基于AHP与熵值法构建的火灾预测组合灰色模型

火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理;其次建立了基于背景值优化的灰色模型和无偏优化灰色模型;而后引入了结合等维新息理论的马尔可夫模型,对经过改进的灰色模型进行预测值的残差修正;最后建立了基于层次分析法(AHP)与熵值法的主客观赋权组合模型。针对北京市2012—2019年火灾事故数据进行建模,并对后续两年的火灾发生数量进行数据预测与模型对比验证分析,根据预测结果判断未来火灾数据的变化趋势。实验结果显示,优化模型可以提高预测精度,其中结合AHP与熵值法的组合模型预测精度达到了相对残差最小为0.6105%,后验方差比为0.323%。实验结果证明,优化后的模型可以更好地应用于对火灾事故的预测。

改进Verhulst模型在饱和负荷预测中的应用

为实现对宏观负荷的饱和时间点、饱和规模的预测,提出了一种基于改进Verhulst模型的饱和负荷预测方法。针对饱和负荷预测时间跨度长、负荷规模增长呈现"S"型的特点,将等维新息递补技术引入灰色Verhulst模型,使预测结果能够更科学合理地反映用电需求的发展规律。采用残差修正的思想,构造Verhulst残差修正模型,实现对用电需求的分析与预测。最后,通过实例分析说明该方法的有效性。

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响,各种预测方法都有其局限性的问题,在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上,提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法,能够实现在线预测模型参数,满足动态电力负荷能解决随机干扰影响的要求,最终的预测结果误差可基本控制在3%之内.经过实例计算,组合优化灰色预测模型用于中长期电力负荷预测,与传统的系统理论方法相比较,该方法计算简捷,预测精度高,具有很好的实用性.

中长期电力负荷的组合预测法

组合预测法能较大限度地利用各种预测样本信息,有效地减少单个预测模型建立过程中一些环境随机因素的影响,提高预测精度。通过对灰色预测法、等维新息法、回归分析法的研究,先由原始数列建立灰色预测模型,预测出近期数据,再运用等维新息思想,把灰色模型的近期预测值添加到原始数列中,生成组合的数列,由新生成的组合数列建立回归模型,预测长期电力负荷值。通过一个实例比较组合预测和灰色模型的预测结果,对比得知,组合预测的精确度优于灰色预测。

动态灰色预测模型在大坝变形监测及预报中的应用研究

详细地讨论了灰色预测模型GM(1,1)和动态灰色预测模型的基本内容及建模过程,并成功地将等维新息和等维灰数递补两种动态灰色预测模型应用于大坝变形的预测预报。实践证明,等维新息动态预测由于实时地加入了新的信息,提高了灰区间的白色度,预测效果最好;等维灰数递补动态预测利用了序列建模的结果,淡化了灰平面的灰度,使预测结果有所改善;GM(1,1)模型由于是静态地反映系统的变化趋势,预测的精度最低。因此,动态灰色预测模型在大坝变形的预测预报中比静态预测模型具有更高的应用价值。

改进灰色模型在电力负荷中的预测分析及实现

深入研究了基于灰色系统理论的电力负荷预测方法,剖析了灰色预测GM(1,1)模型应用的局限性及其改进方法,在对原始数据序列进行插值平滑处理的基础上建立了等维新信息灰色预测模型,并用此方法对某地区的电力负荷进行预测分析,结果表明:模型精度较高,预测误差较小,该方法可以作为电力负荷预测的理想工具。

基于灰色预测的加速试验机理一致性判定方法

确定失效机理一致性条件是保证加速试验正确性的前提之一.由于现有的一致性判定方法只能利用加速试验数据,不能指导加速试验设计,因此需要一种基于强化试验数据的一致性判定方法.针对工程中强化试验数据少的特点,选取可以处理少数据的灰色预测,给出了一致性判定的新方法及流程.该方法通过将灰色预测中的GM(1,1)和等维新息模型相结合,找出强化试验数据的趋势改变点,在加速试验之前得到机理一致性变化的条件.通过在加速度计中的应用案例,验证了该方法的可行性.

灰色模型在电力负荷预测中的应用与改进

灰色GM(1,1)模型是一种较有效的负荷预测模型,然而由于电力负荷具有多样性,当负荷增长曲线不是G型时,其预测误差较大,精度不能满足要求,在实际应用中具有一定的局限性。对灰色GM(1,1)模型进行必要的改进,通过实例分析,利用等维新息递推模型、组合灰色模型进行负荷预测,可大大提高预测精度。

基于新维无偏灰色马尔可夫的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。在传统灰色预测模型和马尔可夫链理论的基础上,利用新信息优先的思想,建立了等维新息无偏灰色马尔可夫预测模型。该模型通过结合灰色预测与马尔可夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行马尔可夫预测,在每一步预测中不断推陈出新,更新原始数据。以2001年—2010年全国道路交通事故死亡人数实测值作为原始数据,构建预测模型,预测其2011年—2015年事故死亡人数。结果表明:等维新息无偏灰色马尔可夫预测模型的误差更小,精度更高,尤其适合中长期预测。

