建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。

江西省经济增长中能源消费与碳排放的预测分析——基于非线性灰色伯努利模型

使用非线性灰色伯努利模型预测了2014-2022年江西省能源消费与碳排放的量值,整体而言,江西省的能源消费总量和碳排放总量在增长率呈现下降的趋势。非线性灰色伯努利模型具有较好的预测能力,预测发现到2022年江西省的能源消费量达到11 060.1万吨标准煤,碳排放达到6 282.4万吨;从2014年到2022年江西省能源消费量的年均增长率为4.06%,碳排放量的年均增长率为3.11%。

基于神经网络优化的非线性灰色伯努利模型

非线性灰色伯努利模型广泛运用于非线性系统的预测,其预测精度很大程度上取决于参数的选择。试以线性规划的方法通过MATLAB求解其最优参数并针对非线性灰色伯努利模型预测残差以人工神经网络的方法进行修正。最后通过实际算例与GM(1,1)和灰色Verhulst模型相比较证明本文所提供方法具有较好的实用性和有效性。

基于“灰色+非线性回归”的煤矿死亡人数预测

为探究我国煤矿现阶段安全管理水平,从煤矿近年死亡人数为切入点,分析灰色模型[Gray Model, GM(1,1)]、回归模型在煤矿事故的预测效果,进而建立“灰色+回归”模型。首先,建立灰色模型,利用后残差比值、小概率误差验证灰色模型的预测等级为“好”,满足改进要求;其次,对回归模型进行线性拟合,建立“灰色+回归”预测模型,并对3类模型的预测准确性进行评估;最后,利用“灰色+非线性回归”模型预测2023年煤矿死亡人数。结果显示:以2021—2022年数据为基准,“灰色+非线性回归”预测相对误差依次为4.5%和1.3%,预测结果接近实际值,适用于短中期预测;经分析,“灰色+非线性回归”对煤矿死亡人数预测具有较高的研究价值。2023年煤矿死亡人数控制在123~136人,煤矿死亡人数呈下降趋势。

堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点 ,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后 ,用灰色非线性系统模型模拟剩余数据系列的趋势项 ,用时间序列模型模拟剩余数据系列的随机项 ,由此建立了堆石坝变形监测的灰色非线性时序组合模型 .计算分析表明新模型提高了拟合精度 ,使堆石坝变形监测的数学模型更趋于合理 .

基于粒子群优化的非线性灰色Bernoulli模型在中长期负荷预测中的应用

将非线性灰色Bernoulli模型用于到中长期电力负荷预测,提出了优选模型参数的粒子群优化算法。该模型是将GM(1,1)模型与Bernoulli微分方程相结合的一种灰色模型,适用于对不同发展趋势曲线的预测。通过粒子群优化算法,以模型预测平均绝对百分误差最小为目标,选择最优的模型参数。采用不同测试数据以及实际电网负荷数据进行了验证,结果表明上述模型有很好的适应性及较高的预测精度。

基于粒子群算法的非线性时变参数离散灰色预测模型

文章分析了传统GM(1,1)及DGM(1,1)模型应用时对数据要求上的弊端,证明了GM(1,1)与DGM(1,1)模型的模拟数据的增长率均为定值,指出对于非近似指数增长的数据序列,GM(1,1)与DGM(1,1)模型的模拟及预测效果并不理想。引入非线性时间项,构造了一种拓展的非线性时变参数离散灰色预测模型(NTDGM(1,1)模型),并利用粒子群算法(PSO)优化得到模型中各参数,给出了该模型的建模步骤。算例分析表明文章提出的NTDGM(1,1)模型对各类型趋势数据均具有很好的模拟精度,能够很好地解决非线性序列的模拟问题。

灰色非线性常微分方程预测研究及模型

灰色模型是一种指数模型 ,它对于符合指数规律的观测数据序列具有较高的精确度。在此基础上提出了一种改进型灰色模型 ,扩大了灰色模型的应用范围。经实测数据验证 ,该模型在土石坝水平位移预测中收到了满意的效果。

基于灰色非线性回归模型的故障预测

为克服传统灰色模型的局限性,通过对一阶累加生成序列规律性的分析,将灰色模型和非线性回归模型相结合,构造了一种灰色非线性回归模型。实例仿真结果表明,该模型既拓展了传统灰色模型的适用条件,又比传统灰色模型和非线性回归模型具有更高的预测精度,且适用性广。

非线性灰色模型在城市用水量预测中的应用

运用灰色系统原理,本文提出了城市用水量测预的非线性灰色模型GM(1,1;(?)_a),相比线性模型GM(1,1)而言,它具有适用性广,拟合精度高等优点。实例验证了该模型用于城市用水量预测的可行性及有效性。

