基于无偏灰色新陈代谢的大坝变形预测模型

针对大坝变形数据的特点,引入灰色无偏新陈代谢模型,阐述了建模过程与精度检验方法,并用C#语言对模型进行了编程实现,以小浪底水库大坝的变形监测数据为例进行了检验.结果表明,该模型精度高、灵活,实用价值高.     

对灰色预测模型的分析与评价

分析了GM（1．1）模型的基本特性分析,结合电力系统负荷预报实例,对该模型作出了客观地评价．     

基于灰色组合模型的浙江省需水量预测

针对传统需水量预测模型存在的不足,将GM(1,1)模型和灰色Verhulst模型相结合,构建了灰色组合模型,并对模型采用残差和权重分配相结合的二次修正方式进行修正,在分析浙江省1998~2012年用水现状的基础上,利用二次修正后的灰色组合模型预测了2013~2020年浙江省的用水情况。结果表明,在未来的一段时间内,浙江省的需水量增长会逐步加快,尤其体现在居民生活用水和工业用水上。因此,做好工业生产节水工作,加快产业结构调整是今后工作的重点。     

基于灰色预测GM（1，1）模型的城镇生活需水量预测

鉴于科学的需水量预测是水资源合理配置的重要依据,基于围场县2006～2010年城镇生活用水量的统计资料,利用灰色预测GM(1,1)模型对实际用水量进行了模拟分析,模拟结果与实际用水量的平均误差为1.53%。灰色预测GM(1,1)模型适用于围场县城镇生活需水量的预测,进而预测了围场县不同期限(短期、中期、长期)的城镇生活需水量。通过一次供需平衡分析明确了未来水资源的供需矛盾,提出了城镇生活用水高效利用对策,可在一定程度上缓解城镇生活用水的供需矛盾。     

系统优化的GM(1,1)模型在大坝位移预测中的应用

针对传统灰色GM(1,1)模型的缺陷,以陈村大坝为例,根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,求得新灰色GM(1,1)预测模型的最优初始值,改进了原GM(1,1)模型的背景值及灰度值,并与传统GM(1,1)模型做了比较.数值仿真结果表明,新模型精度较高,预测效...     

基于最小二乘组合灰色模型的中长期电力负荷预测

电力负荷预测是实现电力系统管理现代化的重要内容,有效的中长期电力负荷预测可为电网运行方式、电源建设规划等提供可靠的决策依据。针对中长期电力负荷预测,综合考虑负荷的历史数据和未来可能走势,在对三种灰色预测模型分析的基础上,以其预测值为解释变量,实际负荷值为被解释变量,通过最小二乘法建立多元回归方程,并通过计量经济检验,以此构造了负荷预测组合模型。将该模型应用于北京市年用电量预测中,结果表明所构造模型具有较高的预测精度,有效可行。     

灰色预测GM(1,1)模型在张家口市需水量预测中的应用

为解决张家口市水资源供需矛盾,使有限的水资源得以充分利用,以张家口市2010年为现状年,2020年为重点规划年,2030年为远期规划年,运用灰色预测GM(1,1)模型预测了张家口市居民生活需水量、公共事业需水量和万元工业增加值需水量。结果表明,张家口市需水量在未来20年总体呈增长趋势,但后期增幅有所减缓,根据预测结果提出的合理化建议,可为供水系统优化调度和水资源的合理配置提供参考。     

河流水质灰色规划

基于河流水质灰色模型,可以对河流水质进行灰色规划．灰色规划考虑了实际河 不质系统中客观存在的不确定因素和偶然因素影响,概述了河流水质系统的灰色规划模型的构造,河流水质系统灰色规划模型的求解及其实际应用。     

基于灰色BP网络的城市生活垃圾日产量预测模型研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的城市生活垃圾日产量预测模型,通过一组历史数据分别对GM模型和灰色BP神经网络模型进行了验证,得到了灰色BP神经网络的预测效果要比单纯的灰色预测模型精度要高的结论,本模型是研究通过少量数据进行预测的一种新方法。     

基于数值分析的改进GM(1,1)负荷预测模型研究

针对传统GM(1,1)模型进行负荷预测存在的不足,采用数值分析算法求解GM(1,1)模型中的参数,直接建立灰微分白化响应方程,构建了一种基于数值分析的GM(1,1)改进负荷预测模型,并以山西省大同市10条10 kV配电线路为例,对模型进行了验证.实例结果表明,改进模型克服了差分方程与微分方程结合所造成的模型误差,预测精...     

河流水质灰色模型和模拟（英）

概述了河流水质灰色模型的构造、河流水质灰色模型的灰参数估计、河流水质灰色模型、河流水质灰色模型中灰参数的意义及其实际应用．     

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。     

基于误差修正的BP神经网络模型在河道洪水预报中的应用

针对经典BP神经网络模型,增设误差修正系数,实现网络误差修正权重倾向于输出样本的较大值,据此提出了一种计算输入输出向量的归一化公式,并建立了具有洪峰识别的洪水预报BP网络预报模型。采用新模型对宜昌水文站典型年实测流量过程进行了预测检验,其结果与实测值较吻合,对流量过程及洪峰流量过程的预报精度较经典BP模型高。     

基于BP神经网络的大伙房水库洪水预报

鉴于大伙房水库洪水预报模型为集总式模型,其参数不仅需要优选法选定或人工试错法确定,还需要实时校正,因此根据大伙房流域特点提出了一种半分布式BP神经网络洪水预报模型,实现了模型中参数的自动率定,且由于其半分布式的特点还规避了原集总式模型的部分劣势。即采用DEM和ArcGIS根据水文站及自然流域分水线划分流域,创建BP神经网络,然后应用于各子流域断面及入库断面,预报其流量值,并在每个网络中均运用逐步回归分析法对输入层数据进行筛选,以得到影响最显著因子。将所建模型应用于大伙房水库,预报精度较好,可用于大伙房水库的正式预报。     

基于T-S模糊神经网络在三川河地表水质评价中的应用

叙述了基于T-S模型的模糊神经网络应用于三川河地表水质的评价,且说明用单因子评价法和综合指数评价法能取得了较好的效果,为水质评价提供了新的方法.     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。     

基于MPGA-BP模型的降雨预报研究

降雨预报是水文预报的重要环节,提高其准确性是进行洪水、径流等预报的前提。针对目前预测方法中存在的易落入局部极小值、收敛速度慢和收敛对初值敏感等问题,将多种群遗传算法(MPGA)与反向传播(BP)神经网络模型相结合,提出了一种适用于降雨预报的多种群遗传神经网络模型(MPGA-BP)。实例计算结果表明,该模型具有良好的预报性能和泛化能力,为降雨准确预测提供了有力的技术支持。