基于变权优化背景值改进的GM(1,1)灰色预测模型及其应用

针对传统的GM(1,1)灰色预测模型背景值采用均等权值导致预测精度不高的缺点,本文提出一种变权优化选择背景值方法。首先将黄金分割搜索和抛物线插值法相结合确定改进GM(1,1)模型的背景值;然后将改进后的背景值代入灰色预测代数递推方程,从而代替传统的GM(1,1)模型中的白化方程;最后选取指数数列进行模拟并结合某高校教师人数的实际统计数据进行仿真实验。结果表明,改进的GM(1,1)模型减少了平均相对误差,提高了预测精度,具有一定的应用价值。     

基于Markov理论的改进灰色GM(1,1)预测模型研究

在灰色预测的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型.它是将灰色预测模型与马尔可夫预测方法优化组合,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列趋势预测模型的解.通过公路运输实际数据进行了验证,结果表明:灰色马尔可夫预测模...     

GM(1,1)模型在巡航导弹预测中的应用

为了对巡航导弹的距离进行预测,建立了GM(1,1)模型,详细介绍了建模和计算预测值的过程.采用等维灰数递补动态预测的预测方法,对预测模型的可行性进行了分析,提出了对巡航导弹预测建模的原则,并进行了示例分析,用预测值和实际值进行了误差检验,并对模型精度进行了分析.建模和计算结果表明,该模型和方法对巡航导弹的距离进行预测,计算精度高且运算速度快.     

灰色GM(1,1)模型优化研究进展综述

灰色预测技术是灰色系统理论的重要分支之一。 分别从灰生成技术、边值条件的改进、背景值的改进、模型参数估计方法改进、残差序列的优化、综合优化6个方面对近年来灰色预测模型中的GM(1,1)模型优化研究现状进行了比较全面的介绍,同时也对灰色GM(1,1)预测模型未来的发展方向提出了一些建议。     

灰色系统理论预测算法GM(1,1)模型研究及其应用

目前,农村经济数据存在小样本、少数据和信息不完全等问题,用传统的建模方法并不太适合.灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法,它在农村经济预测中相对于传统预测方法有明显的优势.重点研究了GM(1,1)模型、等维灰数递补动态模型和周期修正模型,对预测算法存在的不足和缺陷提出了改进方案,并运用matlab...     

基于灰色GM(1,1)模型的时间序列预测研究

基于灰色理论GM(1,1)模型,结合Elman神经网络组成灰色神经网络模型。模型的输出误差作为一个新的时间序列,通过Elman神经网络对误差序列进行拟合和预测,更大限度地减小预测误差。GM(1,1)模型所需要的数据少,方法简单;Elman神经网络是动态的神经网络对历史数据具有高度的敏感性。这种灰色理论与动态神经网络的组合模型,比起单个的预测模型提高了预测精度,通过分析和验证表明,该方法实用有效。     

基于灰色GM(1,1)模型的故障预测方法

首先介绍灰色GM(1,1)模型,但该模型的预测精度往往受原始序列光滑度的影响,对于不能够满足光滑度的序列,预测精度并不高。提出一种通过变换原始序列来改善光滑度的方法,并将此方法应用于故障预测中,取得了良好的效果。通过用MAT-LAB对实例仿真并进行精度检验说明,提出的方案在故障预测精度上有明显的提高。     

分数阶离散灰色GM(1,1) 幂模型及其应用

针对GM(1,1)幂模型时间响应式由离散估计到连续预测所存在的固有误差,建立离散灰色GM(1,1)幂模型,并将该模型扩展为分数阶离散灰色GM(1,1)幂模型;以最小化平均相对误差为目标、参数之间的关系为约束条件,构建关于序列累加阶数和幂指数的优化模型,并运用量子遗传算法确定模型的最优累加阶数和幂指数。通过对高速公路地基沉降和中国高新技术产业R&D发展两个实例的预测结果表明,分数阶离散灰色GM(1,1)幂模型具有良好的建模精度。     

灰色DNGM(1,1)预测模型及其优化

传统的灰色GM(1,1)预测模型是针对近似齐次指数序列建立的预测模型。为了拓广灰色预测模型的适用范围,建立了近似非齐次指数序列的灰色DNGM(1,1)预测模型。研究了这种灰色预测模型的性质,证明了这种模型都具有线性不变性,也能够完全拟合非齐次指数序列。考虑到初值条件对灰色模型的影响,对该模型进行了参数优化。数据仿真和实例分析表明,灰色DNGM(1,1)预测模型具有较高的预测精度。     

基于灰色G(1,1)和小波神经网络的预测模型及应用

将灰色系统、小波分析和三层BP神经网络各自优点集于一身建立了基于灰色G(1,1)和小波神经网络的预测模型,大幅度提高了模型的预测精度和可靠性。选用我国自1994年至2006年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,将拟合值做小波神经网络的输入进行二次拟合和预测。实验结果及仿真验证表明,本文模型预测效果远优于单一的灰色模型预测。     

基于遗传算法的灰色区间数的GM(1,1)优化模型

利用遗传算法作为优化工具对基于灰数带及灰数层的区间灰数预测模型中的参数进行优化提取.首先,利用变权均值生成思想取代非偏生成,将区间灰数转化为实数序列;然后,对此实数序列进行建模.在优化过程中,选取区间灰数预测的平均相对误差最小为目标函数,通过遗传算法寻找到最优的参数,建立新的灰色区间数的GM(1,1)模型.算例仿真显示该新模型的平均模拟相对误差和预测误差有了明显的降低,表明该新模型具有有效性和可行性.     

