改进的 GM（1，1）模型在工业需水量预测中的应用

灰色系统模型在贫信息、小样本的非线性系统建模中具有明显优势,适合对时间序列较短时的需水量进行预测。该文针对基本灰色预测模型背景值构造不合理及未充分利用新信息的缺点,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,并利用改进模型对惠州市工业需水量进行拟合和预测,结果表明,改进模型预测精度更高,可作为城市需水量预测的一种方法。     

贵州省工业需水量预测研究

等维灰色递补模型以灰色模型为建模基础,引入贵州工业用水量历史数值,选择合适的数据序列,建立预测精度较好的GM(1,1)预测模型,从而构建灰色递补GM(1,1)预测模型。该模型预测精度等级为"好",故预测需水量具有可靠性和参考价值。灰色递补模型显著地减小了后验差比值C,弥补了灰色模型的不足,可为城市中长期供水规划提供方法选择。     

GM(1,1)改进模型在年径流量预测上的应用

背景值是影响灰色模型预测精度的关键性因素之一,GM(1,1)改进模型是在对背景值进行优化的基础上建立的灰色模型。通过对研究区年均径流量资料进行分析,根据径流量和时间的关系,建立了GM(1,1)改进模型,并将其应用于年径流量的预测,取得了较好的效果。     

加速遗传算法在需水预测中的应用

利用灰色系统理论把受各种因素影响的需水量视为在一定范围内变化的与时间有关的灰色量,从而建立GM(1,1)模型对区域需水量进行预测,并对模型进行改进,探讨利用基于加速遗传算法的RAGA-GM(1,1)模型来对广州市的需水进行预测模拟。     

改进GM(1,1)模型在土石坝沉降预测中的应用

GM(1,1)模型在拟合和预测施工期土石坝沉降的过程中,精度会受施工加快、荷载急剧增加、降雨等多种因素的影响而降低。而新陈代谢GM(1,1)模型考虑了不断进入系统的扰动因素,精度有一定程度的提高。在新陈代谢模型的基础上,通过改进背景值的计算方法而使拟合和预测精度进一步提高。通过算例验证了改进的新陈代谢GM(1,1)模型的有效性。     

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。     

大坝位移的改进非等间距GM(1,1)预测模型

基于灰色理论建立的GM(1,1)灰色预测模型常被用于大坝位移实测资料序列的分析。为提高大坝位移预测精度,在分析传统GM(1,1)预测模型构建原理、步骤的基础上,提出了对原始数据序列进行平滑处理、对背景值和残差序列进行优化等方法,建立了大坝位移预测的改进非等间距GM(1,1)模型,并用某大坝水平径向位移监测数据对其进行了检验,结果表明:改进的模型在大坝位移预测中的适用性更强,不仅提高了预测精度,而且保留了灰色模型建模灵活、所需数据少等优点,用于短期预测效果较好,用于长期预测的效果有待考证。     

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...     

新陈代谢GM(1,1)模型预测水闸垂直位移

简要介绍了新陈代谢GM(1,1)模型的概念及GM(1,1)的建模过程,在对黄河下游某水闸垂直位移数据进行定性分析的基础上,建立了相应的全数据GM(1,1)和新陈代谢GM(1,1)模型,并对其预测精度进行对比,结果表明,新陈代谢GM(1,1)模型预测精度较高,更符合水闸垂直位移的实际情况。     

基于GM(1,1)的河南省需水量预测研究

本文重点介绍了灰色理论及其建模原理,对年度用水量进行深入挖掘,依据河南省2000-2009年用水资料建立了灰色GM(1,1)预测模型,经检验模型精度达到93.27%,并用该模型对需水量进行了预测。预测结果表明,该模型用于需水量预测,符合其灰色特性,可检验,适用性好,可为河南水资源规划与管理提供必要的参考。     

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.     

多元线性回归与GM（1，1）模型耦合预测城市用水量

合理预测城市用水量对于城市的发展有着极其重要的意义。本文首先应用多元回归的方法，采取向前选择变量法进行优选，得到相对最优的回归预测模型。然后利用灰色GM（1，1）模型，预测出规划年每个变量的值，代入多元回归模型，这样充分利用了两种模型的优点，预测精度高，结果更为合理可靠。     

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。     

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。     

基于二级修正的区域水资源需求量预测模型

根据区域社会经济发展的用水现状以及水资源需求的总体变化趋势,将Logistic生长曲线模型和GM(1,1)等维新息模型相结合,建立组合预测模型,组合预测区域水资源需求量,并利用ARIMA模型对区域水资源需求量的组合预测结果进行一级修正;在此基础上,根据区域节水规划的总体目标,剖析区域社会经济发展综合节水潜力,对区域水资源需求量的一级修正结果进行二级修正,最终得到区域水资源需求量的综合预测结果。算例分析结果表明,模型具有较高的预测精度。     

ARIMA模型在田东县年降雨量预测中的应用

介绍了自回归移动平均模型ARIMA（p,d,q）的原理和建模方法。根据田东县近年来年降雨量特征,建立了ARIMA（1,1,12）预测模型进行分析预测,并与灰色预测模型GM（1,1）的预测结果进行对比,对比的结果是ARIMA模型的预测精度比灰色预测模型的精度明显提高。     

RBF与GRNN神经网络模型在城市需水预测中的应用

针对需水量预测具有受诸多因素影响的复杂、高维和非线性等特性,本文基于RBF与GRNN神经网络算法原理,构建RBF与GRNN神经网络需水预测模型,将模型应用于城市需水预测中,并与基本BP神经网络模型以及灰色GM(1,1)需水预测模型的拟合、预测结果进行了对比分析.结果表明:①RBF与GRNN神经网络模型有着较高的拟合、预测精度,平均相对误差均在5％以内,表明研究建立的RBF与GRNN神经网络模型应用于需水预测是合理可行的,模型泛化能力强,预测精度高,算法稳定,与基本BP网络算法相比,RBF与GRNN网络模型还具有收敛速度快、调整参数少和不易陷入局部极小值等优点,可以更快地预测网络,有着良好的应用前景.②相对而言,RBF与GRNN神经网络模型预测精度要优于基本BP网络和灰色GM(1,1)模型.