共查询到16条相似文献,搜索用时 234 毫秒
1.
2.
以广西全区2005-2014年的年用水量资料作为建模数据,采用灰色GM(1,1)模型进行预测研究。为了提高预测精度,分别对传统灰色GM(1,1)模型进行了不同方式的改进,通过比较发现4种灰色模型的预测结果均较理想,平均精度达到了99.5%。其中传统灰色GM(1,1)模型为99.0%、函数变换改进的灰色模型为99.4%、残差修正后的灰色模型为99.7%、经弱化算子处理后的灰色模型为99.9%,同时也充分验证了灰色模型在广西年用水量预测中的可靠性。 相似文献
3.
4.
利用灰色预测理论,建立了龙江突发水污染水质变化趋势的GM(1,1)预测模型,而后对模型进行残差修正。结果表明:经残差修正后的GM(1,1)模型更为合理,预测精度明显提高。本研究中灰色理论能够有效地对突发性水污染事故中的水质变化趋势进行短期预测,为相关部门及时采取相应的应急措施提供参考,减小事故风险。 相似文献
5.
6.
针对传统GM(1,1)模型在用水量预测方面对非增长序列预测精度差、出现过拟合等问题,采用结合马尔可夫链修正的残差灰色模型预测生活用水量。首先在传统灰色理论预测的基础上,建立了改进残差灰色预测模型:对残差绝对值建立灰色模型,再结合马尔可夫状态转移矩阵判断残差预测值在tn时的正负号,对灰色预测值进行修正。将模型运用于河南省2007—2018年生活用水量预测,结果表明,传统灰色预测模型与改进残差灰色预测模型的平均相对误差分别为4.14%、2.04%,改进残差灰色预测模型的精度等级为"良";同时,改进后模型的后验方差也小于传统模型。这表明改进模型比传统灰色预测模型有更高的精度,拥有更好的可靠性,可以为用水量预测提供新的方法。 相似文献
7.
8.
9.
根据灰色系统理论,应用GM(1,1)模型建立鄱阳湖汛期洪涝、干旱年灰色灾变基本预测方程,并对残差的GM(1,1)模型进行修正,给出灰色预测区间,试作洪涝、干旱异常年变化的长期预测。 相似文献
10.
11.
应用灰色GM(1.1)模型及其改进模型预测渭河天水段水质 总被引:1,自引:0,他引:1
利用灰色GM(1.1)模型、残差修正GM(1.1)模型预测2004至2010年渭河对天水段水质污染物时发现,二者对于某些污染物预测精度不高,而且残差修正GM(1.1)模型预测精度未必一定高于GM(1.1)模型。在这种情形下,应用新陈代谢GM(1.1)模型,预测未来五年渭河水质的变化及其水质污染物突变的时刻。分析结果表明:新陈代谢GM(1.1)模型有助于提高预测精度和预测的可靠性。 相似文献
12.
以摩擦学和灰色系统为理论基础,建立了以速率为参量的滑坡GM(1,1)时间预报模型,推导出滑坡时间预报公式,结合黄茨滑坡、新滩滑坡进行了预报分析,并与传统的以位移为参量的GM(1,1)、Verhulst预报模型预报结果进行对比。结果表明:以速率为参量的GM(1,1)滑坡预报模型能够提前预报滑坡;与传统的以位移为参量的GM(1,1)相比,预报时间更接近滑坡实际发生时间;与传统的以位移为参量的Verhulst模型相比,以速率为参量的GM(1,1)模型不仅能够提前预报滑坡,而且能够更加准确地反映滑坡的位移变化趋势。因此,建议采用以速率为参量的GM(1,1)滑坡时间预报模型对滑坡进行预报分析。 相似文献
13.
应用季节性指数法对GM(1,1)模型进行了改进,建立了灰色季节性指数模型,并将该模型应用于民勤绿洲季蒸发量预测中。计算结果表明,该模型在原始时间序列波动较大时,比普通GM(1,1)模型具有更好的适应性。 相似文献
14.
灰色系统模型GM(1,1)进行水文灾变预测问题的讨论 总被引:2,自引:1,他引:2
在简述灰色系统预测基本原理的基础上,用灰色系统模型GM(1,1)进行水文灾变预测,并用实例进行检测,结果表明预测精度是令人怀疑的的,近期不宜灰色系统模型进行水文灾变预测。 相似文献
15.
为提高隧道大变形预测精度,先利用ARMA模型、三次指数平滑模型和GM(1,1)模型等单项预测模型进行预测,再利用多种线性和非线性组合方法实现了隧道大变形的初步组合预测,并在递进组合预测和混沌优化预测的基础上,构建了隧道大变形集成组合预测模型,实现了隧道大变形的综合预测。同时,提出利用M-K检验来判断隧道大变形的发展趋势,以验证预测结果的准确性。实例验证结果表明:各类初步组合预测模型均能不同程度地提高预测精度,而递进组合预测能很好地优化残差序列,达到提高预测精度的目的,即集成预测模型在隧道大变形中具较高的预测精度;同时,变形预测结果与趋势判断结果一致,均得出隧道大变形趋于不稳定方向发展的规律,相互佐证了各自分析结果的准确性,为隧道变形防治提供了参考依据。 相似文献
16.
对时间序列建立中心逼近式GM(1,1)模型,通过优选模型的m值弱化序列变幅,利用BP神经网络对该模型残差值进行拟合修正,以此构建一个基于中心逼近式GM(1,1)模型的灰色神经网络预测模型.应用实例的计算结果表明,该模型可提高水质预测精度. 相似文献