灰色GM(1,1)模型在雷达寿命试验中的应用

介绍了灰色预测的基本原理和常用的GM(1,1)模型的建立及修正方法,并提出了其使用条件。最后通过具体实例,验证了该方法在雷达装备寿命试验数据处理中的可行性。     

基于最小误差化的GM(1,1)模型的优化及应用

预测是适应社会经济的发展和需要而产生的对未来发展趋势进行分析的一种手段,灰色预测模型是预测理论在应用中被广泛使用的一种预测方法,和其他预测方法一样灰色预测模型存在着一定的局限性,因此对灰色预测模型的研究具有重要意义。本文论述了灰色预测模型GM(1,1)的使用现状,通过对模型公式的分析,指出了该预测模型存在的缺陷,结合对模型初值合理选取和利用积分中值定理拟合真实背景值的方法,对模型进行优化改进。最后以上海白莲泾河监测数据作为原始数据序列,对模型进行了应用和验证,实践证明,优化前后模型精度有了一定提高。     

灰色预测控制的无偏GM(1,1)模型

灰色预测控制已在过程控制中得到了广泛应用,控制器的核心模型是GM(1,1)模型,该模型是有偏差的指数模型.作者导出了GM(1,1)模型的偏差公式,并在此基础上提出了无偏GM(1,1)模型.本文介绍无偏GM(1,1)模型,并用实例显示了无偏GM(1,1)模型的优越性.     

基于直觉模糊数的GM(1,1) 预测模型

在灰色系统理论研究领域,较少见到以直觉模糊数为建模对象的预测模型的研究。鉴于此,运用直觉模糊数的记分函数和犹豫度构建直觉模糊数序列GM(1,1)预测模型,得出直觉模糊数的隶属度和非隶属度,从而实现了直觉模糊数的预测。通过算例分析表明了所提出方法的合理性和可行性,且直觉模糊数预测模型能够丰富灰色系统理论体系,扩展灰色预测模型的应用范围。     

一种基于灰色预测模型GM(1,1)的运动车辆跟踪方法

针对基于Kalman滤波的跟踪方法需要对噪声特性和车辆的运动规律进行假设的不足,提出一种基于灰色预测模型GM（1,1）的运动车辆跟踪方法．该方法通过不断更新的灰色预测模型GM（1,1）,挖掘出车辆的当前运动规律．从而对车辆的运动位置进行快速准确的预测;然后根据预测结果搜索出运动车辆．实现运动车辆的跟踪,试验结果表明,该方法在不需要假设的条件下,能够较快较好地实现车辆跟踪。     

基于灰色系统GM(1,1)模型的某高校专业录取分数线预测研究

考生高考填报志愿时可以根据高考成绩及志愿学校的投档线进行填报,但在进行专业选择时,往往只有历史录取数据作为参考,不能真实反映当年的实际情况。本文采用灰色预测系统GM(1,1)模型预测方法,结合某高校各专业历年录取分数情况,对各专业以后几年的录取分数情况进行预测实现。避免考生高分却因专业顺序填写不对,调剂到不理想的专业,对考生志愿填报有较大的实际指导意义。     

改进的GM(1,1)模型在中长期负荷预测中的应用

针对灰色GM(1,1)模型不适合中长期电力负荷预测的特点,对其进行了改进,提出一种新的模型:具有参数修正的灰色关联度加权组合预测模型。在此模型中采用数据分段预测,同时,为了防止预测数据增长过快,误差过大,对每个分段模型进行了参数修正,然后对修正后模型的预测数据进行加权组合,这样,不仅使影响负荷的某些因素能够相互抵消或削弱,同时又能阻止预测数据过快增长,使预测更准确。通过对某个地区的负荷进行预测,验证了此模型的有效性,取得了很好的预测结果,具有一定的理论和应用价值。     

GM(1,1)数据融合预测模型研究与仿真

研究采用灰色系统理论的数列优化预测问题.传统GM(1,1)模型对光滑性差的数据序列拟合偏差较大,为将GM(1,1)改进模型与数据融合算法相结合,构建一种GM-DF预测模型.首先将几种典型改进方案引入GM(1,1)模型:对原始序列进行幂函数变换,以积分法重构背景值,用累积法进行参数估计;然后从原始序列取不同数据量分别建立GM(1,1)模型进行多次拟合;最后将各次预测值进行数据融合运算得到最终结果.仿真结果表明,将GM-DF预测模型应用于光滑性较差、级比偏差较大的数据序列可获得较高的预测精度.     

一种改进的GM(1,1)模型在装备故障预测中应用

针对传统GM(1,1)模型预测过程中参数固定导致适应性较差的问题,引入新陈代谢概念,给出了一种改进的新陈代谢GM(1,1)灰色预测模型;并应用于某型机载高度表中进行故障预测;结果表明与传统GM(1,1)预测结果相比,新陈代谢GM(1,1)预测结果与实际测试值间的绝对误差和相对误差均较小,预测精度也较高。