连续GM（1,N）模型的建立及在色谱保留行为的预测

应用灰色系统理论，导出连续ＧＭ（１，Ｎ）模型，建立了灰色数模运算软件，并将其应用于高效液相色谱中溶质保留行为的预测，均获得了满意的结果。

公路货物运输发展影响因素的灰熵分析及其GM（1，N）预测

公路货物运输是现代运输主要方式之一。基于公路货物运输发展的历史数据，采用灰熵分析法，对公路货物运输发展影响因素的显著性进行分析；建立GM（1，N）模型，对公路货运周转量及其显著影响因素进行预测。研究结果表明：工农业总产值、固定资产总投资和GDP是影响我国公路货运周转量发展的三个最显著影响因素；建立的GM（1，N）灰色预测模型，能够较好地预测公路货运周转量及其最显著的三个影响因子的发展趋势，且预测结果与统计数据吻合较好。在公路货物运输发展研究中引入灰色系统理论是可行的，通过灰熵分析与GM（1，N）多因素预测，可为各级决策部门制定公路货物运输发展战略和发展规划提供依据。

基于GM(1,N)模型的湖北省物流需求预测分析

文章通过对湖北省物流需求影响因素进行分析,采用湖北省2011—2020年的统计数据构建灰色(1,N)模型,遴选出与系统特征序列相关程度较高的几个影响因素作为预测指标,构建GM(1,6)模型对湖北省物流进行预测研究。模型检验结果表明灰色(1,6)模型具有较高的可信度和准确度,为湖北省有关部门制定物流业发展规划提供一定的参考。

GM(1,N)模型的病态性研究及其在生态创新中的应用

本文以中国工业企业为研究对象,深入探究适用于多因素、少数据的生态创新相关指标特征的灰色模型预测技术。针对传统灰色预测模型在进行参数估计时可能存在的病态性问题展开研究,通过引入L2正则项的最小二乘法,利用粒子群算法求解最优值。将该模型应用于生态创新,与其他模型进行结果对比。结果表明,引入L2正则项的最小二乘法解决了模型的病态性问题,具有良好的预测性能,验证了该模型的有效性。

基于改进GM(1,n)的动态网络舆情预警模型

舆情的自由传播会导致网络集群行为的发生,易产生负面社会影响,威胁公共安全,因此建立网络舆情监控及预警机制是防控舆情传播、维护社会稳定的必要措施。首先,通过分析谣言的形成机制,构建了舆情发展预测指标体系;其次,通过建立多因素GM(1,n)模型对舆情发展的走向进行预测;然后,分别结合新陈代谢理论与马尔可夫理论改进上述预测模型;最后,以微博“新疆棉”事件和“成都四十九中”事件为例,对GM(1,n)模型、马尔可夫GM(1,n)模型和新陈代谢马尔可夫GM(1,n)模型预测舆情发展的能力进行对比,并比较了新陈代谢马尔可夫GM(1,n)模型与随机森林模型。实验结果表明,相较于原始模型与随机森林模型,新陈代谢马尔可夫GM(1,n)模型的平均预测精度分别提高了10.6和5.8%。可见,新陈代谢马尔可夫GM(1,n)模型在预测网络舆情发展趋势问题上具有良好的性能。

基于新陈代谢算法优化的GM(1,N)动态网络灰分拟合

煤炭是我国能源资源安全的压舱石,“双碳”背景下实现煤炭清洁加工与高效利用意义重大,而灰分检测对煤炭清洁化和智能化发展尤为重要。针对现有灰分检测存在的检测精度有待提高的突出问题,以两淮矿区典型煤样为研究对象,通过慢灰和X射线荧光(X ray fluorescence,XRF)测试系统地探究了煤样的灰分和元素组成分布规律,并结合机器学习理论构建了灰分-元素特征数据集;结合灰色系统理论和新陈代谢算法,构建了自适应的GM(1,N)动态网络灰分拟合优化模型,并详细设计了动态网络算法流程;提出了GM(1,N)动态模型的关键超参数,并通过与常规拟合方法对比,全面地评价了模型拟合性能。结果表明:两淮矿区煤可视为由可燃元素和成灰元素共同构成,且成灰元素中质量分数占比最高为Si和Al,次之为S、Fe和Ca等,最少为P和Cl等,并且煤中成灰元素总含量与灰分呈正相关,而可燃元素与之相反;以灰分为标签值、以组成元素为特征值,形成了煤的灰分-元素特征数据集;以样本数据划分→动态网络灰分拟合→模型评价机制→动态拟合模型自适应优化→鲁棒性提升→多轮迭代优化为主线设计了GM(1,N)动态网络灰分拟合模型及其算法流程,有效提升了数据集稳定性和新鲜度,并且迭代收敛速度快,灰分误差阈值5%时其准确率达100%;对比经典GM(1,N)模型和常规多元线性回归模型,证明了新模型的灰分拟合性能得到显著提升,其相对误差为0.16%~4.96%、误差均值仅2.29%。

