基于GRA的优选组合技术在中长期负荷预测中的应用

提出基于灰色关联(GRA)的优选组合预测模型,该模型组合各单独模型的预测信息,能够有效的提高预测精度。优选组合预测技术关键在于求出各种预测方法的权值系数,文章引入灰色关联(GRA)方法来确定不同预测模型的权值问题。将预测问题系统看作一个特定系统,根据原始数据相应计算不同模型的灰色关联系数,作为该模型对应的权值,进而得到组合预测结果。预测结果表明组合该预测模型精度较好。     

矿山大型设备更新期预测系统设计与开发

针对矿山大型设备更新期确定难的问题,论文首先阐述了确定矿山设备更新期的依据,然后介绍了采用灰色系统模型和BP人工神经网络模型来建立具有一定普遍性灰色-BP神经网络组合预测模型,并且表达了组合模型预测设备更新期的过程,最后介绍了利用VC++作为前台开发语言,Access作为后台数据库建立的设备更新期预测系统,且重点阐述了该系统的设计思想及主要模块的实现方法,既验证了模型的可靠性,又显示了预测趋势,使预测结果更加直观。     

基于灰色马尔科夫模型的煤炭产量预测

煤炭资源是我国经济建设中的重要能源,准确预测我国煤炭产量有助于国家能源政策的制定.为此,在单一的灰色GM(1,1)预测模型的基础上,与马尔科夫预测模型组合形成灰色GM(1,1)-马尔科夫组合预测模型,以相对误差、均方差比值和小概率误差3个指标对模型的精度做检验.结果表明,组合预测模型优于单一预测模型,组合预测模型不仅反映了煤炭产量短中期呈上升趋势,又突显了该模型能较优地处理波动性序列的优点,能够有效地预测2019年和2020年煤炭产量.     

基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。     

基于人工蜂群算法的中长期煤矿电力系统负荷预测

为提高中长期煤矿电力负荷预测的精度,将人工蜂群算法与灰色预测模型相结合,建立了改进的灰色预测模型。定义灰色预测模型中的变权缓冲的可变权重系数和背景值生成权重系数为蜂群搜索路径,以预测值与实际值的灰色关联度为目标函数,通过模仿蜜蜂采蜜行为在搜索范围内找出最大目标函数值的位置,通过灰色模型计算得到负荷预测值。最后利用MATLAB R2012a仿真和传统的灰色预测模型相比,得出该模型预测的误差更小,利用MATLAB R2012a仿真不仅提高了负荷预测精度,而且证明了改进后的方法是有效的、可行的。     

基于灰色-神经网络组合模型的瓦斯涌出量预测

针对煤矿瓦斯涌出量,建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型,并对灰色—神经网络组合预测模型采用简化方法求解。预测结果表明:该模型比使用灰色和神经网络预测模型能获得更高的精度,可用于矿井瓦斯涌出量的预测。     

基于熵权的灰色沉降组合预测模型及应用

基于"组合预测"思想,提出了一种对多种常用预测模型进行熵权法计算权重的组合预测方法,从而可根据有限的沉降实测数据预测沉降发展。工程实例分析表明,基于熵权的灰色沉降组合预测模型能够充分挖掘各模型的有用信息,大大提高了预测精度。     

基于组合预测方法的煤矿开采沉陷预计模型研究

文中以目前使用较为广泛的灰色系统和BP神经网络预计方法对中国神华集团榆家梁煤矿52406工作面地表沉陷进行了预测,同时建立灰色系统与BP神经网络的等权组合预测模型进行沉陷预计,并与单独的模型预测进行对比分析。结果表明:等权组合预测模型精度较高,在开采沉陷预计中具有较好的研究意义和应用价值。     

基于灰色关联模型优化的空气质量分析与可视化

传统的数学预测模型对于小样本空气污染物数据预测的误差较大,不利于空气质量发展特征的科学分析。为优化灰色模型在空气质量预测分析中的精度,计算GM（1,1）模型、多项式回归残差修正GM（1,1）模型、PSO背景权值优化GM（1,1）模型预测值与实际值的灰色关联度,以关联度为依据使用数学方法确定各模型的权重系数,重新构建一个高精度的灰色关联组合模型,以获取各城市的PM10、PM25浓度预测值。河南省城市空气质量预测结果显示,该模型能够给出可视化的图表预测结果,便于研究者对区域性的空气质量发展规律进行分析探究;相比单一的灰色模型而言,该模型的预测误差小、稳定性强、可视化分析效果突出。     

