数据挖掘的系统云灰色预测方法研究

剖析了系统云灰色预测模型的构造机理,对其积分生成原理进行了论证,并对其求解方法进行了深入研究,提出了一种系统云灰色模型的解析预测公式．结合数据库中“贫”信息和小样本序列数据的特点,研究了用该模型进行数据挖掘的方法,并用实例对解析预测公式和还原离散预测公式进行对比,阐述了解析预测方法具有求解简单、结果详细、直观的优点。     

蚁群灰色神经网络模型在稻瘟病预测中的应用

水稻稻瘟病这种灰色系统具有复杂的非线性.综合利用蚁群灰色GM(1,1,θ)预测模型和RBF神经网络预测模型的特点,建立了蚁群灰色RBF神经网络组合预测模型.经过14年对水稻稻瘟病的预测分析,得出蚁群灰色神经网络模型的预测精度高达96.77％,验证了预测模型的有效性.     

多变量时滞阻尼累加灰色模型及其应用

基于现实行为系统中存在的时滞效应和多变量灰色预测系统中需区分新旧信息及预测趋势不可控的情况,通过引入改进的阻尼累加生成算子与时滞系数,提出多变量时滞阻尼累加灰色模型(TLDAGM(1,N))及其扩展形式,模型理论上可达到与传统多变量灰色预测模型的兼容性;讨论模型的参数估计方式及求解方法,给出模型的参数优化方法及具体的建模步骤;将该模型应用于我国高新技术企业产值及河南省粮食产量预测问题中,并与传统多变量灰色预测模型进行比较.结果表明:所提模型的模拟精度和预测精度均显著优于传统多变量灰色预测模型,新模型能够较好地识别多变量行为系统数据中包含的时滞性、重要性及时间序列的趋势因素.实例分析的结果验证了所提模型的合理性、适用性和有效性.     

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型.     

GM(1,1)模型和新陈代谢模型的应用比较

灰色系统理论是一种研究少数据、贫信息的不确定性问题的新方法.其中的灰色预测模型具有所需数据少、预测精度高和无需先验信息的特点.本文详细介绍了两种常见的灰色预测模型建模方法,即GM(1,1)模型和新陈代谢模型,并通过它们实例预测某地区的年私人汽车拥有量.利用相对误差法将两种模型的预测值与实际值比较进行精度检验,最后预测该区未来几年的私人汽车数量.以分析这两种预测模型的变化范围和发展趋势,为相关部门提供科学的决策依据.结果表明1)该地区未来几年的私人汽车拥有量呈增长趋势,地方经济发展态势良好;2)GM(1,1)模型在此实例中的变化范围更小、预测精度相对更高、预测误差更小;3)灰色预测模型简单实用,预测精度较高.     

航材消耗广义加权函数比例平均组合预测模型

提出一种新的组合预测模型--广义加权函数比例平均组合预测模型,并利用二次规 划算法给出其加权系数的参数估计方法.同时,针对航材消耗的季节性与波动性特点,建立了航 材消耗预测的灰色系统模型与神经网络模型,最后建立了基于灰色系统与神经网络的航材消耗 广义加权函数比例平均组合预测模型并以实例说明了其预测效果.     

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...     

基于灰色马尔科夫模型的青岛市粮食产量预测

由于粮食产量系统是一个复杂的巨系统,具有随机性、非线性、动态性等特点,传统的单一预测方法很难对其发展动态作出准确的中长期预测,预测精度较低。为解决上述问题,尝试将灰色GM(1,1)模型与马尔科夫模型结合起来,对青岛市粮食产量进行预测,首先建立青岛市粮食产量GM(1,1)模型,然后用马尔科夫模型对预测值进行修正,预测结果表明灰色马尔科夫模型比单一的灰色预测模型精度提高,平均相对误差比灰色预测模型减少了8.58%,经检验模型精度等级为优。研究表明:灰色马尔科夫模型能发挥灰色系统对长期趋势预测精确的优势,又能发挥马尔科夫预测模型对波动性数据准确预测的优势,对于波动性较大的时间序列的中长期预测,具有较强的优势,预测精度较高。     

基于灰色等维新息模型的能耗预测研究及应用

灰色系统理论将随机过程看成灰色过程,利用数据表面杂乱但整体有序的特点,挖掘潜在的本质规律.根据灰色系统理论的思想,在分析了传统GM(1,1)模型的基础上提出了改进的等维新息预测模型,利用Matlab强大的算法功能,实现了改进的等维新息灰色预测模型算法.通过对能耗预测的实例分析,并采用残差和后验差方法对预测的精度进行检验,验证了程序的准确性和可靠性,使得预测的精度得到有效的提高.     