湖北省农产品物流需求预测研究——基于GM(1,N)模型

农产品物流既是保障民生的基础,也关乎现代农业的发展。文中基于湖北省2011-2020年数据,对湖北省农产品物流需求量的相关因子进行分析,采用一阶多变量的GM(1,N)灰色预测模型,构建湖北省农产品物流需求预测指标体系,以灰色关联度计算为依据,选出与湖北省农产品物流需求量相关程度高的相关因子作为预测指标,构建灰色GM(1,6)模型,结果显示预测模型精确度和可信度较高,并根据预测结果提出农产品物流发展相关建议,为湖北省农产品物流业制定规划、提供参考。

基于优化GM(1,N)模型的油气管道腐蚀速率预测

为了提高油气管道腐蚀速率的预测精度,解决样本缺失情况下管道剩余寿命的预测问题,通过斯皮尔曼相关系数和随机森林算法寻找腐蚀因素中相关性较高的变量,去除相关性较高但重要性较低的变量,采用人工蜂群算法(ABC)对GM(1,N)模型的背景值进行动态优化,形成优化GM(1,N)模型,并对不同模型的预测结果进行了对比。结果表明,腐蚀因素中一些变量存在较强的相关性,筛选出重要性较高且相关性较小的5个变量,分别为土壤电阻率、含盐量、氧化还原电位、含水量和硫化物质量分数;与GM(1,10)和GM(1,6)模型相比,优化的GM(1,6)模型在训练阶段和预测阶段的平均相对误差均大幅降低,分别为1.52%和2.03%,预测结果更接近实际值,说明了降低因素冗余性和对背景值进行优化的必要性。该优化模型可为油气管道腐蚀速率的准确预测提供实际参考和借鉴。

多变量GM(1,n)模型在桥梁施工挠度控制中的应用

在大跨度桥梁施工控制中,传统单变量灰色理论受误差影响较大,为提高在多因素影响下的挠度预测精度,在单变量GM(1,1)模型的基础之上,通过建立多变量灰微分矩阵方程,结合灰色预测原理,提出一种多变量GM(1,n)关联预测模型。用MATLAB编制了相应的计算程序,并将其应用于新建太中银铁路跨青银高速(75+120+75)m预应力混凝土连续梁的高程预测中,实践结果显示该模型基本准确地预测了架设过程中各梁段高程。

关于农产品冷链物流需求预测的灰色GM(1,N) 模型

经济区域冷链物流的基础设施规划的基础工作在于对冷链物流的需求预测,对农产品冷链物流需求预测建立分析框架、选择适合的预测方法具有非常重要的现实意义。文中通过灰色关联分析,选取能够影响全国冷链物流指标的部分影响因素。利用2013-2020年全国冷链物流需求相关数据,选取全国社会物流总费用、全国冷链物流总需求量来建立GM(1,N)灰色预测模型,对全国农产品冷链物流的需求量进行预测。通过实验,其预测结果精度较好,平均误差为3.63%。通过此模型,提出相关建议来完善全国的农产品冷链物流。

基于改进GM(1,N)模型的我国大豆价格影响因素分析及预测研究

大豆是我国重要的粮食作物和油料作物,其价格对于国民经济尤其是农业经济的影响意义深远。大豆价格的稳定对于我国大豆市场的健康发展有着重要的现实意义。在灰色理论的基础上,提出了一种改进GM(1,N)大豆价格预测模型,首先运用灰色关联分析法对我国大豆价格的影响因素进行分析,选择主要的影响因素;再将这些影响因素作为模型的相关因素变量,构建GM(1,N)大豆价格预测模型。采用2010-2015年的大豆数据进行实证研究,模型选取国内大豆自给量、世界大豆产量、国民消费价格指数、消费者信心指数4个变量作为相关因素变量;模型预测误差为2.10%,预测精度较高,能够较好地掌握大豆价格的变化规律,可以为大豆价格市场预测及国家宏观政策的制定提供理论指导。

