灰色理论对碳钢、低合金钢海水腐蚀的预测和分析

应用灰色理论中的GM（1,1）灰色模型和灰色关联分析预测了碳钢、低合金钢在青岛、厦门和榆林全浸区的海水腐蚀速率并研究了海水环境对腐蚀速率的影响.模型经后验差检验显示有很好的精度.通过灰色关联分析建立的海水环境和腐蚀速率关联度显示,海水腐蚀的主要影响因素是溶解氧浓度、pH值和平均盐度.     

基于灰色理论的Bi-2212/Ag带材鼓泡

为了简化实验,达到节能、节材及节时的目的,利用灰色理论系统地研究了Bi-2212带材鼓泡的影响因素.根据灰色预测理论对原始实验数据处理,以熔化温度为基本量建立了Bi-2212带材鼓泡率的灰色预测模型(GM(1,1)),用残差模型修正后预测了不同熔化温度下带材的鼓泡率.同时定性分析了影响带材鼓泡的因素,发现带材鼓泡率随着碳含量、升温速率和熔化温度增加而增加,而随带厚增加而减少,并给出了鼓泡的控制方法.进一步利用灰色关联分析,定量分析了各因素对带材鼓泡的影响程度,得到了各因素影响鼓泡率的大小顺序为碳含量、带厚、升温速率、熔化温度.本文得到的定量分析结果与定性分析结果基本一致.     

基于GM模型的大规模定制质量预测问题研究

在分析GM模型的灰色建模方法的基础上,针对大规模定制生产模式下质量控制中存在的问题,提出了采用灰数(GM)模型的灰色预测方法预测产品质量特性,并通过大规模定制的生产实例分析验证了该方法的可行性及预测精度.结果表明,应用灰色质量预测能更好地解决生产初期或产品转变生产类型后的质量问题,从而控制产品质量.     

利用灰色理论预测注水管道腐蚀速率的变化趋势

针对注水管道中腐蚀速率和腐蚀影响因素之间复杂的映射关系，提出了利用灰色理论对腐蚀速率进行有效预测，同时为提高预测精度，对标准的GM（1，1）模型进行了合理改进，提出了4种改进方法：改进背景值、考虑初始点影响、灰色理论和BP神经网络相结合（简称灰色神经网络）以及灰色理论和遗传算法（简称灰色遗传算法）相结合等。通过示例表明，经过改进后的4种方法预测精度都有所提高，特别是灰色理论和神经网络结合、灰色理论和遗传算法相结合预测得到的腐蚀速率和实测值能较好吻合，预测精度最高；因此可以运用这两种改进方法较准确地预测腐蚀速率随着时间的变化趋势。     

灰色预测与规划在铝工业中的应用

介绍灰色系统理论的两个重要组成部分:灰色预测和灰色规划;并用灰色预测方法预测贵铝氧化铝产量,得到了未来5年内的铝土矿需求量。同时,建立了1991年至1993年供配矿灰色规划模型,对铝土矿的供应与需求作了最优化系统分析,为计划部门提供了较有价值的决策参考数据。     

备件需求量的灰色理论预测法

设备效能能否正常发挥,维护方式的建立与备件能否正常供应是关键所在.因此运用科学的方法强化预测的功能,方能提升备件的精准度并有效降低成本.传统的预测方法需要大量的观察值,才能进行预测,而灰色预测法的特点是使用少量数据,即可顺利进行预测.运用灰色理论建立关于备件需求量的灰色预测模型,并进行了实例验证,计算结果表明,预测模型的计算值与实际值非常近似,模型的预测结果较为理想,可提供备件需求作业思考空间,以减少待料、呆料情况的发生.     

基于灰色系统理论的压裂泵阀箱用钢疲劳寿命预测

针对压裂泵阀箱疲劳寿命受较多不确定因素影响,应用灰色系统理论对压裂泵阀箱用钢进行疲劳寿命预测。在对阀箱用30CrNi2MoV钢进行疲劳试验和试验数据分析的基础上,运用GM(1,1)模型、灰色Verhulst模型对30CrNi2MoV钢进行了疲劳寿命预测。结果表明:基于GM(1,1)模型的疲劳寿命预测精度为99.578%,基于灰色Verhulst模型的疲劳寿命预测精度为99.866%,预测精度较高,这为压裂泵阀箱用钢疲劳寿命预测提供预测精度及可靠性的方法。     

输气管道腐蚀的最优灰色组合预测模型

    在不等时距序列灰色预测的基础上,提出了适用于输气管道腐蚀的不等时距最优组合灰色预测模型.首先,选用两种模型精度较高的不等时距灰色预测方法建立了输气管道腐蚀预测的单项模型,然后,利用最小二乘意义下的模型误差最小化方法确定出各单项灰色预测模型的权重,建立了最优组合预测模型.此预测模型综合利用了参与组合的各单一模型的有效信息,因而可以更加客观地反映输气管道腐蚀变化趋势.通过实例对比分析结果表明,此模型预测精度较高,可以作为输气管道腐蚀预测的有效工具.     

基于新陈代谢灰色马尔科夫 ARMA模型的航空公司能耗预测

航空公司能耗的预测直接影响能源需求的规划与节能的决策.针对航空公司能耗数据既有趋势性又有波动性的特点,提出了新陈代谢灰色马尔科夫-ARMA的能耗组合滑动预测模型.该模型利用灰色马尔科夫方法描述了能耗的变动趋势,通过ARMA模型捕捉残差序列的相关性来描述波动性,用新陈代谢的方法剔除模型中失去时效性的旧数据,解决了常规预测模型不足以完全描述航空公司能耗运动趋势的问题,提高了模型预测精度.仿真结果表明:提出模型精度优于传统ARMA模型和灰色马尔科夫模型,能够实现月度能耗的有效预测,为航空公司能耗监测和节能工作的优化开展提供了有力支持.     

灰色模糊LSSVM预测模型在锌净化除钴中的应用

针对锌净化除钴过程生产数据存在噪声和系统参数缓慢变化的问题,提出一种基于灰色模糊LSSVM的钴离子浓度预测模型。对样本数据进行灰色累加,削弱原始数据序列中的噪声,使数据规律性增强,灰色累加后数据作为LSSVM输入,提高模型抗干扰能力和预测能力;由于锌净化除钴工序的系统参数随时间发生变化,提出对不同时期的样本赋予不同的模糊加权值;利用改进PSO的全局优化能力和快速收敛性,优化LSSVM模型的惩罚因子和核函数参数,避免人为选择参数的盲目性。对硫酸锌溶液净化除钴过程生产数据的仿真结果表明,灰色模糊LSSVM预测值能很好地跟踪实际值的变化趋势,满足钴离子浓度预测要求。