多变量系统灰色预测函数控制方法研究

针对多变量时滞系统,提出一种以灰色模型为基础的多变量灰色预测函数控制策略,并给出多变量灰色预测函数控制算法.分析了灰色系统建模,灰色模型预测输出,和控制量计算方程的求解.仿真实验表明,该方法有较强的鲁棒性,快速性和强抗干扰能力强的特点.     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

基于灰色预测的自适应内模PID双重控制器设计

针对一类非线性系统,提出一种基于灰色预测的自适应内模PID双重控制方法.把由系统的输入输出数据得到的灰色预测模型作为系统的内部模型,并在基本的内模控制结构上增加PID控制器,加快了跟踪误差收敛速度, 内模控制的性能明显改善.仿真结果表明,该控制方法简单而有效, 内模PID双重控制较单一内模控制具有更好的系统性能.     

基于修正灰色马尔科夫模型的煤自燃预测

煤自燃系统是一个复杂的巨系统,具有规律性、非线性和随机波动性特点,因此在煤自燃预警系统中利用单一的灰色预测方法很难对其动态发展趋势做出准确的预测.针对上述问题,提出一种将灰色模型和马尔科夫模型相结合对煤自燃进行预测的方法.首先建立煤自燃的GM(1,1)模型,其次以GM(1,1)模型预测值为基础进行马尔科夫预测,然后用平均残差修正预测值.仿真结果表明,灰色马尔科夫模型比灰色模型预测精度明显提高,平均误差减少2.24％,为煤层优化检测提供了依据.     

基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

一种新型自调节灰色预测控制器

提出一种结合传统反馈控制方法和灰色预测控制的新型自调节灰色预测控制器，可对系统当前输出误差和预测系统输出误差进行合成形成一个综合误差，并用综合误差代替传统反馈控制方法中的实际误差项，这样控制器可根据系统当前和将来的响应来计算控制律．该控制器可根据预测精度来自动调整控制器参数，使控制器对系统响应具有适应性．仿真结果表明，与传统反馈控制方法相比，该控制器可获得更为优良的动态性能和鲁棒性．     

地区生产总值的灰色神经网络预测

灰色神经网络是将灰色系统与神经网络融合建立的模型。本文利用该模型对某市的生产总值进行了模拟和预测。该模型融合了两者的优点,能够充分发挥灰色系统建模简单,所需数据少,运算方便和神经网络非线性处理能力强的优势,降低使用单一模型预测的危险性,提高了预测精度。     

基于微粒群算法的灰色预测PID控制器

针对大滞后系统，提出一种基于微粒群算法的灰色预测PID控制算法．采用灰色预测模型GMC（1，2）预测时滞系统的输出并用微粒群算法优化PID控制器的参数．这种控制方法不需要精确的数学模型，在线估计参数少，计算简单．仿真结果表明该方法的有效性．     

灰色补偿神经网络及其应用研究

本文给出了灰色系统与神经网络的一种新的结合方式—灰色补偿神经网络。该网络利用神经网络建立残差与数据间的映射关系,并采用其预测结果补偿灰色系统模型的预测值。仿真结果表明本方法优于其它灰色神经网络。     

基于灰色广义预测控制的网络化控制系统丢包补偿

针对网络传输中存在的数据丢包问题，提出了将灰色广义预测控制引入到网络化控制系统的新思想．将网络化控制系统视为灰色系统，设计了一个控制器节点由事件—时间驱动、传感器节点和执行器节点由时间驱动的分布式模型．利用灰色广义预测控制在线计算量小的特点，结合队列机制，提出补偿策略．仿真结果表明补偿策略效果良好．     

灰色动态模型及其在色谱保留值研究中的应用

根据灰色理论建立色谱保留值预测模型，可以为探讨混合多组分分离条件提供依据。灰色动态模型由GM(1，1)和灰数等维递补动态模型组成，应用于多环芳烃化合物容量因子与流动相组成间的关系研究。结果表明，灰数等维递补动态模型比常规GM(1，1)模型具有更好的抗干扰性能和受异常点影响小的优点。灰色动态模型的提出为灰色理论应用色谱保留值的预测以及其它较复杂化学体系的研究提供了一种新方法。     

I-GWO and Ex-GWO: improved algorithms of the Grey Wolf Optimizer to solve global optimization problems

In this paper, two novel meta-heuristic algorithms are introduced to solve global optimization problems inspired by the Grey Wolf Optimizer (GWO) algorithm. In the GWO algorithm, wolves are likely to be located in regions close to each other. Therefore, as they catch the hunt (approaching the solution), they may create an intensity in the same or certain regions. In this case, the mechanism to prevent the escape of the hunt may not work well. First, the proposed algorithm is the expanded model of the GWO algorithm that is called expanded Grey Wolf Optimizer. In this method, the same as GWO, alpha, beta, and delta play the role of the main three wolves. However, the next wolves select and update their positions according to the previous and the first three wolves in each iteration. Another proposed algorithm is based on the incremental model and is, therefore, called incremental Grey Wolf Optimizer. In this method, each wolf updates its own position based on all the wolves selected before it. There is the possibility of finding solutions (hunts) quicker than according to other algorithms in the same category. However, they may not always guarantee to find a good solution because of their act dependent on each other. Both algorithms focus on exploration and exploitation. In this paper, the proposed algorithms are simulated over 33 benchmark functions and the related results are compared with well-known optimization algorithms. The results of the proposed algorithms seem to be good solutions for various problems.