组合优化模型在巷道围岩变形监测中的应用

将灰色GM(1,1)模型、回归分析法和神经网络模型的预测结果结合起来,以各种模型误差平方和最小为基准,进行加权优化组合,建立了组合优化预测模型并将该组合模型应用到巷道围岩变形监测中。经过实验分析与对比,验证了组合预测模型在巷道围岩变形预测中优于单一的预测模型,也是提高巷道围岩变形预测的一种有效方法。     

灰色神经网络组合模型在变形监测数据分析中的应用

针对基坑变形预测中数据的灰色性和非线性的特点,提出用灰色神经网络组合模型预测基坑变形的新方法.该文将灰色模型与神经网络模型并联构成组合预测模型,融合二者的优点,并结合实例,将灰色模型、神经网络模型和灰色神经网络组合模型的预测结果进行对比分析.结果表明:灰色神经网络组合模型的预测结果更精确,对变形监测的生产实践具有一定的参考意义.     

基于粗集理论的煤灰结渣模糊综合评判权系数确定方法研究

将权系数确定问题转化为粗糙集中属性重要性评价问题，建立了关于综合评判方法的关系数据模型，经过属性值特征化建立了知识系统，在数据驱动下通过分析评判方法对评价对象的支持度和重要性，计算出综合评判模型的权系数。该方法克服了传统权系数确定方法的主观性，使得模糊综合评判方法更具客观性，从而提高了模糊综合评判的精度。     

堆浸浸出率灰色系统GM(1,1)模型的建立及预测

应用灰色系统理论的数学原理及建模过程,建立了堆浸浸出率的GM（1,1）模型。应用该模型对某铀矿石室内模拟试验的浸出率进行灰色预测,采用“残差检验法”和“灰关联度检验法”进行检验。结果表明,GM（1,1）模型的预测精度高,适合于具有灰色特征的地质、采矿、选矿、经济等原始数据序列的模拟控制和预测分析。     

煤层底板导水破坏深度的灰色BP神经网络预算模型

在综合分析影响煤层底板导水破坏深度因素的基础上,应用灰色关联理论筛选预测指标,建立底板破坏深度的灰色BP神经网络计算模型。该模型采用全国典型突水范例和实测数据作为训练样本和测试样本,对实测值、BP和灰色BP神经网络模型计算值进行对比分析。实例分析表明:应用灰色理论筛选指标考虑因素更加全面,结合神经网络预算结果更为接近实际,该模型为承压水上安全采煤提供了科学依据。     

基于灰色神经网络的我国原煤产量预测

文章采用灰色神经网络进行我国煤炭产量预测模型的建模,灰色神经网络具有灰色系统模型的可以用少量样本数据来建模与神经网络精度高的特性,克服在进行煤炭产量预测样本数据少的问题,仿真结果表明,此种模型预测结果的相对误差是1.57%,只使用灰色模型预测结果的相对误差是9.8%,采用此模型提高了预测的准确性和精度。     

铜精炼过程能耗模糊自适应变权重组合预测模型及其应用

基于已有的铜精炼过程的能耗数据,引入了各预测方法的预测相对误差、预测对象的变化趋势、灰色基本权重和自适应调节系数等概念,建立了铜精炼过程的能耗模糊自适应变权重组合预测模型。结果表明,此模糊自适应变权重组合预测模型的精度较高,并且平均误差和预测平方根误差均较小。该组合预测模型为铜精炼过程的能源需求决策提供了有力支持。     

基于灰色理论的爆破震动峰值速度计算模型的优化

介绍了一种基于灰色系统理论而建立预测爆破峰值速度的模型,并利用MATLAB编程对其数据进行拟合求解。通过工程实践的证明,此种优化方法明显优越于传统的萨道夫斯基经验公式,使爆破预测精度提高,进而为工程的防震减灾提供了更加可靠的依据。