基于改进灰色模型的ATS测试仪器校准周期确定

针对自动测试系统ATS中测试仪器校准周期的确定问题,提出了改进的灰色GM(1,1)模型预测方法。首先从GM(1,1)模型出发对模型本身进行改进,然后建立等维新息模型,并确定其最佳维数,递补动态更新预测信息,为进一步提高预测精度,提出了残差修正预测模型,并引入马尔可夫过程解决其修正残差的符号问题。实例结果表明,改进的模型预测方法比单独的模型预测具有更高的精度,可以应用于测试仪器校准周期的预测过程。     

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.     

基于灰色模型的铁路货运量预测——以陕西省铁路货运为例

文中利用灰色系统理论,以陕西省铁路货运为例,通过建立灰色GM(1,1)模型和改进数据序列光滑度的等维新息灰色模型,对陕西省铁路货运量进行分析研究和预测。通过分析两种模型的预测结果,得出改进的灰色模型预测精度更高,最后采用后验差检验等维新息灰色模型的精确度,并对未来三年的陕西省铁路货运量做出预测。     

基于GMM改进的信息系统安全态势实时预测研究

现有安全态势预测方法由于消耗较大和耗时较长而造成预测效果不佳,考虑到信息系统的结构复杂、信息交互频繁等特点,依据典型灰色模型GM(1,1)的消耗低、样本小、适用性强、短期预测效果好等特点对信息系统进行实时的安全态势预测。同时针对GM(1,1)模型的随机波动性小的问题,结合马尔可夫(Markov)链适用于随机波动较大的特点,提出一种以灰色GM(1,1)为预测原型,用马尔可夫链对GM(1,1)预测模型进行误差修正的实时信息系统安全态势预测模型。实验结果表明,在信息系统安全态势预测方面,该模型能够较准确地预测安全态势的总体趋势,且预测精度高于原灰色-马尔可夫模型的精度。     

基于小波消噪的非等间隔加权G(1,1)模型在建筑物沉降预测中的应用

建筑物沉降监测数据序列受观测条件影响大多呈现出数据量少、光滑性差、含噪声和非等时距等特点。在小波除噪和等间隔灰色GM(1,1)模型的基础上建立了非等间隔G(1,1)预测模型。在建模数据中,早期观测数据对模型预测精度贡献小(甚至有拖累现象),近期观测数据对模型预测精度贡献较大,故在建模时引入了权重矩阵以此提高模型的预测精度。实证分析表明所建非等间隔加权灰色GM(1,1)模型具有较高的预测精度,可用以工程实践。     

基于等维新息灰色马尔可夫模型的互联网用户人数预测研究

对互联网用户人数的科学预测可为网络的建设和管理提供决策依据。在传统灰色预测模型的基础上,结合新信息优先的思想,建立了等维新息灰色预测模型,并利用马尔可夫链模型预测出结果的波动范围,形成等维新息灰色马尔可夫预测模型。再以2007年12月－2012年06月我国互联网上网人数实测值为原始数据,构建预测模型,预测2012年12－2014年06月的互联网上网人数。实例结果表明,等维新息灰色马尔可夫预测模型其预测结果的误差更小,精度更高,还能提供预测结果的波动范围及出现概率。     

改进灰色GM(1,m)模型在变压器故障预测中的应用

针对灰色模型在预测变压器故障时对波动数据序列的预测误差较大的问题,提出了一种灰色GM(1,m)预测模型改进方案:对原始数据序列进行处理,使其具有更好的指数规律,以满足预测模型对光滑性的要求;对处理过的原始数据序列进行灰关联度分析,以得到各变量之间的关系;优化预测模型的背景值并用其建模;采用等维新息模型预测数据。采用改进的灰色GM(1,m)模型预测某变压器油中7种特征气体的体积分数,所得预测数据的平均残差和后验相对误差均小于GM(1,1)模型和传统GM(1,m)的预测结果,表明其具有更好的预测精确度。     

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明：等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。     

基于改进灰色预测模型的交通事故预测模型研究

为了提高交通事故数据预测的准确度,采取GM(1,1)和OSDGM(1,1)等单一模型,对2008-2019年我国交通事故死亡人数数据进行分析。根据GM(1,1)和OSDGM(1,1)模型建立最优加权组合模型,使用Verhulst模型对建立的加权组合模型进行残差修正,并借助灰色模型精度评价指标对预测结果进行检验。预测结果表明,GM(1,1)、OSDGM(1,1)模型和改进的灰色预测模型的预测结果的平均相对误差分别为4.35%、4.30%和1.19%,且改进的灰色模型通过精度指标检验,说明改进灰色预测模型具有较高的精度。     

