基于马尔科夫链改进无偏灰色Verhulst的中长期负荷预测模型

在传统灰色Verhulst模型的基础上,提出无偏灰色Verhulst-markov模型,通过无偏灰色Verhulst模型,更好地解决了数据量偏少和受特定负荷数据类型的影响,同时,通过马尔科夫链进行状态估计,提高预测的误差精度。算例结果表明:无偏灰色Verhulst-markov模型在中长期负荷预测中具有较高的预测精度。 更多还原     

基于马尔科夫链改进灰色神经网络的水质预测模型

根据汾河运城段的实际情况,应用改进灰色神经网络对水质进行预测.在数据处理以及关联度分析的基础上,选取关联度较高的氨氮、挥发酚、水温、BOD5及COD作为灰色神经网络的输入节点.应用灰色神经网络对水质进行预测,再用马尔科夫修正误差残值,可使修正值更加接近实测值.灰色神经网络的相对误差为68.44%～4.69%,改进灰色神经网络将相对误差为41.96%～2.23%,可见改进神经网络的预测精度更高.改进灰色神经网络模型,结合了灰色神经网络和马尔科夫的优点,提高了预测的精度,并以汾河河津大桥监测断面的水质预测为例,验证了该方法的可行性.     

基于灰色马尔科夫链的道路交通死亡率预测

道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM（1,1）模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率.     

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。     

基于卡尔曼滤波的灰色马尔科夫组合模型在基坑变形监测中的应用

针对基坑监测中监测数据受到随机扰动影响较大的问题,首先利用卡尔曼滤波对监测数据进行滤波处理,消除监测数据的扰动误差,从监测数据提取能够准确反映基坑围护结构变形的数据,利用提取出的监测数据建立灰色马尔科夫组合模型进行变形预测分析。基坑监测的工程实例应用表明：对比传统的灰色模型以及灰色马尔科夫组合模型的预测精度,基于卡尔曼滤波的灰色马尔科夫组合模型的预测精度有明显提高。这种组合模型能很好地解决基坑监测中随机扰动数据的处理问题,结论具有一定的实用价值。     

地区电网用电特性分析及年用电量预测

利用灰色预测原理简单、建模数据少和运算方便的优点,结合神经网络非线性函数逼近能力强的特性,在此基础上提出了灰色-神经网络预测方法,并对哈尔滨市用电量进行了的仿真预测。     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

灰色预测模型在纺织工业上的应用

简要介绍了灰色预测模型的原理及方法，就纺织工业中应用灰色预测模型所取得的研究成果作了综述评价，并分析了在纺织工业上进一步应用的前景。     

灰色理论在城市年用电量预测中的应用

研究了灰色预测GM（1，1）模型及其几种改进模型在城市年用电量预测中的应用。以实际算例为基础，分析了几种模型的预测结果并进行比较。结果表明：不同的改进模型预测的精度不同，所有改进后的模型比基本模型预测的精度高、误差小。并经不同的算例分析得出：不同变化规律的负荷应该用不同的改进模型。     

灰色预测模型在纺织工业上的应用

简要介绍了灰色预测模型的原理及方法，就纺织工业中应用灰色预测模型所取得的研究成果作了综述评介，并分析了在纺织工业上进一步应用的前景。     

基于马尔科夫链的教学效果评价研究

运用马尔科夫链对城市轨道交通运营管理专业2020～2021学年度两个学期末《大学英语》课程的成绩进行分析研究,以便科学评价教学效果,结果表明：不同学生的基础水平存在差异,不能单纯地依据学生的某一次考试成绩的优劣来评价教师的授课效果;教学效果评价是一个多因素、多变量、模糊的非线性过程;基于马尔科夫链的教学效果评价,不需要大量的历史数据,不需要考虑学生考试成绩的波动性,可对长期教学效果进行科学预测。     

基于SOM-RBF神经网络的用电量预测模型研究

随着我国电网建设的高速发展,从日常电力负荷变化趋势剖析未来年度用电量已经成为电网建设的关键问题之一。根据1997~2016年湖北省年用电量及其10个影响因子的数据作为样本,提出了一种自组织特征映射神经网络(Self-organizing Feature Maps,SOM)与多变量的径向基函数(Radial Basis Function,RBF)结合的人工神经网络预测模型新方法。采用先聚类、再分类预测的方法,解决了由于RBF神经网络对于少量样本和训练样本点分散所导致的预测精度降低的问题,改进的神经网络泛化能力有所提高。结果表明:通过SOM-RBF组合算法进行预测,其相对误差维持在3%以下,平均相对误差为1.88%,预测效果较BP神经网络和RBF神经网络有较大的提升。这表明SOM-RBF组合算法可有效的用于用电量预测,具有较高的实用价值。     

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。     

苏州地面沉降灰色系统预测模型

应用灰色系统理论,针对苏州市发生地面沉降的一组时间序列预测数据,建立了灰色预报先ＧＭ（１,１）模型,预测了苏州市近期地面沉降量。计算结果表明,预测模型计算结果与实测值拟合较好。     

时变参数灰色沉降预测模型及其应用

目前大部分沉降预测模型均假定模型的参数在沉降发展过程中是不变的，这与实际情况不符，从而影响了模型的预测精度，当预测模型的参数也是时间的函数时，系统响应预测可分为两部分：一是预测模型参数的预测；二是根据参数预测值的系统响应预测，在灰色GM（1，1）模型的基础上，建立了时变参数灰色GM（1，1）模型，其模型中的参数用多项式逼近，并采用最小二乘法确定多项式中的待定系数，最后将此模型应用于建筑（构筑）物的沉降预测，实例计算表明，时变参数预测模型有望提高模型的预测精度。     

基于初值修正的灰色预测模型的改进及其应用

对CM（1，1）建模的预测精度进行了分析，表明初值的选取对模型的预测精度有着重要影响，进而提出了可以提高预测精度的修正初值的方法．实证分析结果表明通过初值修正能够提高预测模型的预测精度．     

基于改进BP神经网络的全社会用电量预测模型研究

采用引入附加动量和自适应学习率的BP(Back Propagation)神经网络来构建全社会用电量预测模型,此模型有效地解决了标准BP神经网络容易陷入局部极小点和收敛速度慢的问题,并且能够很好地解决全社会用电量与其影响因素之间复杂的非线性关系。利用MATLAB7.0对该模型进行了设计,并用设计好的模型对1986~2005年的全社会用电量及GDP数据进行了仿真,仿真结果表明该模型收敛速度快、拟合效果好、泛化能力强、预测精度高。运用该模型对2006年全社会用电量进行了预测,预测结果表明该模型具有一定的实用价值。     

改进型灰色马尔科夫模型在径流预测中的应用

随着径流量预测重要性的凸显,径流预测模型不断涌现.针对单一径流预测的局限性及一般的耦合径流预测精度不高的问题,应用数据加载法提出了GM(1,1)的修正模型,并对模型进行残差修正,提出了改进型的灰色马尔科夫耦合预测模型,进一步提高了径流预测的精度,区间预测成果更具科学性和实用价值,并将预测模型具体应用于三门峡水库入库年径流预测,预测成果可靠度高.