反向累加生成绝对灰度性质及其在灾害事件预测中的应用

为研究反向累加生成序列绝对灰度的变化规律,基于原始序列与其一次反向累加生成序列的级比关系,推导了整数阶反向累加生成序列绝对灰度的一般表达式及其相关性质。结合实际问题背景,讨论了融合绝对灰度的反向累加灰色模型在突发灾害事件预测中的应用效果。研究结果表明:当原始序列的绝对灰度大于0.6时,进行反向累加生成变换能够有效降低序列的绝对灰度,当原始序列的绝对灰度小于0.25时,对序列进行反向累加生成变换会增大序列的绝对灰度。研究结论为灰建模的模型选择及序列预处理方式的选择提供参考。

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。

基于灰色模型的上海市职工医保统筹基金结余预测

目的预测上海市2021年—2030年职工医保统筹基金收入、支出以及累计结余,进而推断基金结余发展趋势并分析存在的问题,以期最大程度发挥职工医保基金保障功能,为基金可持续发展提供参考依据。方法根据2011年—2020年上海市职工医保统筹基金收入、支出以及累计结余建立全数据GM(1,1)与等维新息GM(1,1)预测模型,对2021年—2030年上海市职工医保统筹基金收入、支出及累计结余进行预测。结果等维新息GM(1,1)统筹基金收入及支出模型平均相对误差分别为14.74%、2.72%,其均小于全数据GM(1,1),因此,等维新息GM(1,1)模型预测精度更高。结论相较于全数据GM(1,1)预测模型,等维新息GM(1,1)预测模型预测精度更高,拟合效果更好;从2025年起上海市职工医保统筹基金开始出现当期收不抵支情况,中长期内可能出现统筹基金“穿底”问题。

基于改进灰色马尔可夫模型的花生产量预测

【目的】为了提高花生产量的中长期预测精度,提出一种改进的灰色马尔可夫模型。【方法】首先,以中国2010—2020年花生产量数据为研究样本,在传统灰色模型的基础上进行加权滑动平均处理,建立滑动灰色模型;然后,利用马尔可夫链对预测结果进行修正,得到滑动灰色马尔可夫模型;最后,采用新陈代谢的思想,对原始数据序列做等维新息处理,构建新维滑动灰色马尔可夫模型。【结果】新维滑动灰色马尔可夫模型的平均相对误差比滑动灰色模型和滑动灰色马尔可夫模型分别降低了80.00%和48.89%,并预测出未来5年中国花生产量将以2%左右的增长率增长。【结论】本研究结果可为其他农作物产量预测提供一种科学合理的思路。

改进RBF模型的医院网络异常信息入侵意图预测

由于在医院网络异常信息入侵意图预测过程中,没有对医院网络数据降维处理,导致预测时间较长、预测准确率较低,为此提出基于改进RBF(Radical Basis Function)模型的医院网络异常信息入侵意图预测算法。通过相关性分析去除医院网络数据冗余并排序,采用RBF多层神经网络对排序后的数据属性进行选择,完成医院网络数据降维处理;根据数据预处理结果,构建贝叶斯攻击图,获取网络潜在入侵攻击路径;在该路径中计算警报关联强度,提取入侵警报证据数据,通过警报证据的监测判断信息入侵概率,获得医院网络的异常信息入侵意图的预测结果。实验结果表明,所提方法的网络异常信息入侵意图预测效率快、准确率高、整体效果好。

基于等维灰数递补模型法的路面使用性能预测方法

考虑到目前国内路面使用性能预测方法存在主观性强、综合性差的不足,选取路面损坏状况指数(Pavement Condition Index,PCI)作为分析指标,分别比较了路面性能衰变PPI模型、常规GM(1,1)模型以及等维灰数递补模型的路面使用性能预测方法对PCI指标的预测效果。结果表明,3种模型的预测精度均能满足一级精度。其中,等维灰数递补模型预测结果的后验差比值最小,预测的稳定性和精确度最好,更适用于路面使用性能的预测。

时间序列的灰色建模试验

介绍了GM(1,1)的原息模型、新息模型和等维新息模型的建模方法,比较分析了GM(1,1)加权预测模型和非加权预测模型的可靠性问题.通过对实验结果的比较分析,我们认为等维新息加权预测模型预测的结果最接近真实值,其余依次是等维新息模型,加权新息模型,新息模型.在这6种预测模型中,预测精度最差的是原息模型.

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.

