基于改进灰色模型的水资源预测

为了提高灰色模型GM(1,1)对用水量预测的精度,通过对传统灰色模型的残差序列进行改进,提出了一种新的灰色改进预测模型。将其应用于城市居民生活用水量预测中,结果表明:与传统GM(1,1)模型预测值相比,改进GM(1,1)模型预测值与实际值拟合效果更好。     

气象干旱组合预测模型研究及其应用

为提高干旱预测精度,克服单一预测模型的不足,在分析灰色理论和遗传神经网络模型特点的基础上,构建了气象干旱的多尺度组合预测模型。该模型首先提取灾变序列,利用GM(1,1)模型进行拟合和预测,然后采用遗传神经网络对拟合值进行修正,得到训练好的网络结构,最后修正GM(1,1)模型的预测值。利用郑州市1951—2012年月降水数据进行的干旱预测结果表明:针对不同尺度的灾变序列,组合预测模型的预测效果优于GM(1,1)模型和遗传神经网络模型,且模型的平稳性较好。     

灰色理论及神经网络组合模型在水质预测中的应用

利用灰色理论和神经网络的组合式模型实现了对原水水质的预测。它分析了水质数据的影响因素多,水质变化的非线性等特点,同时考虑灰色理论的单变量预测优势以及神经网络能有效处理数据的非线性、模糊信息的特点,提出使用灰色理论模型GM(1,1)对水质数据进行建模,再使用BP神经网络对实际值和预测值的残差进行建模,最后叠加上述两个模型,实现灰色神经网络组合式水质预测模型。通过对某水厂水质的预测值和实际值的比较,表明该模型对水质有较高的预测精度。     

基于灰色残差模型的灌区地下水最小埋深预测

建立灰色GM(1,1)主模型,然后进行残差修正,从而形成灰色残差模型,并对宝鸡峡灌区周城—苏坊洼地地下水最小埋深进行了预测.结果表明:根据前12 a观测数据建立模型,预测的第13 a地下水最小埋深为3.64m,与实际值相比较,相对误差为4.21％;与单一采用灰色模型GM(1,1)相比,灰色残差模型克服了因数据序列不稳定而带来的误差,可提高灌区地下水最小埋深预测精度.     

基于灰色模型的黄河下游流量预测研究

流量演进过程具有一定的离散性,其中包含部分灰色信息,一般数学水文模型难以实现多尺度的流量预测。灰色系统模型能对原始数据进行挖掘和整理,在保持原序列形式的前提下,通过灰系统的生成,弱化数据的随机性并揭示其内在规律。基于灰色系统理论和灰色预测方法,通过对原始水文序列数据进行优化处理,构建GM(1,1)灰色模型,通过对模型累加预测值的逆处理,即可得原始数据序列的预测值和残差。再对残差数据二次构建关于残差的GM(1,1)灰色模型,得到优化的灰色模型,将模型应用于黄河利津水文站年平均流量的预测,研究结果表明:灰色模型具有直观性好、操作性强等优点,通过模型对利津水文站12 a的年平均流量的拟合和倒数5 a的预测,具有较高的精度,预测的相对误差在0. 71%～10. 64%之间,可为黄河下游防洪、水量调度等研究提供依据。     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型。该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列。运用该模型对南四湖2019—2021年的水质状况和水质演变趋势进行预测,结果表明：灰色马尔科夫模型的相对误差小、精度高、预测结果合理;2019—2021年南四湖水质整体呈现由北向南逐渐变好的趋势,其中CODCr、NH3-N、CODMn质量浓度呈下降趋势,TP、TN质量浓度有上升现象,存在超标风险,应加强对南四湖流域TP、TN的控制。     

不等时距 GM（1,1）模型的建立及在土质边坡位移预测中的应用

在介绍灰色理论的基础上,针对传统灰色理论GM（1,1）模型只能用于等时距数列的不足（在实际边坡监测中,由于主客观原因的影响很难保证监测到的数据是等时距的）,基于GM（1,1）模型的原理建立了适用于不等时距数列的GM（1,1）模型。运用不等时距GM（1,1）模型对某边坡位移变形预测研究,经过残差修正后GM（1,1）模型得到的预测值和实测值比较接近,说明基于灰色理论建立边坡变形预测模型GM（1,1）可以用来预测边坡的变形,与神经网络、群蚁算法、遗传算法等相比,灰色动态GM（1,1）模型不需要大量典型的样本来学习,这一特点使得其在边坡变形与稳定性分析中的应用提供了可能性。     

灰色神经网络组合模型及在滑坡预测中的应用

提出将灰色GM(1,1)预测模型与神经网络预测模型结合起来,建立灰色神经网络预测模型,对滑坡变形位移进行预测.此方法为串联型灰色神经网络组合模型,是指用神经网络识别灰色GM(1,1)所得的预测值和实测值之间的未知关系,去修正灰色系统所得的预测值.实例表明:此种预测模型预测精度高、所需样本少、有效以及在滑坡预测中有着良好的应用前景.     

灰色新陈代谢GM(1,1)模型在需水量预测中的应用研究

文章针对常规GM(1,1)模型存在的缺陷,建立了灰色新陈代谢GM(1,1)需水量预测模型。并运用该模型对锡林郭勒盟2015～2020年需水量进行了预测。结果表明,预测结果合理、可靠,模型预测误差较小、精度较高。该模型具有简捷实用、预测精度高等优点,为需水量预测提供了新的方法。     

改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用

研究了改进的不等时距灰色马尔科夫模型在边坡位移预测中的应用,先用S型函数对厦门某边坡的实测数据进行平滑处理,然后用平滑后的数据建立不等时距灰色GM(1,1)模型,最后用改进的计算公式求得马尔科夫模拟值和预测值。结果表明改进后的不等时距灰色马尔科夫GM(1,1)模型的拟合精度和预测精度有了很大的提高,对边坡稳定性预测有一定的参考价值。     

基于残差灰色-马尔可夫链的生活用水量预测研究

针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。     

基于中心逼近式灰色神经网络模型的水质预测

对时间序列建立中心逼近式GM(1,1)模型,通过优选模型的m值弱化序列变幅,利用BP神经网络对该模型残差值进行拟合修正,以此构建一个基于中心逼近式GM(1,1)模型的灰色神经网络预测模型.应用实例的计算结果表明,该模型可提高水质预测精度.     

