基于支持向量机参数识别的灰色预测模型

采用基于支持向量机参数识别的灰色预测模型,用基于结构风险最小化准则的支持向量机方法求取灰色模型的参数,再用灰色模型计算预测值。该方法避免了过拟合问题,提高了模型的预测精度。     

基于灰色支持向量机的城市用水量预测研究

研究城市用水量预测问题,城市需水量具有非线性和随机波动性,城市供水系统是复杂系统,传统灰色模型或支持向量机均无法进行准确预测。为更准确预测城市用水量,建立灰色支持向量机的城市用水量预测模型,以提高预测精度。首先采用灰色模型和支持向量机对城市用水量预测,然后采用多元线性回归确定模型权重系数,最后得到了灰色支持向量机的城市用水量预测结果。仿真结果表明,灰色支持向量机提高了城市用水量的预测精度,预测误差小于单一灰色模型和支持向量机。灰色支持向量机更好地反映出城市用水量变化的总体趋势,可为城市供水系统预测提供参考。     

基于AFSA优化的灰色模型的车流量预测方法

随着互联网和大数据技术的发展,利用采集的各种数据进行预测和分析也越来越重要。例如,在交通领域用先进技术来对车流量进行预测,为用户提供方便的出行指导以防患于未然。论文提出将人工鱼群（AFSA）与带卷积积分的多变量灰色模型（GMC）结合的算法模型（AFSA-GMC）应用于指定时间段的高速公路车流量预测上,以提高收敛速度及预测精度。人工鱼群算法的优势在于对初值不敏感,鲁棒性强,能快速收敛,并很好地进行全局寻优,将其应用在带卷积积分的多变量灰色模型中,对其通过最小二乘法得到的参数向量进行优化后能有效提高预测精度,是多变量灰色模型在车流量预测领域应用中的新的尝试。     

灰色局部支持向量回归机及应用

为了解决全局支持向量回归机(Global-SVR)在大样本数据集中计算效率低下的问题,将局部支持向量回归机与灰色系统理论有机结合,并利用灰色关联度作为局部邻域函数构造灰色局部支持向量回归机(GL-SVR),该做法具有一定的理论价值.优化过程中采用留一法评估学习机的泛化性能,利用模式搜索法选择模型参数.真实的股价涨跌幅预测实验结果表明,该方法既加快了运算速度,又提高了预测精度.     

灰色—支持向量机的空调负荷预测

对空调负荷进行准确预测不仅对空调优化控制的意义重大,而且也是实现空调经济运行与节能的关键所在。为了提高建筑空调负荷的预测精度,在分析灰色模型和支持向量机建模特点基础上提出了一种空调负荷组合预测算法。该方法综合了灰色建模计算过程简单以及支持向量机自学习和泛化能力强的优点,能够更加有效地利用样本数据的有效信息,提高模型预测精度。首先,通过灰色建模过程弱化了样本数据的随机因素。然后,对灰色模型输出进行归一化处理及数据重构,以作为支持向量机的输入。最后,通过支持向量机模型的预测得到最终预测结果。将本文所提出的方法应用于福州一栋办公建筑的逐时空调负荷预测中,并与灰色模型及支持向量机模型作比较,证明了组合模型的预测值与实际运行值拟合度最高,平均绝对误差比灰色模型和支持向量机模型分别降低了47.84%和17.39%。该组合预测模型具有较高的预测精度和更好的泛化能力,具有较强的可行性和实用性。     

基于灰色支持向量机的基金波动率预测研究*

鉴于灰色预测方法和支持向量机各自的优点,将灰色预测方法与支持向量机相结合,建立灰色支持向量机模型,并以极差替代收益的标准差度量波动率,运用新模型对深圳基金波动率进行实例分析。通过与v支持向量机的预测结果对比,发现所提出的模型适合于基金波动率的中短期预测。     

基于灰色关联支持向量机的粮食产量预测

研究粮食准确预测问题,由于粮食产量受到多种高维非线性、随机性和有限样本等因素的影响,单一模型不能全面描述其变化趋势,预测精度较低。为了提高粮食产量预测精度,提出一种将灰色关联支持向量机的粮食产量预测模型。首先采用灰色关联分析确定粮食产量变化主要影响因子,然后通过支持向量机学习建立粮食产量与因子之间的非线性映射关系,最后为避免人为选择参数的盲目性,采用遗传算法确定支持向量机参数并对将来粮食产量进行预测。利用1978-2011年我国粮食产量进行仿真,并将预测结果与单一机模型进行对比。结果表明,灰色关联支持向量机提高了粮食产量的预测精度,可以较好地应用于粮食产量预测中。     

多阶灰色支持向量机集成预测模型研究

对灰色预测模型GM(1,1)和支持向量机SVM预测模型进行分析,提出了多阶灰色支持向量机集成预测模型Dm_GM(1,1)-SVM。通过多阶缓冲算子改进灰色预测模型的预测精度,对最终预测值的各个相关指标进行预测;同时,采用粒子群优化算法对支持向量机模型进行径向基核参数和惩罚参数寻优,得到最佳参数对(c,g),从而确定支持向量机的最佳回归模型;最后将各指标预测值作为支持向量机模型的输入,依据预测模型和预测模型的输入值求得预测结果。实验实例表明,多阶灰色支持向量机集成模型和传统的预测模型相比,在本例中预测精度更高,说明多阶灰色预测模型和支持向量机模型相结合在解决实际预测问题中具有实用价值。     

