均值生成时序及SCGM_(mv)(1.1)预测模型

分析了均值生成时序 ,按 SCGM( 1,h)建模原理构造了基于均值生成时序的 SCGMmv( 1,1)模型 .该模型的预测精度高 ,计算量少 ,适应于动态过程快速建模 .示例表明 :SCGMmv( 1,1)的拟合、预测效果是令人相当满意的 .

均值生成函数的周期性延拓在回归分析中存在的问题及其改进方案

针对均值生成函数的周期性延拓在回归分析中存在的回归前提不同，预报因子是预报量的非独立表现等缺点，给出了改进方案。实例分析计算表明：新方案可以有效地消除原方案中存在的非独立虚假相关现象，从而使得筛选出周期性预报因子更加客观。基于本方案所建立的数学预报模型，具有历史拟合率与多步长预报精度基本一致的特点，是一种具有使用价值的长期预报手段，也有一定的隐含周期分辨能力。

干旱研究中的均值生成函数模型

干旱规律研究是水旱灾害对策研究的一个重要内容。较好地模拟历史上干旱发生及其演变规律，对于客观预测未来干旱发生情况和有关部门作出准确相应的决策具有十分重要的意义。本文以分析一维时间序列为基础，介绍了均值生成函数这一概念，提出了应用正交化筛选建立模型的思路，并且经数学推导建立了均值生成函数模型。最后将模型应用于山西省榆林地区、陕西省关中地区的月农业干旱指标序列的模拟与预测。研究结果表明，均值生成函数模型能够较好地模拟干旱发生规律，并能较好地预测旱涝趋势。

基于模糊理论和逆推算法改进均值生成函数的短期风速预测研究

准确预测风速对包含风电场的电力系统运行至关重要。为提高短期风速预测模型的精度、实用性,针对风速时间序列既有随机波动性又有趋势性的特点,文中提出了一种基于模糊理论和逆推算法改进均值生成函数的短期风速预测方法。首先利用模糊理论和逆推算法对均值生成函数进行了改进,推导出模糊均生函数,然后将其与最优子集回归模型相结合,建立短期风速预测模型。实例分析表明,与传统均值生成函数模型及经典的ARMA预测模型相比,所建新模型集合了均值生成函数和模糊理论以及逆推算法的优点,有效提高了短期风速的预测精度,具有良好的工程应用前景。

一种改进均值生成函数的电力负荷预测新模型

为了改善短期负荷预测模型的精度和实用性,针对短期负荷序列的随机波动性、周期性,提出了一种基于模糊集隶属度改进均值生成函数的负荷预测方法。首先,选用新的模糊集隶属度改进均值生成函数的构造过程,然后将其与最优子集模型结合,最后使用所建组合模型对负荷进行短期预测。实验结果表明,所建新模型有较高的预测精度。

哈尔滨市江南地区地下水水位水质灰色系统均值生成序列算子预测

地下水位，水质是受多种（水文、气象、地貌、地质、水文地质条件和人为活动）因素影响，其原始数据列表象复杂，离乱，但它必须蕴含某种内在规律性。关键是选择适当方法去发掘和利用它。一切灰色序列都能通过某种生成弱化其随机性，显现其规律。建立ＧＭ（１．１）模型采用均值生成和序列算子，对哈尔滨市江南地区地下水位，水质预测，结果较其它方法预测结果更接近实际，精度更高。

加权均值生成建模法及其应用

从灰色理论建模特点出发，提出了加权均值生成的数列生成方法，用该方法生成的新数列建模。

基于均值生成函数的时间序列分析

一、引言时间序列分析主要有两个目的,一是分析时间序列的统计规律;二是根据过去和现在的观测样本构造拟合序列的最佳数学模型,并用此模型对未来进行预报。其中周期图、功率谱和最大熵谱估计等都是分析时间序列性质的有效工具,但它们本身不能用于对未来的预报。自回归模型(AR)和自回归滑动平均模型(ARMA)

加权均值GM(1,1)模型及应用

通过数据处理,寻求一种改进灰色系统GM(1,1)模型的方法 文中首先论证了加权均值生成的若干相关性质,然后将加权均值生成法运用于灰色系统GM(1,1)模型的建模过程 计算结果表明,加权均值GM(1,1)模型比传统的GM(1,1)模型有所改进,精度得到提高 并将改进后的模型应用于应力集中问题,也取得了较好的效果 这表明,加权均值GM(1,1)

AOS协议中自适应帧生成算法的研究

帧生成过程作为CCSDS AOS两级多路复用机制的第一级,其性能直接影响着AOS系统的传输效率和时延特性。本文对AOS协议中帧生成算法进行研究,分析了在包到达率服从泊松分布条件下,高效率帧生成算法的帧生成时间均值。针对高效率帧生成算法中可能出现的在较长时间内没有足够多的包到达,导致帧生成时间过长,从而造成帧生成时延超过业务所允许的最大时延情况,提出了一种自适应帧生成算法。理论分析和仿真结果表明,本算法不但能克服高效率帧生成算法中可能出现的大时延问题,并且比传统的等时帧生成算法具有更高的信息传送速率。

