基于新维灰色马尔科夫模型的股价预测算法

灰色预测适合于时间短、数据量少、波动不大的系统对象，但是对于系统对象的中长期预测，采用任何形式的GM（1，1）模型，预测结果往往会偏高或偏低，而马尔柯夫链理论适用于预测随机波动大的动态过程。通过结合灰色预测和马尔柯夫链理论的特点，并利用新信息优先的思想，提出了一种新维无偏灰色马尔柯夫预测模型，用无偏GM（1，1）模型拟合系统的发展变化趋势，并以此为基础进行了马尔柯夫预测，在每一步预测中，不断推陈出新，更新原始数据。实验结果表明，与一般的灰色马尔柯夫预测模型相比，预测准确度尤其是中长期预测准度得到了较大提高。     

一种改进的Hadoop数据负载均衡算法

在介绍Hadoop,HDFS的原理的基础上,分析了Hadoop的数据负载均衡算法.Hadoop负载均衡算法只是根据空间使用率对各个结点的负载进行均衡,这种均衡方法没有考虑结点的处理能力、带宽、文件访问频度等因素,因此,造成了基本相同的文件的响应时间存在很大的差别.提出了一种改进的负载均衡的模型,该模型综合了文件大小、文件并发访问时间、文件访问频度、结点的处理能力、带宽、结点的可用存储空间等因素进行负载均衡.试验结果表明,改进模型不仅实现了存储空间的负载均衡,而且使得同类文件的响应时间更一致.     

基于灰色预测的无线传感器网络数据融合算法

针对无线传感网络监测信息具有很高时间相关性,给出一种基于动态灰色预测模型的数据融合算法。对节点采集的历史数据,应用动态灰色模型预测其未来数据值,若预测误差大于设定阈值,传输本轮数据,若预测误差小于设定阈值,不传输本轮数据,以此减少网络数据传输量。仿真实验表明,与未采用数据融合的低功耗自适应集簇分层协议算法相比,所给算法的数据传输量可减少34%,网络寿命可延长39%。     

基于灰色改进模型的电价预测

针对电力市场中的电价预测问题进行了研究。在阐述了灰色模型在电价预测方面的应用后,提出了一种改进灰色模型用于电价预测的方法。通过对原始数据序列的一系列处理和对微分方程求解条件的变化达到预测精度的提高。最后用算例验证了该方法的可行性。     

基于灰色马尔可夫模型的能耗预测

能耗预测在企业能源管理系统中具有重要的作用,本文采用灰色模型GM(1,1)与马尔可夫模型相结合对企业的生产能耗进行预测.通过对某大型制造业企业实际电力消耗量的预测实验,结果表明该组合模型具有较高的预测精度,达到了预期的效果.     

基于灰色理论的拍卖预测算法研究

基于网上拍卖结果难以预测,提出一种基于灰色理论的拍卖预测算法,利用连续的灰色微分方程GM（1,1）模型,对拍卖结果进行预测．基于固定历史数据和移动历史数据分别与简单指数函数预测算法和时间序列预测算法使用平均残差（ARE）进行比较,结果显示该方法不但所使用的数据较少也具有较高的准确性．表明该方法可以有效地预测拍卖结果．     

基于灰色Verhulst模型的粮食物流量预测

针对粮食物流量预测的特点,引入灰色Verhulst预测模型理论,并分析此理论应用于粮食物流量预测的可行性,在此基础上建立粮食物流量预测的Verhulst模型。通过实际案例分析,及与其他方法预测结束的对比,表明灰色Verhulst模型在粮食物流量预测方面具有较高的预测精度。     

基于改进灰色模型的电力负荷中长期预测

基于电力系统中长期负荷预测的特点,针对常规灰色预测模型存在的不足,提出一种基于数据平滑处理,以及线性回归残差修正的改进灰色预测方法。对某地区算例比较和分析表明,本方法可明显提高中长期负荷预测精度。     

粗粒度网络流量的灰色模型预测

在实际网络流量上研究了新陈代谢灰色模型(MGM)预测流量. 预测结果表明,灰色模型建模长度远小于流量序列主周期长度时,预测精度较高. 灰色模型预测流量宜采用小量数据建模,此时残差修正对提高预测精度影响很小,预测不需采用残差灰色模型(RGM). 对比了灰色模型与自回归综合滑动平均模型（ARIMA）和Elman神经网络（ENN）模型的预测结果,灰色模型远优于ARIMA,与ENN相当. 灰色模型的优点是能自适应网络流量的变化.     

