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.     

基于新陈代谢GM(1,1)模型的校准间隔预测

针对测量仪器校准间隔的优化问题,根据校准数据非线性、小样本的特点,提出了一种基于新陈代谢GM(1,1)模型的校准间隔预测方法.通过分析历史校准数据的特征,建立了新陈代谢GM(1,1)预测模型,通过仿真实验对预测模型进行了对比验证.结果表明,相对于灰色GM(1,1)模型,新陈代谢GM(1,1)模型克服了随机扰动对系统的影响,更能反映系统的变化趋势,预测精度更高,适合用于测量仪器校准间隔的预测.     

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。     

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。     

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...     

基于灰色预测GM(1,1)模型的网格孔洞填补算法

针对三角网格曲面中存在的孔洞提出了一种填补算法.在空洞曲面的投影平面上,每次寻找孔洞多边形最小内角所在顶点,用GM(1,1)模型在孔洞内部插入新点,构造三角形并生成新的孔洞边界多边形,直到所有的孔洞边界多边形全部处理完.最后将平面三角面片返回到三维空间并用基于径向基函数的平滑算法对其进行平滑处理.实例表明用本算法进行孔洞填补能避免出现错误和狭长的三角形,而且和原孔洞边界能光滑连接,对曲率变化较大的孔洞也能得到满意的填补结果.     

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。     

基于用户体验的数据可视化模型研究

目的证明基于人类认知特点的数据可视化符合人类认知的特性和习惯,能有效揭示数据特征。方法分析了人类认知的特点与原理,诠释了感知设计在认知过程中的优势,提出了基于用户体验的可视化模型,该模型主要包含4个层次,即战略层、范围层、结构层与表现层。结论通过案例验证表明,该用户体验模型方法可以应用于相关数据的可视化,并实现思维认知与数据可视化之间的映射。     

公路路基沉降灰色预测方法之探讨

灰色理论预测是在对高速公路路基长时间沉降预测的有效手段,通过对实测的路基沉降数据的整理,对实测数据进行变换,采用灰色理论模型、三点法、双曲线法等,对后期沉降进行预测,对比所得结果,验证方法的准确性。     

改进GM(1,1)模型在环境噪声预测中的应用

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，此模型适用于具有较强指数规律的序列。只能描述单调变化过程，而且预测数据序列中出现连续两个相等值时将使得α等于0，会使预测数列发散致使预测失效。采用平均斜率的概念计算α（k）序列，并利用MATLAB编程实现数据处理。广州市环境噪声污染数据计算表明，新方法有满意的拟合和预测效果，从而为提高建模精度提供了新的途径。     

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。     

非等间距GM(1,1)幂模型及其工程应用

针对工程中大量存在的非等间距序列的建模问题,提出了非等间距GM(1,1)幂模型。以平均相对误差绝对值最小化为目标,以模型参数之间的关系为约束,构建了一个非线性优化模型实现非等间距GM(1,1)幂模型的参数估计。结果表明,非等间距GM(1,1)幂模型的形式较为灵活,非等间距GM(1,1)模型和灰色Verhulst模型均是非等间距GM(1,1)幂模型的特殊情形,幂指数的优化有利于提高建模精度。最后通过一个工程实例验证了非等间距GM(1,1)幂模型的有效性与实用性。     

灰色预测模型GM（１，１）的适用性分析及在火灾风险预测中的应用

通过对灰色预测模型———GM（１,１）的理论分析,证明了该模型的预测值及其变化趋势均具有单调 性,进而提出了GM（１,１）模型的适用性判据,并给出了该判据在火灾风险灰色预测中的应用实例。     

Grey GM(1,1) Model with Function-Transfer Method for Wear Trend Prediction and its Application

1　ＩｎｔｒｏｄｕｃｔｉｏｎＯｉｌｓｕｐｅｒｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙ ,ｗｈｉｃｈｗａｓｄｉｒｅｃｔｅｄｉｎｔｈｅｓｙｓｔｅｍｉｃｃｏｎｃｅｐｔｏｆｔｒｉｂｏｌｏｇｙａｎｄｗｈｏｓｅｍａｉｎｍｅａｎｓｗａｓｔｏｃｈｅｃｋｏｉｌｐｒｏｐｅｒｔｙａｎｄａｎａｌｙｚｅａｂｒａｓｉｏｎｇｒａｉｎｓ ,ｗａｓｅｘｔｅｎｓｉｖｅｌｙａｐｐｌｉｅｄｉｎｗｏｒｋｉｎｇｓｕｐｅｒｖｉｓｉｏｎａｎｄｆａｕｌｔａｎａｌｙｓｉｓｏｆｔｈｅｅｑｕｉｐｍｅｎｔｏｐｅｒａｔｅｄｉｎｗｏｒｋｉｎｇｖａｒｉａｔｉｏｎ ,ｌｏｗ…     

Two optimized models of life prediction based on luminance degradation for VFD under a conventional life test

Focusing on improving the accuracy of existing life prediction models for optoelectronic products, the three‐parameter Weibull right approximation method (TPWRAM) was employed to substitute exponential function based on the least square method in the analysis and two‐staged methods. Two optimized models were established (Model I and Model II), based on maximum likelihood estimation and the Monte Carlo method, respectively. One group of conventional life tests (CLTs) of vacuum fluorescent display (VFD) were conducted to collect luminance degradation data for each sample, and the two optimized models were applied to achieve VFD life prediction and obtain mean time to failure, median life, and confidence intervals. The results indicate that the CLT test design is correct and feasible, the amount of data on luminance degradation is large, and the test data selection method is reasonable. Model I and Model II optimized by TPWRAM both reflect the VFD luminance variation law well, and the predicted life approaches VFD service life from user feedback, proving that the two models are precise, and thus, can provide technical references for researchers and engineers regarding aspects of life prediction.