灰色数列预测在我国税收预测中的应用

准确预测税收总量,对于有效地进行市场经济条件下的宏观调控有着重要的意义。定性分析了我国1992到1997年的税收数据,引入了均值生成算子对原始数据进行处理,建立了GM(1,1)模型,从而发现、掌握税收数据的变化规律,并对未来数据进行了定量预测。为了充分利用新信息,进一步提高预测精度,对数据进行了新陈代谢,再次建模预测。结果表明,用GM(1,1)模型对税收数据进行预测,不仅所需样本小、信息少,而且建模简单,具有很好的预测精度。

基于均生函数-最优子集回归模型的短期电力负荷预测方法

为进一步提高电力负荷预测的精度和运算速度,针对短期负荷预测样本数据既有趋势性又有波动性的特点,采用均生函数-最优子集回归(mean generating function-optimal subset regression,MGF-OSR)建立预测模型。相对于均生函数主成分回归(mean generating function-principal component analysis,MGF-PCA)模型,该方法引入了一阶、二阶差分序列对高频部分进行拟合,又建立累加生成序列拟合其趋势,通过均值生成函数(MGF)将上述所有序列构建出预测因子矩阵,采用双评分准则进行粗选,剔除评分较低的因子,其他预报因子经组合寻优后得到最优子集并以此建立预测模型。实例分析表明,该模型预测的平均相对误差可低至2.42%,明显优于主成分回归模型的预测精度。

样本数据缺失的灰数补救方法

文章讨论了用灰色系统理论中紧邻均值生成灰数和GM(1,1)模型拟合型灰数对缺失样本数据进行补救的问题。

GM(0,H)模型在煤炭发热量计算中的应用

运用灰色系统理论 ,对煤炭发热量和灰分、水分的量化关系进行了分析探讨。利用加权均值生成数据建立GM (0 ,3)模型 。

灰色系统模型在结构损伤识别中的应用

开发结构健康监测系统是结构损伤识别的一个重要课题。由于建筑结构具有很多不确定因素,通过模态分析识别结构损伤的精度很难保证。本文提出一种灰色系统模型应用于结构损伤识别的方法。建立频率变化率和刚度变化的灰色系统模型,把一阶单变量的灰色模型(M(1,1))作为频率变化率和刚度变化之间的系统,通过一阶单变量的灰色模型(M(1,1))预测来体现结构动力指纹的整体功能,确定频率变化率和刚度变化之间的关系变量。为了验证理论,对多种工况进行了框架结构模型的振动试验并对结果进行了分析。试验结果表明:对于层间剪切结构,通过测量结构频率变化,建立的灰色系统模型可以较准确地确定结构的损伤位置和损伤程度,并使识别精度得到有效提高。

系统仿真数据采集管理传递误失补偿方法

针对在系统仿真信息采集、信息管理、信息传送过程中数据列出现空穴、误传或丢失的问题,文章探讨如何对数据进行有效补偿,并结合灰色理论与正交试验设计方法建立了数据列缺失补偿模型,给出了数据列空穴补偿优化准则与具体的补偿方法;通过具体的补偿实例说明信息链空穴灰色生成与正交试验设计生成是一种极为有效地信息缺失补偿方法。

城市主要农副产品集市价格的灰色评估

本文运用基于三角白化权函数的灰色评估方法 ,根据 2 8种主要农副产品 (简称为农产品 )的集市价格 (简称为价格 ) ,对国内 36个城市的农产品的价格水平进行灰色评估 ,通过比较各城市的农产品的价格 ,得到一个城市农产品的价格排行榜 .本文对均值生成 ,评估指标 (简称为指标 )的选择作了改进 。

济宁市城区人口出生率的预测与分析

利用灰色系统 GM( 1,1)预测模型 Y( t) =[x( 1) -u/a] e- a( t- 1 ) +u/a分别预测了 2 0 0 0～ 2 0 0 4年济宁市城区人口出生率。结果显示 ,依据济宁市城区 1992～ 1999年人口出生率资料 ,所建立的灰色预测模型为 :Y( t) =40 2 38.91e0 .0 0 0 2 6 57( t- 1 ) -4 0 2 2 9.

SCGMmv（1，1）模型研究及其在工程测量预测中的应用

分析了均值生成时序，按SCGGM（1，h）建模原理构造了基于均值生成时序的SCGMmv（1，1）模型。该模型的计算量少，预测精度较高，适应于动态过程快速建模。对工程测量的预测表明：SCGMmv（1，1）的拟合、预测效果是令人满意的。

基于灰色理论的移动梦网数据分析

灰色系统预测 ,是将系统主行为与关联因子一起进行的多序列预测 ,即在分析与研究系统因子之间相互影响与协调作用的基础上 ,建立系统主行为特征量与关联因子的灰色动态模型群 ,然后通过求解进行预测 系统预测的基本要求是 ,通过建立GM模型群 ,研究和预测系统的动态变化 ,掌握其发展规律 ,并控制与协调变化的方向与速度 ,使之向着人们所期望的目标发展 预测所采用的基本数学方法是建立状态方程 。