一种基于GM的无损图像压缩

本文提出了一种新的GM（1,1）模型,可以在灰度图像无损压缩中实现预测误差编码。目前常用的无损图像压缩方法都是利用相邻数据组合除去数据中存在的相关性。局部或相邻像素间存在一定的灰色关联度,基于此,本文提出两预测算法：建立在GM（1,1）基础上的灰色预测模型（GMP）和快速灰色预测模型（FGMP）,并构建非线性预测模式,进行了无损图像压缩,比较传统方法有效小的bpp值。     

鉴定古陶瓷的专家系统

本文论述了一个鉴定古陶瓷的专家系统（简称ESAPP）。给出了鉴定古陶瓷的方法-“特征提取法”，研究了各种可信度的计算公式，提出了一种新的不确定性推理方法及其相应算法，该系统不仅可对古陶瓷的真伪进行鉴定，而且能对古陶瓷的具体年代和生产窑址作出正确的推理。     

一种有效的齿轮故障识别方法

针对齿轮故障特征信息往往被信号中的噪声淹没的问题,提出了一种基于谐波小波包、样本熵和灰色关联度的齿轮故障识别方法。首先,采用顺序形态滤波器,并结合实际选用最简单的直线结构元素,对实测齿轮振动信号进行顺序形态滤波降噪预处理。然后,采用谐波小波包将不同故障的齿轮振动信号分解到3层共8个频带上,并计算各频带的样本熵。最后,以样本熵为元素构造特征向量,通过计算标准故障模式特征向量与待识别样本的灰色关联度来判断齿轮的工作状态和故障类型。试验结果表明,该方法能够有效地应用于齿轮系统的故障诊断。     

基于熵权与灰色关联度的隐写分析算法评估

针对现有隐写分析评估方法计算复杂、权重分配不合理的缺点,结合熵权与灰色关联度对隐写分析算法进行评估。确定算法的主要性能指标,采用熵权法计算各指标的权值,运用灰色关联度综合评价方法计算待评价指标向量与最优指标向量间的加权灰色关联度,并根据关联度的大小对隐写分析算法的优劣进行排序。实例仿真结果表明,该方法能合理评估各类隐写分析算法的优劣,具有可行性。     

灰典型相关分析研究与应用

经典典型相关分析方法在解决时间序列问题时存在不足:不能及时、准确地反映样本数据的时间特征及变化趋势。针对上述问题,本文基于灰色系统时间序列的特性,将灰色系统理论与典型相关分析方法结合起来,提出了一种全新的灰典型相关分析方法并定义了其数学模型。灰典型相关分析方法充分考虑到时间对事物发展趋势的不可忽视的影响,突出了时间序列中新增数据对分析结果的重要作用,因此对具有时间意义的实际问题具有更好的统计效果。将该方法应用到社会伦理与经济发展状况关系的研究中,并通过与经典典型相关分析方法的对比揭示出其在解决时间序列问题方面的优越性,分析结果能够为相关职能部门的决策提供更有力的理论依据。     

区间灰数序列的灰色预测模型构建方法

研究包含实数、区间灰数的混合型预测问题. 首先通过计算灰数层的面积和区间灰数的认知程度, 将区间灰数序列转变成实数序列; 然后分别预测灰数层的面积和区间灰数的认知程度, 推导还原得到区间灰数预测模型; 最后通过与现有文献中的实例进行对比, 说明了所提出的建模方法在避免区间灰数之间代数运算的情况下, 提高了建模精度.

     

基于投影的灰色关联度模型及其性质

结合灰色关联分析理论,运用向量投影原理,提出一种新型的灰色投影关联度模型,对模型的基本原理进行分析,并讨论模型的规范性、相似性和平行性等性质。该模型充分利用了序列各时点的信息,克服了以离散点代替整体变化趋势的问题。通过实例分析验证了模型的有效性。分析结果表明,灰色投影关联度能较好地反映序列间的关联程度。     

基于核和灰度的区间灰数多属性决策方法

针对属性值为区间灰数且部分权重信息已知的多属性决策问题, 提出一种基于区间灰数的核和灰度的决策方法. 根据专家评价值的取值范围设置区间灰数的取值论域, 给出了区间灰数的基于核和灰度的简化形式, 建立了普通区间灰数到标准区间灰数的转化方法, 分别基于标准灰数的核和灰度分别求取属性的权重, 进而得到属性的综合权重, 并提出了一种基于标准区间灰数相对核的排序方法对方案进行排序. 最后通过一个算例验证了所提出方法的有效性和可行性.

     

三角模糊数型多属性决策的灰色关联法

针对包含语言评价信息的三角模糊数型多属性决策问题,提出了一种新的多属性决策方法。该方法定义各方案与理想点的三角模糊数灰关联系数,通过求解最小最大偏差优化模型客观地确定了属性的权重,根据方案的灰关联度给出方案排序结果。应用实例验证了算法的有效性和实用性。     

基于时间度的风险型动态灰色多属决策方法

针对方案属性值为区间灰数的动态多属性决策问题,提出了一种基于前景理论的动态多属性决策方法。定义了区间灰数新的距离测度;鉴于被评价对象在时序上的差异信息和波动性,建立了基于熵和时间度的确定时间权重的优化模型;以两两方案互为参考点确定了前景价值函数,由此构建了求解最优权向量的优化模型,最后以方案的综合前景值对方案进行排序。通过实例说明了该方法的合理性和有效性。     

灰色动态预测在AUV传感器故障诊断中的应用

针对自主水下机器人(AUV)传感器故障诊断中样本数据少、随机性强、实时性要求高的特点,将灰色动态预测模型的建模原理引用到AUV传感器的故障诊断中。在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,可以实现AUV传感器的实时故障诊断。文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对AUV传感器中典型的四种故障模式进行了仿真研究。结果表明该方法能快速、准确地诊断出传感器故障,并且在传感器发生故障后的一段时间内能够实现信号恢复。