基于灰色-马尔可夫模型的粮食产量预测

文中首先用1976年到1995年的桐城县冬小麦单产,建立灰色GM(1,1)模型,再用随机过程理论的马尔可夫模型获得GM(1,1)模型在已知年份里的偏差规律(即偏差的转移概率矩阵),并且依照此规律对GM(1,1)模型结果进行修正,将由GM(1,1)模型预测的一个具体数值,修正成为区间和概率组成的预测范围,增加预测的可靠性。最后用灰色-马尔可夫模型外推预测1996年到2000年共5年的小麦单产。实验说明灰色-马尔可夫模型大大提高了预测精度,将预测结果表示为预测范围,更为准确地反映出粮食产量的走势。     

Forecasting analysis by using fuzzy grey regression model for solving limited time series data

The grey model GM(1,1) is a popular forecasting method when using limited time series data and is successfully applied to management and engineering applications. On the other hand, the reliability and validity of the grey model GM(1,1) have never been discussed. First, without considering other causes when using limited time series data, the forecasting of the grey model GM(1,1) is unreliable, and provide insufficient information to a decision maker. Therefore, for the sake of reliability, the fuzzy set theory was hybridized into the grey model GM(1,1). This resulted in the fuzzy grey regression model, which granulates a concept into a set with membership function, thereby obtaining a possible interval extrapolation. Second, for a newly developed product or a newly developed system, the data collected are limited and rather vague with the result that the grey model GM(1,1) is useless for solving its problem with vague or fuzzy-input values. In this paper the fuzzy grey regression model is verified to show its validity in solving crisp-input data and fuzzy-input data with limited time series data. Finally, two examples for the LCD TV demand are illustrated using the proposed models.     

基于GM(1,1,μ,ν)模型的股指预测

当前对灰色预测模型GM（1,1）的优化主要集中在2个方面,1个是建模所用数据维度的选择上,一个集中在白化背景值z（1）（k）的优化上.由于这些工作都只考虑单一因素的影响,因此,GM（1,1）的潜力还没有被充分的挖掘出来.针对以上情况,提出同时考虑2个因素的GM（1,1,μ,ν）模型,并根据股市的特点,提出选择最优解的办法.实例证明该模型比传统的GM（1,1）有更低的预测误差.更重要的是,该模型提出综合考虑2种因素的思想,为更进一步优化GM（1,1）提供新的思路.     

新息改进GM(1,1)模型参数估计的新方法

为了提高新息改进GM(1,1)模型的预测精度,引入累积法对新息改进GM(1,1)模型的参数进行估计,给出了新的参数估计公式。该方法避免了大量的矩阵运算,降低了计算量。数值计算结果表明,累积法新息改进GM(1,1)模型具有很高的预测精度,是一种值得推广的新模型。     

长江水质预测的建模

分析了在长江水质的评价和预测建模过程中出现的一些问题,利用灰色模型的指数特性,建立预测长江水质的GM（1,1）的改进模型。根据数据的周期波动特性,采用灰色系统理论建立了残差序列周期修正GM（1,1）模型,用复合残差来修正预报数据,提高了数据预报的准确程度和模型的适用性。     

灰色GM(1,1)模型及其在电力负荷预测中的应用

讨论了灰色模型GM(1,1)及其改进模型在电力负荷预测中的应用.从灰色理论建模特点出发,提出使用加权均值生成原始数据序列的数据生成方法,在进行平滑的非负电力负荷数据序列的预测中取得了较好的效果.通过后验差检验,对传统的灰色系统GM(1,1)模型和加权均值的GM(1,1)模型进行了比较分析.实例证明,加权均值生成数据的方法进行建模具有较好的精度,在实际电力预测系统中有很好的应用价值.     

灰色Verhulst模型在短时交通流预测中的应用

为提高短时交通流预测模型精度,分析了GM(1,1)模型和灰色Verhulst模型的特点,发现GM(1,1)模型适用于具有较强指数规律的序列,只能描述单调的变化过程,而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。短时交通流某一时段内数据具有饱和状态S形过程的特性,采用Verhulst预测模型比GM(1,1)模型具有更高的预测精度。利用2007年10月21～23日6:00～8:25的交通流数据进行实验,结果表明:Verhulst模型的预测精度明显优于GM(1,1)模型。     

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.