灰色等维新息模型在灌溉用水量预测中的应用研究

在分析现有灌溉用水量预测方法的基础上,运用灰色系统理论建立了等维新息模型GM(1,1),并用同步残差等维新息模型进行修正。结果表明,该模型能够及时更新数据信息,使模型保持良好的适应性,有效提高了预测精度。最后应用该模型对宝鸡峡灌区灌溉用水量进行预测检验,结果表明模型具有较高的预测精度。

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。

GM(1,1)模型在长江水质预测中的应用

介绍了GM(1,1)的原息模型、新息模型和等维新息模型及残差修正模型的建模方法,分别建立了长江水质预测的等维新息模型和残差修正模型。通过对模型的预测结果进行分析,并对比原数据的趋势,发现两模型在数据突变点附近有明显差别,其数据说明残差修正模型在细节方面更接近实际,其结果体现了数据的内在规律。

变步长灰色预测模糊控制研究与应用

提出了一种变步长灰色预测模糊控制算法,该算法根据新陈代谢原理,建立等维新息预测模型,将预测概念扩展为前向和后向预测,并与模糊控制相结合,对电液比例压力控制系统的顶推压力进行控制.该算法不需要被控对象模型结构的先验信息,基于少数据、贫信息,具有在线自适应以及计算量小的特点,满足实时控制的要求.通过对变步长灰色预测模糊控制与PID控制和纯模糊控制进行仿真和试验比较表明,变步长灰色预测模糊控制在不增加超调的情况下减小了响应时间,改善了控制效果.

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。

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互联网用户人数预测研究

对互联网用户人数的科学预测可为网络的建设和管理提供决策依据。在传统灰色预测模型的基础上,结合新信息优先的思想,建立了等维新息灰色预测模型,并利用马尔可夫链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2007年12月-2012年06月我国互联网上网人数实测值为原始数据,构建预测模型,预测2012年12-2014年06月的互联网上网人数。实例结果表明,等维新息灰色马尔可夫预测模型其预测结果的误差更小,精度更高,还能提供预测结果的波动范围及出现概率。

基于改进灰色理论的中长期负荷预测方法研究

中长期负荷预测是配电网规划的必要前提,对于电力系统经济效益和社会效益的提升具有重要意义。针对传统灰色预测模型预测精度低,适用性不强的缺陷,提出了一种基于改进灰色理论的电力系统中长期负荷预测方法。该方法在经典灰色预测GM(1,1)模型的基础上,首先利用三点平滑法对历史数据进行预处理,然后再构建基于等维新息矩阵的GM(1,1)模型,最后利用残差处理方法对预测结果进行修正。基于四川某地区售电量负荷预测的实际算例的仿真结果表明,相比于传统灰色预测模型,本文提出的改进灰色预测方法在预测精度和适用性方面都具有显著优势。

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。

一种改进的等维新息灰色模型及其在土石坝沉降预测中的应用

提出采用多层建模与等维新息灰色建模的联合方法预测土石坝沉降.该方法根据灰色理论的等维新息思想,采用参数递推公式计算灰色沉降模型的参数序列,并根据计算出的参数序列构建其预测模型,从而建立了反映系统时变特性的灰色预测模型.实例分析表明,本方法较好地反映了系统的时变性和灰色性,取得了较精确的沉降预测结果.

黄土高原小流域次降雨侵蚀产沙分段预报模型研究

建立具有广泛适用性的流域尺度侵蚀产沙预报模型是土壤侵蚀和水土保持研究的前沿领域。本文以黄土高原丘陵沟壑区第一副区岔巴沟流域为例,建立了流域侵蚀产沙人工神经网络模型,并运用缺省因子检验法分析各因子对流域侵蚀产沙的敏感程度;建立了基于敏感因子与分形信息维数的流域次降雨侵蚀产沙分段预报模型,并加以验证。研究表明,人工神经网络模型具有较高的精度,能够很好地定量描述流域水沙耦合关系;径流侵蚀功率和径流深对流域次降雨侵蚀产沙的敏感程度与流域地貌形态的复杂程度有关;以分形信息维数为界限,分段引入径流侵蚀功率和径流深,当Di>0.8308时,采用径流侵蚀功率预测精度要高于采用径流深的预测精度,当Di<0.8140时,采用径流深预测精度要高于采用径流侵蚀功率的预测精度。该侵蚀产沙分段预报模型的建立和方法的提出具有一定的合理性和可靠性,对其他侵蚀产沙模型有一定的借鉴之处。

新息与等维新息非等间距GM(1,1)模型及其应用

为了提高灰色理论中模型的预测精度,通过分析积分重构GM(1,1)模型,将积分获取背景值的方法应用到新息和等维新息模型中,并且将模型的适用范围从等间距进一步扩展到非等间距。通过实例比较了新息和等维新息模型,结果表明:新息模型将预测的新信息补充到原始序列,能很好的反映系统的发展;而等维新息模型随着系统的发展,不仅添加新信息,而且除去老信息,这样的处理方式比仅仅添加新信息的方式具有更好的预测效果;这些结论丰富了灰色系统的模型,为灰色理论的运用提供了一个有效的方法。