基于等维新息灰色马尔可夫模型的大连城市用水量预测

对城市用水量的科学预测是城市水资源合理开发、利用和管理的基础。在传统灰色预测模型的基础上建立了等维新息灰色预测模型，并利用马尔可夫链预测模型预测出结果的波动范围，形成等维新息灰色马尔可夫预测模型。再以1998－2007年大连城市用水量实测值作为原始数据，构建预测模型，预测其2008－2012年用水量。结果表明：等维新息灰色马尔可夫预测模型预测结果的误差更小，精度更高。该预测结果可以为大连未来城市供水规划提供参考依据。

基于等维新息的GM(2,1)递推预测模型

针对GM(2,1)白化方程的解影响其预测精度的问题,提出了一种新的预测模型——等维新息GM(2,1)递推预测模型。该模型通过其灰色微分方程推导出GM(2,1)递推预测模型的表达式,避免了对二阶白化方程进行求解,同时解决了差分方程与微分方程之间因转换而产生误差的问题,并结合等维新息的思想更新GM(2,1)递推预测模型的参数。最后通过实例验证了所提等维新息GM(2,1)递推预测模型的有效性和实用性。

引入时变递增因子的加权等维新息模型及预测

从灰色系统理论入手 ,针对已发生的时间序列的一组变形观测数据 ,按其可靠性随时间成正比例变化的特性 ,引入时变递增因子来定权 ,并及时更新数据 ,用最新的数据替换老的数据 ,建立等维新息模型 ,以保证原始数据对模型的作用 ,使模型更能反映实际 .实例计算分析表明 :该模型样本需求量小 ,计算简单 ,能动态地反映出系统的时变特性 。

蒋家沟泥石流输沙年际变化及其灾变预测

根据云南东川蒋家沟泥石流年输沙量的时序资料,分析了蒋家沟泥石流输沙的年际变化特征,发现历年输沙量变动幅度大,波动明显且年际变化频繁,用灰色系统理论的灾变预测方法,建立泥石流年输沙量的等维新息灾变预测模型,能够对未来可能出现的灾变年份进行较好的预测。在前期研究基础上,补充最新观测资料,建立了新的灾变时间序列和相应的等维新息灾变预测模型,使蒋家沟泥石流的年输沙量灾变预测得以连续进行,并对预测结果进行了检验,效果较为理想。

改进的灰色Verhulst模型在中长期负荷预测中的应用

针对中长期电力负荷预测"小样本"、"贫信息"、"不确定"、"非线性"等特点,提出了基于最小二乘支持向量机算法与等维新息技术的改进灰色Verhulst模型,并将该模型用于具有"S型"增长或处于饱和增长状态的中长期电力负荷预测。根据原始数据建立了灰色Verhulst模型,利用LS-SVM算法对模型中的参数进行了估计,基于等维新息递补预测法对负荷数据进行了预测。实例计算结果表明,基于该模型得到的预测结果相对误差在3%以内,与传统预测模型相比,采用文中的模型可获得更高的预测精度。

铁路旅客周转量的改进等维新息模型预测

铁路旅客周转量预测不仅影响铁路客运计划组织工作,它还体现了客运市场中铁路运输的市场控制力。针对灰色模型对数据的要求,采用滑动平均处理和对数化处理原始数据,并采用等维新息模型对铁路旅客周转量进行预测,通过与实际情况和GM(1,1)模型的预测效果的对比可以发现,该模型可以通过检验并且预测效果良好。

改进灰色模型在电力负荷预测中的应用

灰色GM(1,1)模型是一种较有效的负荷预测模型,然而由于电力负荷具有多样性,导致对某些变化规律的负荷预测误差较大,精度不能满足要求,在实际应用中具有一定的局限性。对灰色GM(1,1)模型进行必要的改进,利用等维新信息递推模型进行负荷预测,通过实例分析表明,可提高预测的精度。

等维新息模型在地表沉降监测中的应用

介绍了等维新息模型的建模过程及其精度评定方法,并以某矿区地表沉降实测值为依据,建立等维新息模型对其沉降趋势进行预测,在对预测值进行残差修正后,经实测结果对比,与沉降趋势相符合,验证了等维新息模型在地表沉降预测应用的可行性。

负荷预测的灰色系统方法

完善灰色预测模型ＧＭ（１，１）的建模机理，使其具有更广泛的应用性。否定了灰色预测的传统检验方法后验差检验方法，同时利用数理统计常用方法对模型进行了比较深入的研究。实例表明改进的ＧＭ（１，１）模型具有较高的拟合精度和预测精度。

优化灰色模型在负荷预测中的应用

论述了用优化灰色理论进行电力系统负荷预测的建模过程。通过指数平滑法对原始负荷数据进行预处理 ,把有起伏特性的原始数据序列改造成规律性强的序列 ,再利用优化灰色模型进行预测 ,提高了预测精度 ,该方法简捷实用 ,经实际算例校核证明 。

灰色Verhulst与等维新息组合模型在中长期负荷预测中的研究

本文针对中长期电力负荷预测使用的历史数据较少且影响因素较多的特点,提出了一种线性灰色组合模型。该模型将灰色Verhulst模型与等维新息灰色理论线性组合,充分发挥了灰色Verhulst模型所需数据少、不受特定负荷数据以及等维新息灰色理论影响,保持数据原有维数、保证最优信息量和动态预测的优势。算例结果表明,该预测模型精度较高,具有实用性。