动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星电池阵输出功率的未来值进行预测 ,可实现对电池阵性能劣化的早期预报 .灰色预测方法的GM(1,1)模型只适合对单调递增或递减时间序列进行预测 ,针对卫星电池阵输出功率具有波动变化的趋势特征 ,采用实时在线的方法 ,建立了动态新息GM (1,1)预测模型 ,经实例预测验证 ,动态新息GM(1,1)模型可明显地提高预测精度 ,并且能对电池阵输出功率的波动变化趋势正确预测 .

基于动态新息模型的雷达装备故障趋势预测

准确的故障趋势预测对于雷达装备的预防性维修具有重要意义;而灰色GM(1,1)预测模型和时序AR(n)预测模型又各有其优缺点,如将二者有机结合则可取长补短、相得益彰;根据雷达装备重要器件的状态监测信息建立动态新息GM(1,1)-AR(n)预测模型可准确预测其故障发展趋势,进而可建立雷达整机的故障趋势预测模型。

等维动态新息模型在交通事故预测中的应用

基于灰色理论建立的能够及时地更新数据,用最新数据替换老数据建立的等维动态新息模型,能够保证原始数据对模型的作用,使模型更能反映系统的实时性,而且样本需求量小,使预测的准确度得到了有效的提高。等维动态新息模型分为等维动态Verhulst新息模型和等维动态GM(1,1)新息模型,本文主要探讨了这两种模型在道路交通事故预测中的具体应用,并分别完成了道路交通事故总量和道路交通事故死亡人数的预测。