     

基于ARIMA-GM的短期民航货邮周转量研究

ARIMA模型对季节特征有较好的拟合效果,灰色GM（1,1）模型能准确反映时间序列的增长趋势,结合民航货邮周转量的特点和ARIMA模型和GM（1,1）模型的优点,分别建立货邮周转量的ARIMA和GM（1,1）的时间序列模型,揭示出民航货邮周转量随时间推移而发展变化的动态规律,最后为更精确地预测月度民航货邮周转量,提出基于ARIMA-GM的组合预测模型,并对近几月民航货邮周转量进行较准确的短期预测,结果表明：组合模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列;灰色GM（1,1）模型能准确反映时间序列的增长趋势,两者相结合很好地解决了民航货邮周转量短期预测的实际问题,得到民航货邮周转量更精确的预测结论,能够对民航货邮市场的发展趋势进行宏观把握,有利于决策者的经济决策行为。     

基于灰关联度的面板数据聚类方法及在空气污染分析中的应用

针对面板数据的三维特征、正负相关性以及灰色关联模型缺乏有效检验等问题,构建面板数据灰色关联模型,拓展了面板数据聚类方法;引入灰熵,提出灰色关联聚类的检验模型.研究发现,灰色关联度模型能够反映面板数据的正、负相关关系,且具有对称性、唯一性和可比性.通过在苏南4市空气质量区域划分中的应用,表明基于面板数据灰关联模型的聚类方法具有良好的效果,各类别的灰色关联度差异明显,层次清晰.     

Network-based sparse Bayesian classification

In some classification problems there is prior information about the joint relevance of groups of features. This knowledge can be encoded in a network whose nodes correspond to features and whose edges connect features that should be either both excluded or both included in the predictive model. In this paper, we introduce a novel network-based sparse Bayesian classifier (NBSBC) that makes use of the information about feature dependencies encoded in such a network to improve its prediction accuracy, especially in problems with a high-dimensional feature space and a limited amount of available training data. Approximate Bayesian inference is efficiently implemented in this model using expectation propagation. The NBSBC method is validated on four real-world classification problems from different domains of application: phonemes, handwritten digits, precipitation records and gene expression measurements. A comparison with state-of-the-art methods (support vector machine, network-based support vector machine and graph lasso) show that NBSBC has excellent predictive performance. It has the best accuracy in three of the four problems analyzed and ranks second in the modeling of the precipitation data. NBSBC also yields accurate and robust rankings of the individual features according to their relevance to the solution of the classification problem considered. The accuracy and stability of these estimates is an important factor in the good overall performance of this method.     

求解铁路物流配送中心选址问题的改进灰狼优化算法

针对单一机制的灰狼优化算法（GWO）易陷于局部最优、收敛速度慢的问题,提出了一种改进灰狼优化（IGWO）算法来解决实际铁路物流配送中心选址的问题。首先,在基本的灰狼优化算法的基础上,引入佳点集理论初始化种群,从而提高了初始种群的多样性;然后,利用差值剔除策略（DES）来增加全局寻优能力,以达到一种高效的寻优模式。仿真实验结果表明：与标准的灰狼算法相比,所提出的IGWO适应度值提高了3%,在10个测试函数中最优值精度可最多提高7个单位;与粒子群优化（PSO）算法、差分进化（DE）算法和遗传算法（GA）比较,所提算法的运行速度分别提高了39.6%、46.5%和65.9%,选址速度也明显提高。可见所提算法可用于铁路物流中心的选址。     

倒数累加生成灰色RGM(1,1)模型及其在化学动力学上的应用

通过原始数据序列的一次倒数累加生成,基于灰色系统理论建立了倒数累加生成灰色RGM(1,1)模型。给出了估计 RGM(1,1)模型参数的一个新方法。应用该模型成功地研究了化学动力学中反应物组成与反应时间之间的复杂化关系。该模型的算法概念明确,计算简便,有较高的拟合和预测精度。它的提出拓宽了灰色模型的应用范围。     

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。     

Snake模型在雨滴边缘检测中的应用

数字摄像技术在降水粒子的自动观测中具有非常好的应用前景,如何在数字图像中准确地进行降水粒子的边缘检测是其中的一项关键技术。Snake模型具有很好的融合图像上层知识和底层特征的能力,能够实现目标轮廓的准确定位。结合雨滴图像自身的特点,提出了目标形心的自动标定方法,在此基础上改进了Snake模型初始轮廓点的选取方法,并通过贪婪算法进行迭代处理,实现了基于Snake模型的雨滴边缘检测算法。算法能够准确地对数字图像中的雨滴边缘轮廓进行检测,且具有较好的稳定性。与传统的边缘检测算子相比,该方法对雨滴图像获得了更好的边缘检测效果。     

基于灰关联模型的通信网能效评估研究

针对目前通信网络存在的能耗问题,引入灰色关联度算法模型,提出一套通信网能效评估的方法．然后通过实例分析证实方法的可行性。