反向GOM(1.1)模型及其在农药降解分析中的应用

给出了反向GOM( 1 1 )模型的一种简单的直接计算方法 ,并结合理想模型、实际模型将该方法与文[6 ]GOM( 1 1 )模型、GM( 1 1 )模型的计算方法进行了对比。结果表明 :文中给出的计算方法精度优于后两者 ;GM( 1 1 )模型同样也适用于单调递减数据列的拟合。

反向累加生成及灰色GOM(1,1)模型

相对于传统的累加生成提出了反向累加生成的定义 ,给出了灰色 GOM(1,1)模型 。

反向GOM(1,1)模型参数的直接求解方法

给出反向GOM(1,1)模型的另一种形式的时间响应函数表示法和模型参数的直接求解方法;并对一些相关结论进行了讨论。

基于粒子群算法的非等距GOM(1,1)模型

等间距灰色GOM(1,1)模型是一种基于反向累加生成的灰色预测模型.为了拓广适用范围,提高GOM(1,1)模型的拟合和预测精度,给出了非等间距灰色GOM(1,1)模型的建模方法,并利用粒子群优化算法对非等间距灰色GOM(1,1)模型的参数进行优化.最后,利用一个仿真实例,表明基于粒子群优化算法的灰色GOM(1,1)模型具有较高的拟合和预测精度.也说明该方法是有效的和可行的,具有重要的理论意义.

改进GOM模型在我国矿业安全事故预测中的应用

应用反向累加生成对原始序列进行预处理,并以此建立改进的GOM（1,1）模型,再根据我国2008～ 2013年矿业安全生产事故统计数据,对我国矿业安全生产事故总数进行建模分析,给出未来事故发生的预测值,并希望能为中国安全生产管理实践工作提供决策依据,使“先预再防”的安全理念加以推广.

分数阶反向累加非等间距GM(1,1)模型及应用

针对非等间距递减序列的预测问题,首先构建了一阶反向累加非等间距GM(1,1)模型(简称为非等间距GOM(1,1)模型),并给出了模型参数的最小二乘解和可用于预测的离散时间响应式.为进一步提高模拟预测精度,利用分数阶累加思想,提出了分数阶非等间距GOM(1,1)模型.以平均模拟相对误差最小化为目标,建立非线性规划模型可求解得到最优阶数.最后,以数值模拟和钛合金疲劳强度随温度变化预测为例,证实了该文提出模型的有效性和实用性.

含线性时变参数的反向累加离散灰色预测模型

为了增强灰色预测模型对各种特征数据的适应性,在现有反向累加灰色模型研究的基础上,提出了一种含线性时变参数的反向累加离散灰色预测模型,并给出了可用于预测的模型时间响应式和还原式。通过数值模拟和对广东省电力消费量的预测分析,结果显示:新模型比传统GM(1,1)模型、反向累加GOM(1,1)模型和反向累加离散DGOM(1,1)模型具有更高的建模精度。

反向累加生成的特性及GOM(1,1)模型的优化

针对反向累加序列的生成与建模问题,分析了反向累加生成的准光滑性和准指数规律,进而给出反向累加生成序列的灰建模条件.证明了基于反向累加生成的齐次与非齐次离散指数函数之间的关系,并经过理论推导得到了GOM(1,1)模型的最优背景值.结果表明,优化的背景值与GOM(1,1)模型的时间响应函数具有较好的一致性,从而可以在理论上有效提高传统模型的精度.最后通过实例验证了优化模型的实用性与有效性.

反向累加GOM(1,1)模型的四种基本形式及比较

为进一步拓展基于反向累加生成的灰色预测模型GOM(1,1)的应用范围,构建了GOM(1,1)模型的四种基本形式:均值GOM(1,1)模型、离散GOM(1,1)模型、原始差分GOM(1,1)模型和均值差分GOM(1,1)模型,然后从理论上分析了各种模型之间的关系.最后通过构造不同特征的序列对四种模型的适应性进行比较研究,得到了一些结论,为在实际应用中选择合适的模型提供了参考依据.