非线性灰色预测模型在房地产投资价格中的应用

房地产价格预测是房地产投资决策必不可少的工作之一。本文用非线性灰色预测模型,对房地产投资价格进行了预测分析。通过实例证明此模型具有要求样本数据少、运算方便、短期预测精度高等优点,在房地产投资价格预测中能取得令人满意的效果。

基于遗传算法的灰色非线性水环境管理模型及应用

以郑州市贾鲁河水环境治理规划为基础,统筹考虑到治理区域内的工程建设、水环境改善策略、污水处理厂建设运行以及配套水库调度等,构建了灰色非线性水环境管理模型,并选择遗传算法作为计算手段,对该模型进行了求解。构建的模型同时考虑到了治理区域内的污水处理厂优化运行、南水北调补水、区域内3个生态湖泊与治理河段的净化能力等。通过优化运行协调,实现了运行费用经济合理、水生态环境改善、水质达标等多项治理目标。研究结果表明,基于遗传算法的灰色非线性规划在区域水环境治理中的应用潜力十分显著。

非线性灰色模型在污染物总量预测中的应用

在前人工作的基础之上介绍了几种修正的GM(1,1)非线性模型 ,并以衡阳市 1990～ 1996年城区污染物总量 (COD)的预测为例 ,探讨了各种模型的应用效果。结果表明 :非线性模型的拟合精度更高 。

最优非负变权灰色非线性模型及桥梁变形预测

针对灰色预测模型GM(1,1)拟合精度低的情况,创新性的提出GM(1,1)模型同正弦函数、余弦函数、指数函数和同常数相结合的灰色非线性模型,并给出模型解算和精度评定方法。在此基础上,根据变权原理又提出了最优非负变权灰色非线性模型解算思路。并用某桥梁变形监测工程实例进行验证。通过比较分析各模型精度发现:最优非负变权灰色非线性模型预测精度较GM(1,1)模型、灰色非线性模型得到一定程度的提高,可以应用于桥梁变形预测中。

生物种群灰色非线性变换通用模型及其应用

基于灰色高阶增量动态GMS(n,1)建模原理和方法,提出Logistic扩展模型—LM(n,1)模型、理查兹生长函数扩展模型-LLM(n,1)模型、库柏茨生长函数扩展模型—LE(n,1)模型,能有效描述生物种群数量非平稳、振荡性增长过程。应用本文模型对福建三明格氏栲种群数量增长序列进行模拟,复相关系数R^2>0.9974,平均误差率为<4.0343％。拟合优度、精度均佳。文献[1]～[3]中3种模型模拟值在序列前期存在系统偏差,本文3种模型模拟值有效消除了这一系统偏差,更适合格氏栲种群动态增长特征。本文模型信息包容量极为丰富,为非线性生物种群离散时间序列建模、预测、控制提供了新的有效规范方法,在生物、生态等领域具有广泛适用性与广阔应用前景。

非线性灰色模型在港口集装箱吞吐量预测中的研究与应用

根据灰色理论原理,将非线性灰色模型GM(1,1,α)应用于具有明显非线性数据特征的港口集装箱吞吐量的预测。通过实例分析,证明非线性灰色预测模型相比较普通灰色预测GM(1,1)模型具有较高的预测精度,有一定的实用价值。

改进非线性灰色模型在港口集装箱吞吐量预测中的研究与应用

根据灰色理论原理,提出改进的非线性灰色模型GMP(1,1,α),并应用于港口集装箱吞吐量的预测。通过实例分析,证明改进的非线性灰色预测模型具有较高的预测精度,有一定的实用价值。

非线性离散灰色Bernoulli模型的构造与应用

非线性灰色Bernoulli模型作为GM(1,1)模型的衍生模型,在捕捉序列非线性趋势上表现良好,但仍DGM(1,1)模型的基础上,提出非线性离散灰色Bernoulli模型,通过最小化误差平方和来寻找最优非线性参数,模拟和实证分析结果表明,所提出的模型在非线性小样本预测方面具有较好的预测效果。

非线性Compertzlan灰色模型的解法及其应用

本文在现有文献的基础上,应用GM(1,1)模型给出一种新的非线性灰色模型——Gompertzlan模型及其解法。最后将该方法用于某公司的实际销售额预测中,通过例子可以看出,这种新的方法具有很高的精度。

非线性直接灰色模型

灰色模型可用于描述复杂动态系统的性质,但这种描述往往是间接的,文[1]提出了一个直接灰色(线性)模型,本主旨在得到一个非线性直接灰色模型.