基于灰色GM(1,1)和自适应神经模糊推理的数据预测模型

综合利用灰色理论与自适应神经模糊推理系统( ANFIS)建立预测模型的思路,给出了利用自适应神经模糊推理系统对GM(1,1)模型残差进行修正,重构灰色GM(1,1)模型预测值的综合预测方法.选用我国某地区冬季最大电力负荷作为原始数据,用GM(1,1)模型对历年的电力负荷进行建模,并利用自适应神经模糊推理系统对其残差进行...     

区域物流规模的改进灰色马尔可夫预测

在分析灰色GM(1,1)方法、灰色马尔可夫方法的基础上,建立区域物流规模预测的改进灰色马尔可夫模型,以国家统计局公布的陕西省1997-2006年货物周转量的统计数据为依据,对其2007-2008年的物流规模进行预测.与灰色GM(1,1)方法、灰色马尔可夫方法的预测结果相比,改进灰色马尔可夫链模型对区域物流规模的预测更加有效.     

汨罗市城市路基沉降的GM(2,1)模型预测

针对汨罗地裂缝沉降观测资料,运用灰色理论建立地面沉降的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。为了减少对外界因素干扰的敏感性,方便求解,采用非等时距GM(2,1)和GM(1,1)模型对西安市地面沉降观测点进行安全预测。预测结果和实际吻合较好。本文提出的GM(2,1)地面沉降变形预测模型,计算简单,与原始数据的升降凹凸性保持一致。非等时距GM(2,1)模型预测地面沉降精度总体较GM(1,1)模型高,较好的反映了地面沉降的变形趋势,具有很好的实用价值。     

蜗轮副磨损量的灰色预测法

在灰色理论的基础上,建立了无偏的GM(1,1)模型,扩展了GM(1,1)模型预测使用的范围.并将无偏GM(1,1)用于对蜗轮副磨损数据的预测,获得了满意效果.     

基于改进GM(1,1)-Markov模型的国内生产安全事故预测研究

为准确预测我国生产安全事故发展趋势,本文在传统GM(1,1)模型和马尔科夫模型的基础上,结合二者优点提出改进灰色马尔科夫预测模型,并以2005—2018年全国生产安全事故起数为原始序列探讨了改进模型的实际应用。区别于传统灰色残差修正理论,选取灰色模型预测结果的相对误差作为修正指标,2次应用马尔科夫模型对相对误差状态和误差符号状态进行优化预测,并使用平均相对误差和小概率误差对模型进行精度检验。结果表明,改进GM(1,1)-Markov模型预测结果的相对误差为3.0%,较单一灰色预测模型预测误差减少19.5%,预测精度显著提高,同时预测得到2019年我国生产安全事故起数为479。     

火灾预测的改进GM(1,1)模型

火灾的发生受很多因素的影响,有的因素已知、有的未知,符合灰色系统的特征,从而可以利用灰色理论进行预测.现从传统GM(1,1)预测模型构造原理出发分析其存在的理论缺陷,通过采用平均斜率法、等维替换和变换灰色预测公式的方法建立改进的GM(1,1)模型,以适应火灾频数序列的波动特性,从而达到精确预测的目的.我国1997—2006年火灾数据预测计算表明,新方法有满意的拟合和预测效果,从而为火灾预测精度提高提供了新的途径.     

基于GM(1,1)模型的东辛采油厂产量预测研究

本文介绍了GM(1,1)模型的建模过程,考虑油田产量数据较少的现状,将其视为灰色系统,并利用灰色系统GM(1,1)模型对油田石油产量进行了预测。经实证,模型的精度符合要求,预测结果可以为采油厂提供决策依据。     

组合模型EPS转矩转角传感器可靠性预测

为提高电动助力转向系统的性能,设计一种电动助力转向系统转矩转角传感器,并建立数学模型对传感器的可靠性进行预测。在实验的基础上比较灰色GM(1,1)模型、残差修正的灰色GM(1,1)模型以及残差修正的灰色马氏链组合模型的预测准确度。由于单个模型很难保证预测准确度水平,因此通过计算组合模型不同步数的转移概率矩阵确定目标状态,进而得到预测值。通过比较,组合模型比单个模型的准确度更好,更适宜描述随机性较大的问题。     