中长期电网负荷组合预测研究

中长期负荷预测是地区电网系统负荷预测的重要组成部分,对于电网运营成本的节约,电能质量的提高,系统安全稳定运行的保障等具有重要意义.文中采用基于IOWA算子的组合预测模型来研究地区电网中长期负荷预测模型和预测方法,该组合预测模型将RBF神经网络和灰色系统有机结合,既充分发挥单一预测模型的优点,又避免了单一预测模型所存在的...     

基于多步优化GM(1,1)模型的云计算资源负荷短期预测

论述了云计算资源负荷的特征及其短期预测的作用。首先利用多项式回归模型对GM(1,1)的预测结果进行一次优化,然后使用马尔科夫链对一次优化后的模型进行二次优化,最后运用布谷鸟搜索算法对二次优化后的灰色预测模型进行再度优化,建立基于多步优化的改进GM(1,1)灰色预测模型。实验结果表明,与其他预测模型相比,在云计算环境下的资源负荷短期预测应用中,该模型具有更高的预测精度,表现出良好的预测性能。所提方法能为云计算资源的高效调度和管理提供决策支持。     

油田产量预测系统的研制

如何有效地预测油田的未来产量一直是油藏工程研究中的一项重要内容,准确地预报油田开发过程中的动态产量,是合理调整油田规划和制定方案,实现优化开发和管理的重要依据。本文研究了几种新的预测方法(基于人工神经网络的稠油预测模型、灰色预测模型、CAR预测模型等),并首先将其应用于油田产量预测。本文开发的预测系统集成了20多种常规的和新型的预测方法,对油田产量的预测及管理都能够给出有价值的数据。在充分并准确采集油田各单位产量信息及建立切合实际的数据模型的基础上,将油田产量信息采集与处理、预测与管理等环节,有机地结合成为一个整体。实际预测结果表明,该方法可以取得较好的预测效果。     

两次拟合灰色模型在中长期电力负荷预测中的运用

针对普通灰色预测模型在预测过程中当历史数据有较大波动时预测精度较差的问题，对两次拟合等维灰色预测模型进行研究，并对其进行改进，通过对华北某地区用电量的建模预测验证其有效性。两次拟合灰色预测模型是利用一次拟合的结果重新建模，经研究发现当历史数据有较大波动时，利用两次拟合灰色预测模型进行预测可以提高模型的精度。     

面向云计算的主成分分析多变量局域预测模型

针对云平台无法从单变量负荷序列中获取完整预测信息的问题,提出了一种基于主成分分析的多变量局域预测模型并应用于云计算底层资源的预测中。利用主成分分析法综合考虑多种底层资源间的影响关系,确定多变量相空间的嵌入维数,并与局域预测法相结合,由此建立多变量局域预测模型。仿真实验表明,基于主成分分析的多变量局域预测模型的预测精度高于单变量局域预测模型,是面向云计算底层资源预测的一种有效方法。     

灰色Elman神经网络的矿井瓦斯涌出量预测

为了准确预测矿井瓦斯涌出量,将灰色理论与Elman神经网络模型结合,建立矿井瓦斯涌出量预测模型。灰色系统能较好地预测变化的趋势,而Elman神经网络具有动态特性好、逼近速度快、精度高等特点。对于煤矿生产中瓦斯涌出量的预测,两者结合能够发挥各自的优势,以某煤矿矿井为例,影响瓦斯涌出量的因素为预测因子建立灰色理论与Elman神经网络融合的预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,提高了预测精度,达到了很好的预测效果。     

基于随机灰色蚁群神经网络的近期公交客流预测

为了科学准确地预测近期公交客流量,根据近期公交客流量预测受到多因素影响以及非线性的特点,利用随机灰色变量描述预测系统的不确定性,建立了随机灰色预测模型以及基于蚁群算法的递归神经网络模型,在此基础上,提出了一种基于随机灰色蚁群神经网络的近期公交客流量预测方法。最后以铜陵市为例,对模型的预测精度和有效性进行了分析。结果表明,基于蚁群算法的递归神经网络模型的预测精度不但高于其他单一预测模型,而且明显优于其他传统组合预测模型,能很好地反映事物发展的规律,能够指导公交经营管理者近期的决策行为,有效地改善了预测精度。     

组合预测模型在电力系统负荷预测中的应用研究

本文基于灰色预测模型、滑动平均模型和指数平滑模型这三种单一预测模型,采用方差-协方差策略,建立组合预测模型。然后结合老挝电力系统的概况,对老挝的全国年用电量进行预测和分析。结果表明,组合预测模型的预测精度明显高于各单一预测模型,即组合预测模型的相对误差小于各单一预测模型的相对误差,说明组合预测模型具有相当的适用性和优越性。     

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。