基于一维云模型的交通信息预测算法

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述，它用期望值、熵和超熵表征定性概念，将概念的模糊性和随机性集成在一起，能够实现定量与定性之间的相互转换，因而对交通信息的高度不确定性具有很强的鲁棒性．基于云模型提出的预测机制在一定程度上有效地解决了交通信息存在的模糊性和随机性问题，为交通信息预测提供了一种新的方法．检验结果表明预测值基本上与实际值吻合．     

灰色预测模型在电力负荷预测中的应用

方法的选择对电力负荷预测结果至关重要,本文通过对x（1）（1）增加干扰因素β,实现对初始值的优化,较已有研究文献使用x（1）（n）＋β方法更加便于理解,保持运算前后一致,同时,改进背景值的设置。通过实例验证,此方法可以在负荷预测上得到很好的应用,提高预测精度。     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

系统云灰色模型的人工神经网络建模

利用人工神经网络的方法实现系统云灰色模型的参数白化，提出了系统云灰色神经网络模型SCGNNM(1，1)，并给出了相应的学习算法。仿真结果证明了模型的可行性。     

一种基于自适应迁移策略的并行遗传算法

分析了传统并行遗传算法的局限性,针对其迁移固定不变盲目性等缺点,提出了一种适合在当前多核计算机上运行的基于自适应迁移策略的并行遗传算法(AMPGA),该方法将遗传算法同当前个人计算机体系结构相结合,使新的并行遗传算法在主流计算机上并行执行,加快算法的收敛速度,充分挖掘出计算机的计算能力,很大程度地提高了传统并行遗传算法的计算性能。数据仿真实验表明,该算法与传统并行遗传算法相比,收敛速度快、求解精度高,并行效率也明显提升。     

多变量灰色预测模型在建筑物沉降观测中的应用

采用多变量灰色模型对建筑物沉降观测数据进行处理,并通过工程实例将预测结果与实测数据对比,说明多变量灰色预测模型的准确性,预测精度较高,尤其适用于多点变形的整体预测预报,且满足工程需要,具有重要的工程意义和经济价值.     

基于TriBA结构和改进迁徙策略的并行遗传算法

为了提高并行遗传算法解决大规模问题的寻优效率,本文基于粗粒度并行遗传算法模型,提出了一种基于TriBA结构和改进迁徙策略的并行遗传算法,给出了TriBA并行遗传算法的分配策略和迁徙方式,并将改进的迁徙策略引入评价算子,通过评价算子,反映当前种群的局部收敛程度,当收敛程度满足设定的评价算子时,进行迁徙操作,并使用并行计算机对基于TriBA拓扑结构和改进迁徙策略的并行遗传算法进行模拟仿真.仿真结果表明,改进后的迁徙策略的并行遗传算法的寻优效率比传统迁徙策略的并行算法效率更高.该算法有效地提高了算法的寻优速度,增强了算法的寻优稳定性.     

数据驱动的城镇智慧水务日用水量预测算法

针对国内某中小型自来水公司的实际供水情况,通过对比相关系数分析了天气等因素对日供水量的影响,确定了日用水量预测所需的输入参数;比较了3种用传统基于大数据的水量预测方法在该自来水公司中应用的性能,针对用传统方法预测误差较大的问题,提出引入前一日用水量和前8 h的用水量作为影响因素的改进方法.将所提方法在该自来水公司的信息系统中进行了实际测试,验证了所提算法的有效性.根据算法性能和实现复杂度,给出了适用于城镇水务的水量预测算法和算法执行形式,能够帮助水务企业提高水量预测精度,有效提升水资源的利用率.     

灰色预测PID模型的建筑构件耐火试验炉控制系统

为解决建筑构件耐火试验炉中的温度、压力控制对象的惯性大、滞后强与复杂非线性等问题,同时使得建筑构件耐火试验炉中火灾模拟具有较高的精确性和样品温度测量具有较高的可靠性,设计了一种基于灰色预测PID模型的控制系统.文中对耐火试验炉火灾温度控制曲线进行公式化的描述,重点阐述了灰色预测的GM（1,1）模型的算法内容与检验要求,结合PID算法的优点设计出自调节超前控制的灰色预测PID算法控制原理结构.完整地给出了系统的硬件结构模块组成与软件功能层次图.通过实际的试验炉运行本系统表明,基于灰色预测PID模型开发的系统控制精度能够达到95.5%,提高了火灾模拟的品质和试验数据的可靠性.     

负荷预测的交叉式自适应优选组合预测模型

提出了一种适用于用电负荷预测的交叉式自适应优选组合预测模型。该模型充分考虑了用电负荷指标的特性和规律,针对用电负荷指标众多、变化各异的情况,建立预测模型库;根据标准离差,优选组合出最优模型。通过在京津唐电网的实用表明,模型具有较强的自适应性和较高的预测精度。