测量仪器校准间隔的动态灰色线性回归预测

根据测量仪器的实际状态进行校准间隔的预测,可有效地避免不足校准和过剩校准。该文分析了历史校准数据的特征,对于既含有线性因素又含有指数因素的历史校准数据序列,建立动态灰色线性回归预测模型,预测测量仪器的校准间隔。动态灰色线性回归模型有机地将灰色GM(1,1)模型和线性模型组合起来,通过新老数据的新陈代谢,更加真实地反映系统的特征。通过实验对预测模型进行验证,结果表明:动态灰色线性回归模型的拟合与预测精度高于单纯的灰色GM(1,1)模型及新陈代谢GM(1,1)模型。     

基于灰色马尔可夫模型的煤层气抽采量预测

煤层气抽采量的准确预测,对煤层气开发利用工作的科学决策和发展规划具有重要意义。通过灰色系统理论与马尔可夫理论的结合,建立灰色马尔可夫模型对煤层气抽采量进行预测分析。首先建立煤层气抽采量的GM(1,1)预测模型,确定其变动趋势和初始预测值,然后应用马尔可夫理论对初始预测结果进行修正,最后通过实例计算验证了灰色马尔可夫模型的适用性。结果表明,灰色马尔可夫模型的预测精度明显高于传统GM(1,1),更适用于随机波动性较大的序列预测问题,因此将灰色马尔可夫模型用于煤层气抽采量预测是合理和可行的。     

基于遗传算法和灰色神经网络的电力机车产品需求预测方法

目的 应对快速多变的市场,提前预知市场发展,制定相应的排产计划,使企业在竞争中占据先发优势。方法 目前基于灰色神经网络的预测算法,准确地预测产品需求通常需要连续且大量的样本数据,对小数据非线性系统的预测结果精确度低、可靠性差,针对这一问题,提出一种耦合遗传算法的灰色神经网络预测方法,综合灰色模型和神经网络理论,构建了面向产品订单量需求预测的灰色神经网络模型;通过电力机车产品实例分析了模型的预测性能;为解决预测过程中模型早熟收敛的问题,利用遗传算法对训练网络的权重和阈值进行了迭代优化。结论 研究结果表明,优化后产品预测模型的精确性和鲁棒性得到提高,验证了所设计方法的可行性。     

灰色模型GM(1, 1)优化

分析了GM(1, 1)模型产生模拟误差的原因，经大量的数据模拟和GM(1, 1)模型比较，发现背景值的优化使GM(1, 1)模型在短期、中期及长期预测中扩大了适用范围，并且模拟及预测精度显著提高。     

Study on tracking algorithm of acoustic target

The prediction of helicopter′s track is very important for Anti-Helicopter Mine System (AHMS) in the battle. However, it is very difficult to get an accurate and reliable prediction when the data is very limited. This paper tries to establish a track forecast model based on the grey system theory to predict the radial distance, the azimuth and the elevation of a helicopter real-timely. The forecast model of grey system can directly predict the helicopter′s track, with out the need of coordinate conversion (polar coordinate to rectangular coordinate). So the measurement noise is relatively independent, the prediction accuracy can be improved. In the period of sampling, GM model has been established on line to improve prediction precision. The results of simulation indicate that higher prediction precision can be obtained with fewer surveying data.     

基于改进有序聚类法的立式加工中心进给系统温测点优化

为解决立式加工中心热误差补偿关键技术中温测点难选取的问题，提出了一种基于改进有序聚类法的机床进给系统温测点优化方法。首先，结合试验数据计算反映温测点温度变量与热误差相关性的互信息值，初步筛选机床各部件的温测点，消除测点间的耦合性；然后，根据筛选出的温测点，通过建立类直径矩阵和计算各类的最小误差函数，获得温度变量分类；最后，基于多元线性回归建立包含多个不同温测点的热误差模型，并对模型进行统计学综合分析，确定了最佳聚类数和最佳温测点。结果表明：在不同加工条件下采用改进有序聚类法建立的热误差模型的均方根误差和平均残差分别降至1.05 μm和1 μm以下，相较于采用传统有序聚类法和灰色关联度模糊聚类法建立的热误差模型，它具有更高的热误差预测精度和更好的鲁棒性。所提方法在中小型加工中心进给系统的温测点研究中具有广阔的应用前景。     