基于加权灰色-马尔可夫链模型的城市需水预测

城市需水量预测是区域水资源规划及优化配置的基础内容。在基于灰色GM(1,1)模型预测城市需水量总体趋势的基础上,引入加权马尔可夫链预测理论,建立了加权灰色马尔可夫GM(1,1)预测模型。该模型既考虑了GM(1,1)模型较强的处理单调数列的特性,又考虑了通过相对误差的状态转移概率矩阵的变换提取数据随机波动响应的特点。成都市城市需水量预测结果表明:加权灰色马尔可夫GM(1,1)模型充分利用需水量数据给予的信息,实现了对相对误差的状态转移的预测,并提高了修正灰色模型预测值的精度;通过与其它2种灰色预测模型预测结果比较,加权灰色马尔可夫GM(1,1)模型精度更高,预测得到2012年和2013年成都市城市需水量分别为74 250.91万m³和79 818.34万m³,呈明显增长趋势。因此该模型提高了随机波动较大数据序列的预测精度,拓宽了传统灰色模型预测的应用范围,更具科学性。     

利用灰色残差GM(1,1)-Markov模型预测水工混凝土的劣化

我国西北地区水工混凝土建筑物经常受到低温冻害和盐渍侵蚀作用,因此混凝土劣化预测的研究对水工建筑物的寿命预测具有十分重要的意义。为模拟水工混凝土建筑物所受到的破坏,以实验室方法进行混凝土试件的盐冻试验,得到4种工况下混凝土试件随着盐冻次数的增加,其质量和抗压强度的变化情况。研究抽取了其中两种工况的原始数据,首先利用灰色残差GM(1,1)模型对原始数据进行处理,并建立预测模型;然后通过预测模型进行计算,得到质量和抗压强度的修正值;最后通过灰色残差GM(1,1)-Markov模型,对150~200次盐冻试验的试件质量和抗压强度进行预测。结果表明:试件质量和抗压强度的预测值与原始值相比误差较小,说明该模型可较好预测混凝土劣化的质量和抗压强度损失。     

改进的灰色灾变模型在干旱预测中的应用

为提高传统的GM(1,1)模型精度,分别从原始数据序列检验和建立残差修正模型两方面进行了改进,并将改进的灰色灾变模型与不进行原始序列检验的GM(1,1)1模型和对原始数据序列进行检验的GM(1,1)2模型进行了比较。结果表明:改进的灰色灾变模型精度最高;运用该模型预测榆林市未来可能发生干旱的年份分别为2012年、2015年和2019年。     

基于灰色GM(1,1)模型的农业用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(阿克苏地区1995~2005年农业用水资料)建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达98.31%。用所建立的模型对阿克苏地区2006~2010年农业用水量进行外推预测,结果表明:该灰色模型用于农业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

改进的残差GM(1,1)模型在益阳市耕地预测中的应用

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对益阳市耕地面积进行预测,改进的残差修正方法使模型保持良好的适应性,有效提高了预测精度。应用此模型对益阳市耕地进行预测检验,结果表明改进的残差GM(1,1)模型具有较高的预测精度,模拟效果更好,其结果符合益阳市耕地数量变化规律,即益阳市耕地面积在未来几年内将呈现出小幅增长的趋势,但人均耕地面积仍旧处于联合国的警戒水平。因此保护耕地资源,合理利用和保护耕地都是刻不容缓的任务。     

大坝变形度的不等维加权动态GM(1,1)预测模型

针对灰色GM(1,1)模型预测结果易受模型中以前测得的陈旧数据的干扰,及等维动态GM(1,1)受缚于维数选择的情况,给出了不等维加权动态GM(1,1)模型的基本内容及建模过程,模型中计算出多种维数的GM(1,1)模型的预测值,并且通过萨函数加权法和BP神经网络计算出每种维数的权值,通过加权获得最终预测值.并且成功地将不...     

灰色季节性指数模型与神经网络模型在蒸发预测中的应用

在原GM(1,l)模型基础上采用滑动平均法进行季节因素修正,建立了灰色季节性指数模型,并将该模型与神经网络模型运用在海拉尔市季蒸发量预测中。计算结果表明,修正后的模型与神经网络模型在拟合既含趋势变动,又含季节因素的时间序列预测中,比普通GM(1,1)模型具有更好的适应性,具有较好的效果。     

柳林泉流量动态模拟及衰减原因分析

以柳林泉域泉流量及降水量的系列资料为基础,分别建立了基于灰色理论的GM(1,1)模型、GM(1,1)残差周期修正模型和不同方案下的多元线性回归模型,模拟预测了泉流量动态,并对泉流量衰减原因进行了分析。结果表明:残差周期修正后的GM(1,1)模型优于多元线性回归模型;还原泉流量下的回归模型较实测泉流量下的回归模型拟合误差大但预测误差小;柳林泉流量的衰减过程分为两个阶段,1990年以前大气降水减少是泉流量衰减的主要原因,1990年以后泉流量的衰减则是大气降水减少和人工开采量增大共同作用所致。