GM(1,1)模型在煤炭需求预测中的应用

以实际数据为基础，建立了我国煤炭需求量的数列预测模型，并研究了GM(1，1)模型在我国煤炭需求预测中的应用。认为该模型可用于对我国煤炭需求总量的预测。进一步分析了根据实际变化不断改进模型的必要性。     

灰色GM(0,N)模型在矿区地表沉降监测中的应用

在地表沉降监测中,监测点由于下沉导致被地表水淹没,从而无法对该监测点进行沉降观测。为了明确该监测点随着地下采动的地表标高,本文依据灰色GM(0,N)模型,将该监测点与其周围监测点建立多点沉降模型,通过其周围监测点地表标高预计出该监测点的地表标高。     

改进灰色GM(1,1)模型在煤炭消费预测中的应用

根据灰色系统理论构建并优化了灰色GM(1,1)预测模型,应用模型对我国煤炭消费总量进行拟合和预测。该模型通过减少数据受到的冲击扰动,以适应中长期预测。经检验,该模型具有较好的精度,预测结果反映出的煤炭消费发展趋势,可为今后制定煤炭发展战略提供参考。     

GM(1,N)模型在边坡变形监测中的应用研究

介绍了以往露天边坡变形监测只是对变形数据进行分析,寻求简单的、以数找数的规律,或者只是单单从岩土力学的知识来寻求变形的整体变化.露天边坡变形涉及到的因素很多,如岩石应力、节理、裂隙、地下水位、爆破冲击力等,不同地区影响变形的因素也不确定,分析了影响变形的主要因素与实测变形值组成GM(1,N)模型,探讨了GM(1,N)模型在变形应用中的可行性.     

基于灰色关联GM(1,N)-Markov修正模型的应用

针对变形系统中多变量之间相互作用影响,传统GM(1,1)模型难以体现沉降变化趋势的问题,该文提出基于灰色关联分析的GM(1,N)模型对数据分析处理,并利用Markov模型修正残差序列,提高预测精度。通过实际工程应用表明:灰色关联GM(1,N)-Markov模型的预测精度高,结果更为可靠,在实际工程沉降分析预测中具有可行性。     

基于GM(1,N)_GRNN组合模型的瓦斯涌出量预测研究

为解决瓦斯涌出量影响因素众多、难以准确预测的问题,本文利用多变量灰色系统易于处理不规则数据,GRNN神经网络模型训练速度快、人为干预因素少等优势,建立起1阶N变量灰色模型与GRNN神经网络嵌入型组合模型GM(1,N)_GRNN。用该模型对某煤矿回采工作面的瓦斯涌出量进行了预测,并与GM(1,N)模型、GRNN两种模型单独预测的结果做了对比,发现组合模型预测结果的平均误差仅3.7%,明显优于两种模型单独预测的平均误差。因此,对煤矿安全生产有重要指导意义。     

基于GM(1,n)模型的铝需求预测

科学预测产品需求可以指导产业调整和行业发展。灰色理论能够减少对信息量少的系统进行主观臆断。铝的需求影响因素主要包括经济社会发展、产业结构、资源替代、再生铝利用、政策因素和资源供给等。采用GM(1,n)模型,预计2015年GDP增长率约8%,原铝消费量2 350~2 870万t,相应需要铝土矿约9 000万t。预测值通过精度检验,等级最高。分析表明,预测结果合理。     

基于Matlab的灰色GM(1,1)模型在机械工业中的应用探究

在经典灰色GM(1,1)模型的基础上,添加了超前的数据处理及模型可行性分析,对模型进行了改进。利用Visio建立了改进的GM(1,1)模型流程图,给出2种用于处理这种模型Matlab的软件程序,方便设计人员进行机械行业中数据的预测及对试验所得数据的准确性分析。     

改进GM(1,1)模型在我国石油消费量预测中的应用

介绍了灰色预测具有要求负荷数据少、不考虑分布规律、不考虑变化趋势、运算方便、短期预测精度高、易于检验的特点,并针对其局限性采取了等维信息递补模型进行了改进,对我国未来石油消费量进行了预测。     

基于改进GM(1,1)灰色模型的煤炭产量预测与分析

文章深入了解了GM(1,1)模型的内容和原理,提出了一种改进该模型的方法,研究灰色状态马尔柯夫模型和对预测值确定的影响,通过选取2003年~2010年我国煤炭生产量来对比传统和改进后GM(1,1)模型的预测误差率和精度。实践证明基于改进灰色数学模型预测出来的煤炭产量十分接近实际产量,误差值远小于采取传统GM(1,1)计算出来的数值,实用价值和参照价值极高。     

基于灰色GM(1,1)模型的磨心坡深部煤层厚度预测

利用灰色GM(1,1)模型,结合生产资料对磨心坡深部煤层厚度进行预测.结果表明磨心坡深部煤层厚度随深度增加基本保持平稳,储量稳定.结合钻探资料证实,灰色GM(1,1)模型在预测煤层厚度方面有一定的优势,但由于实际情况的复杂性、模型的单调性,要得到更精确的预测还需要做进一步的研究工作.     

GM(0,H)模型在煤炭发热量计算中的应用

运用灰色系统理论 ,对煤炭发热量和灰分、水分的量化关系进行了分析探讨。利用加权均值生成数据建立GM (0 ,3)模型 ,并与回归模型作了定量比较     

非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用

在文献[1]非等步长灰色GM(1,1)模型建模基础上,提出根据沉降观测振荡序列建立非等步长灰色GM(1,1)模型的改进方法.利用青岛一高层建筑物的沉降监测数据,根据改进的非等步长灰色GM(1,1)模型对建筑物沉降进行了预测和分析,通过与改进前的模型预测结果的比较分析,验证了改进模型的实用性、正确性和有效性.