色谱灰色数模的建立及其应用研究(Ⅰ)──连续GM(1,N)模型的建立及色谱保留行为的预测

应用灰色系统理论和最小二乘原理，推导出连续GM（1，N）模型，并将该模型用于高效液相色谱中溶质保留行为的预测．研究了烷烃、烷基苯及对羟基苯甲酸酯等化合物的容量因子与流动相组成、容量因子与碳数、保留时间与温度、保留时间与碳数的关系，并建立了相应的数学模型，经验证，预测结果良好．

尿道下裂与环境污染的关系—Poisson回归模型与GM(1,N)模型结合分析

目的 :分析我国尿道下裂与环境污染的关系。方法 :利用已收集的全国 31个省市 1988～ 1992年和 1996～2 0 0 0年的男性尿道下裂监测资料以及 1987～ 1992年和 1995～ 2 0 0 0年的环境因素监测资料 ,同时采用收集的各省地理面积资料 ,建立多元Poisson回归模型和GM (1,N)模型 ,对 1988～ 2 0 0 0年尿道下裂的发生与 1987～ 2 0 0 0年环境监测数据的相关性进行分析。结果 :与尿道下裂相关的主要环境污染因素为单位面积废水排放量x1(OR =1 35 2 ,P =0 0 0 6 )和单位面积农药使用量x2 (OR =1 378,P =0 0 0 1) ;对尿道下裂发生率建立的GM (1,N)模型为IR (t+1) =(5 82 15 - 0 0 0 0 6 8x1- 0 12 2 6x2 )e-1 460 2t+0 0 0 0 6 8x1+0 12 2 6x2 。结论 :废水排放和农药使用是我国尿道下裂发生的环境危险因素。

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少。为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型——非线性GM(1,N,x(10))和GM(1,N,x(11))模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值。进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法。最后通过一个实例进一步表明该模型的可行性与优化性。

GM(1,N)模型进行钢材腐蚀速度预测及腐蚀因素敏感性分析

特定钢不同环境下的腐蚀速度预测极为复杂。应用灰色系统理论建立钢材腐蚀速度预测及腐蚀因素敏感性分析的GM(1,N)模型(GlayModel),突破了神经网络方法需要多个样本才能预测的局限。通过计算驱动系数来判断腐蚀因素对腐蚀速度的影响,并提出了选取关键因素进行GM(1,N)建模的方法,在保证精度的情况下,减少了计算量。2个实例分析结果证明,该模型能够准确预测钢材的腐蚀速度,并能正确地判断腐蚀因素对腐蚀速度影响的程度和极性,为钢材腐蚀速度的预测及腐蚀因素的敏感性分析提供了新方法。

GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。

灰色GM(1，N)自记忆模型研究

对灰色多变量自记忆模型进行了尝试性研究,首次将系统的影响因素在建模时加以考虑,给出了建立灰色GM(1,N)自记忆模型的方法。在此基础上结合新疆和田绿洲月蒸发能力实测资料,建立了灰色GM(1,2)自记忆模型,取得了理想的预测效果。结果表明,建立的多因素影响的灰色自记忆模型有着可行性。

基于灰色系统GM(1,N)模型的脱碳装置效果分析

脱碳系统相对简单,适用于小样本预测。为了研究影响脱碳装置稳定性的因素,验证当前工况下的生产调节方法及参数是否满足生产要求,使脱碳效果达到最佳。结合LNG工厂开工升量、稳产、降产停工3个阶段脱碳装置的运行参数,选用灰色系统GM(1,N)模型进行建模运算。模拟结果直观反应出脱碳系统的运行规律,找到了影响脱碳效果的主观因素。研究表明,吸收塔塔底、塔顶温度是影响脱碳反应的主观因素。装置的生产运行调节参数需定期进行校验调整,才能使脱碳效果达到最佳状态。

GM(1,N)模型的离散化结构解

针对灰色系统GM(1,N)模型是以差分方程为基础进行参数估计的,而其时间响应函数却是由微分方程的解得到的。从差分方程到微分方程的跨越,缺乏充分的科学基础和理论依据。通过对灰色系统模型建模机理进行深入剖析,利用采样定理和状态转移矩阵在差分方程和微分方程之间架起一座桥梁,通过算例仿真实验证明了该算法的有效性。

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为:乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM(1,5)预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM(1,5)模型的残差进行修正,以便改善预测精度。实例结果:事后检验阶段GM(1,5)模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。