改进的灰色关联法在柴油机故障诊断中的应用

在分析常规关联度计算方法存在问题的基础上,提出一种改进的灰色关联度对柴油机故障诊断的方法。针对柴油机故障的特征,对经过降噪后的振动信号,提取时域频域特征值相结合作为特征向量,分别通过改进的灰色关联度方法、常规灰色关联度方法以及灰色神经网络模型对待检测特征向量和标准模式向量进行关联度计算。对结果进行分析,得知改进的灰色关联度分析方法克服常规灰色关联度容易误判的缺陷,同时验证改进的灰色关联度方法大大的提高柴油机故障诊断的精度,说明该方法是一种有效可行的方法。     

改进MDSMOTE与PSO-SVM在汽车组合仪表分类预测中的应用

汽车组合仪表生产过程中质检项目多且检测时间长,这在一定程度上制约了其生产效率的进一步提升。为此,提出一种基于改进最远点合成少数类过采样技术（max distance synthetic minority over-sampling technique,MDSMOTE）的支持向量机（support vector machine, SVM）分类预测方法。首先,结合专家经验对汽车组合仪表的原始生产数据进行特征筛选,并在MDSMOTE中引入类不平衡率I_R,以对所筛选的特征数据进行扩充;然后,利用粒子群优化（particle swarm optimization, PSO）算法对SVM的误差惩罚因子C和核函数参数γ进行优化;最后,建立优化的SVM分类预测模型,并对汽车组合仪表进行分类。通过与其他分类预测模型在不同数据集上的预测结果进行对比可知,基于改进MDSMOTE的SVM分类预测模型的准确率、F值和几何平均值等评价指标均优于其他模型。所提出方法在汽车仪表产品分类上表现出较强的泛化能力和稳定性,可为仪表制造企业生产效率的提升提供有效参考。     

改进的灰色模型在光催化数据预测中的应用

光催化去除水中污染物的研究通常得到的是小样本的离散数据,利用拟一级动力学模型对实验结果进行模拟和分析,有时拟合效果较差,且无法用于数据预测.本研究在离散灰色预测模型(DGM(1,1))的基础上,考虑数据的非线性特征并结合等维信息替代思想建立了非线性动态离散灰色模型(EDGM(1,1,α)),利用该模型对三元复合材料Bi...     

基于烟花算法与长短时记忆网络的模温预测方法研究

针对传统神经网络模型预测模具温度准确度低,网络超参数选取困难等问题,提出一种基于烟花算法优化长短时记忆网络的模温预测模型,为铸造成型模温自动控制提供基础。首先根据铸造过程生产工艺选取影响铸造系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立模具温度影响因子变量的数据集;其次采用烟花算法对长短时记忆网络进行优化,建立模具温度预测模型;最后与BP神经网络和长短时记忆网络预测效果进行对比。实验结果表明基于烟花算法优化的长短时记忆网络的模温预测方法绝对误差小于2.4℃,平均绝对百分比误差小于0.12。     

基于灰色预测与滑模变结构的ABS仿真分析

为研究汽车制动防抱死系统(antilock brake system,ABS)的超前性、实时性与鲁棒性,结合灰色预测和滑模变结构控制方法,提出基于灰色预测GM(1,1)模型与滑模变结构控制的ABS综合控制算法,建立仿真模型进行数据的对比分析.结果表明:相对于单滑模或bang-bang控制,灰色预测与滑模变结构综合控制方法使汽车ABS超前运行,缩短了制动时间与制动距离;有助于缓解滑模变结构方法自身带来的抖动缺陷.因此,灰色预测与滑模变结构综合控制方法有助于提升ABS的响应速度、实时鲁棒性与人体舒适性.