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。     

不同改进灰色模型在广西年用水量预测中的应用研究

以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。     

基于遗传算法的城市用水量灰色预测模型研究——以秦皇岛市引青济秦工程为例

通过数据分析,结合传统灰色GM(1,1)模型的特点,基于遗传算法与新陈代谢思想提出了改进的GM(1,1,λ)模型。结果表明:GM(1,1)模型对分散数据预测精度较低,其精度等级为四级以下,最大相对误差大于45%,预测值逐年上升,与实际情况不符。而改进的GM(1,1,λ)模型的精度等级为三级,最大相对误差为18.716%,更好地反映了城市用水量的变化趋势,与观测数据最为接近,预测精度较高。     

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。     

城市年需水量的灰色预测探讨

分析了某市年需水量的变化特点,讨论了对年需水量预测效果较好的灰色GM(1,1)模型在该市年需水量预测中的应用,并提出了改进灰色模型在该市年需水量预测中的应用,结果表明:改进的灰色预测模型与传统的灰色GM(1,1)模型相比,平均相对误差及原点误差均较小,可用于该市的年需水量预测,为该市年需水的宏观调控与用水规划提供参考.     

改进的灰色预测模型在城市年需水量预测中的应用

应用灰色系统理论建立了某城市年需水量的灰色GM(1,1)模型。在分析灰色预测模型建模思路及建模前提的基础上,应采用改进的灰色预测模型进行该市年需水量预测。结果表明:改进灰色预测模型与灰色GM(1,1)模型相比,平均相对误差以及原点误差均较小,适用性范围更广,可用于城市的年用水量预测。     

基于灰色GA-LM-BP模型的CODMn预测

针对灰色GM(1,1)模型拟合误差较大和LM-BP神经网络泛化能力不强的问题,提出了灰色GA-LM-BP模型,该模型采用灰色GM(1,1)模型预测数据并得到其残差,利用LM-BP神经网络对残差进行拟合、测试、预测后,对灰色GM(1,1)模型的数据预测值进行修正从而得到较合理的预测值,并运用遗传算法对LM-BP神经网络的初始权值和阈值进行优化。运用该模型对伦河孝感段的COD Mn进行了预测,预测误差不超过2.33%,表明模型的预测数据是合理的,可用于COD Mn的预测和水质预警预报。     

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...     

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。     

GM(1,1)改进模型在大坝位移预测中的应用

针对传统GM(1,1)模型的不足,分别从提高原始序列的光滑度、优化时间响应函数两个方面对其进行了改进,对模型进行残差检验和后验差检验,并建立一种新的GM(1,1)模型,将改进了的模型应用于大坝位移预测中,结果显示:新的GM(1,1)模型拟合预测精度明显高于传统模型。     

改进的非等间距灰色模型在大坝位移预测中的应用

传统GM(1,1)预测模型在大坝位移拟合及预测中存在优化方式单一、适应性不佳等不足,一定程度上影响模型的预测效果。基于蛙跳算法,通过优化背景值和平滑系数、寻找最优定解条件以及残差优化等方法,提出了改进的非等间距GM(1,1)大坝位移预测模型。结合相关工程实例,对比分析了2种模型的拟合效果和预测精度,说明了相对于传统GM(1,1)大坝位移预测模型,改进的GM(1,1)大坝位移预测模型能有效提高位移预测精度,可以应用于实际大坝结构中的位移监控及预测。     

改进的GM(1,1)模型在城市需水量预测中的应用

基本GM(1,1)模型未充分利用新信息,且背景值构造不合理,对变化非平稳的数据序列预测精度较低,为此,本文采用重构背景值和等维递补原理对基本GM(1,1)模型进行改进,建立重构背景值的GM(1,1)等维递补模型,并运用改进模型预测北方某市需水量,结果表明,改进模型预测精度更高,为需水量的预测提供了一种新方法.     

基于GA-灰色波形预测模型的白洋淀天然入淀水量

白洋淀天然入淀水量在长期的时间序列上有着丰、枯水期交替演化的规律,灰色波形模型适用于这一规律发展趋势的研究。通过遗传算法(GA)对灰色一阶模型(GM(1,1))的迭代基值α与背景值系数β进行优化,利用遗传算法收敛效率高,选择范围广的优点,建立了以GA-GM(1,1)群为基础的GA-灰色波形模型,对白洋淀天然入淀水量趋势进行研究。最终得出结论:GA-灰色波形模型不仅在信息序列的拟合上明显优于传统灰色波形模型,且GA-灰色波形模型能更好的抓住信息序列发展特点,更为准确的预测白洋淀天然入淀水量演化规律。说明用GA-灰色波形模型进行白洋淀天然入淀水量研究是可行的,也为研究湖泊水资源量变化提供了一种新思路。     

基于GM（1，1）的残差修正模型及应用

为了提高GM（1，1）模型的预测精度，对GM（1，1）模型进行预测，得到残差序列，然后用残差序列建模对原模型进行修正，得到GM（1，1）的残差修正模型，将其应用到扬压力的预测中，结果表明模型精度大大提高。     

灰色理论在龙江突发镉污染水质预测中的应用

利用灰色预测理论,建立了龙江突发水污染水质变化趋势的GM(1,1)预测模型,而后对模型进行残差修正。结果表明:经残差修正后的GM(1,1)模型更为合理,预测精度明显提高。本研究中灰色理论能够有效地对突发性水污染事故中的水质变化趋势进行短期预测,为相关部门及时采取相应的应急措施提供参考,减小事故风险。     

灰色系统理论在城市需水量预测中的应用

针对城市需水量特点，运用了具有适用性广，预测准确率高等优点的灰色系统预测模型并对该模型的精度进行了检验。最后用实例验证了该模型用于预测城市需水量的可行性及有效性。     

灰色模型在短期电力负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务，根据不同的预测对象，常用的方法有概率统计法、时间序列分析及灰色系统等等。文章讨论了灰色模型GM(1，1)及其改进模型在短期电力负荷预测中的应用。采用ARIMA(p,d,q)模型与GM(1，1)改进模型对特殊日电力负荷进行组合预测，提出了适合电网特殊日电力负荷预测的数据处理方法。提高了预测的精度。准确度到了95%以上，解决了每日24点正点采样情况下预测精度较低的问题。     

城市用水量预测中的多变量灰色预测模型

当观测资料的数据量少,而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM(1,1)不能全面考虑多个变量。采用自适应MGM(1,n)模型———多变量灰色预测模型,较好地解决了这一问题。MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,通过联立求解n个n元微分方程,使模型中的参数能够反映实际工程或社会系统中多个变量间相互影响、相互制约的关系。以杭州市用水量统计资料为研究对象,运用灰色理论建立MGM(1,n)模型,获得了较好的预测效果。