煤炭产量的发展趋势。灰色理论GM（1,1）模型的煤炭产量预测结果表明,未来2 a我国煤炭产量呈稳定增长趋势,产量分别为34.83亿t和37.82亿t,增长比例分别为7.5%和8.5%。     

基于等维新息GM(1,1)模型群的煤炭产量预测研究

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。     

改进GM(1,1)预测模型对我国煤炭消费需求的预测分析

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.     

基于改进GM(1,1)灰色模型的煤炭产量预测与分析

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。     

残差修正GM(1,1)模型在煤矿事故预测中的应用

百万吨死亡率是煤炭安全生产的一个重要考核指标,为准确预测煤炭行业安全生产的总趋势,利用灰色系统相关理论,建立了煤炭行业百万吨死亡率的GM(1,1)预测模型。同时鉴于GM(1,1)模型预测精度很低,建立残差修正GM(1,1)预测模型对模型进行了二次修正,并利用该修正模型成功预测出我国煤矿2009年的百万吨死亡率将首次降到1以下,权威机构数据表明,预测结果是可参考的。     

基于改进灰色马尔柯夫模型对我国煤炭生产总量的预测

准确预测未来煤炭产量是合理确定产能目标和发展规划的重要依据.将灰色系统理论与离散状态的马尔柯夫链理论相结合,通过对1998～2008年度我国历年来煤炭产量的原始数据取其自然对数进行光滑处理,建立改进的GM(1,1)模型和灰色马尔柯夫模型,实证计算表明:改进的马尔柯夫模型预测精度明显高于改进的GM(1,1)模型,预测结果可靠,具有一定的普遍应用性.     

基于灰色马尔科夫模型的煤炭产量预测

煤炭资源是我国经济建设中的重要能源,准确预测我国煤炭产量有助于国家能源政策的制定.为此,在单一的灰色GM(1,1)预测模型的基础上,与马尔科夫预测模型组合形成灰色GM(1,1)-马尔科夫组合预测模型,以相对误差、均方差比值和小概率误差3个指标对模型的精度做检验.结果表明,组合预测模型优于单一预测模型,组合预测模型不仅反映了煤炭产量短中期呈上升趋势,又突显了该模型能较优地处理波动性序列的优点,能够有效地预测2019年和2020年煤炭产量.     

吨煤瓦斯抽采量与百万吨死亡率的定量关系研究

为了探究瓦斯抽采量、煤炭产量与百万吨死亡率的内在联系,提出了瓦斯事故百万吨死亡率的概念,并对与吨煤瓦斯抽采量之间的关系进行了研究。依据吨煤瓦斯抽采量与时间的函数关系及瓦斯抽采量与时间的函数关系,间接对煤炭产量进行预测;建立了以吨煤瓦斯抽采量为依据的百万吨死亡率预测模型。结果表明,煤炭产量预测结果误差较小,明显优于线性回归、GM(1,1)模型等传统煤炭产量预测方法;百万吨死亡率实际值落在预测区间,而指数函数、GM(1,1)模型等传统百万吨死亡率预测结果误差较大。     

基于Gauss-Legendre公式改进的煤炭产量灰色预测模型研究

基于GM(1,1)背景值的构造方法,提出了一种基于Gauss-Legendre公式改进灰色预测模型的方法,并推导得出了基于两点Gauss-Legendre公式改进的GM(1,1)模型,改进模型的背景值计算公式具有更高的代数精度。以我国原煤产量预测为实例,详细说明了改进模型的建模与计算过程,并将预测结果与传统GM(1,1)模型和基于连分法改进的GM(1,1)模型的预测结果进行了对比分析,验证了改进模型具有较高的预测精度。     

某边坡工程降雨量的GM(1,1)模型预测及其修正

基于灰色理论,结合具体算例建立了某边坡工程降雨量的GM(1,1)预测模型,并对GM(1,1)模型的计算结果和精度进行了分析,引用灰色区间预测法对GM(1,1)模型计算结果进行了修正,得出了某边坡工程降雨量的预测值.     

煤炭年产量的组合模型预测

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     

提升机盘式制动器碟簧刚度测量与预测研究

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.     

灰色系统理论在采空区瓦斯抽采纯量预测中的应用

为了准确预测采空区瓦斯抽采纯量,本文将GM (1,1)模型与Markov模型有机结合,构建了GM(1,1)残差-Markov预测模型.以安徽淮北某矿采空区瓦斯抽采纯量为例,分别利用GM (1,1),GM(1,1)残差,GM(1,1)残差-Markov预测模型进行预测,对模型预测结果运用后验差检验比值c及小概率精度p进行精度检验.结果表明,GM(1,1)残差-Markov预测模型达到优等,适合对近期的采空区瓦斯抽采纯量进行预测.     

改进的灰色预测模型在煤矿安全管理中的应用

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.     

GM(1,1)模型在边坡变形监测中的应用研究

随着水电资源的不断开发,科学、准确地对电站周围的边坡变形监测和预测显得尤为重要。该文选择云南某已建水电站边坡作为研究对象,将边坡作为灰色系统,利用GM(1,1)模型作为预测模型,对前期监测数据序列,求得灰参数后,建立预测模型,得到预测结果。对比预测结果与实测结果,评价预测精度,并对变形发展趋势进行评估,得出结论:GM(1,1)预测模型能够满足边坡变形监测的要求,具有较好的预测精度,可以在边坡变形监测工程中广泛应用。     

基于灰色系统理论的煤矿安全生产形势预测

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.     

基于无偏灰色GM(1,1)的铁精矿品位预测模型北大核心

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。     

基于GM(1,1)模型的变压器故障分析研究

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。     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。