基于平均相对误差绝对值最小的GM(1,1)建模

估计指数模型参数通常采用最小二乘法,而在检验模型精度时又经常采用平均相对误差绝对值,因而所得模型必然不是最优模型.针对这一问题,在平均相对误差绝对值最小的准则下,给出了一种优化GM(1,1)模型参数的方法,该方法具有全局收敛性,只要选取较好的初值,总能得到更好的估计值.在工程、管理中的两个应用实例表明了此方法的正确性和可行性,且模型精度高于传统方法.

基于误差补偿的分数阶灰色模型对四川省煤炭类能源消费的预测分析

为了对能源需求进行更精确的预测,基于分数阶灰色模型和反向传播神经网络,建立基于误差补偿的分数阶灰色模型。随后利用河北省历年电力消费数据检验模型的精度,并将其与传统分数阶灰色模型作对比。最后对四川省煤炭类能源需求量进行了预测分析。结果表明,基于误差补偿的分数阶灰色模型具有更高的精确度与有效性,反向传播神经网络对分数阶灰色模型的误差补偿作用明显,该模型有效地模拟了原始数据的变化趋势,并预测出煤炭类能源的消费量将呈下降后趋于平稳的趋势。

基于误差补偿的油液弹性模量随压强变化预测模型研究

液压系统广泛应用于各个工程制造之中。弹性模量是液压油的一个重要物理参数,精确地测量油液的弹性模量值和变化规律。对液压系统在工业中的发展具有十分重要的意义。本文通过对油液弹性模量随压强变化的规律进行研究,建立了基于误差补偿的油液弹性模量随压强变化预测模型。利用某油液弹性模量和压强关系数据,将基于误差补偿的油液弹性模量随压强变化预测模型和油液弹性模量随压强变化预测模型进行预测结果误差比较分析,进一步验证了模型的有效性和精确性。再利用该模型对弹性模量随压强变化数据进行预测分析,通过计算机模拟仿真实现,结果表明,弹性模量随压强的增加而呈现增加的趋势。并且增速越来越大。本文所建立的模型能够较好地拟合和预测数据的变化,精准地获取了弹性模量随压强的变化值。为液压系统液压油的应用和研究提供了理论依据。

运用时间序列法推断水蓄冷槽内温度分布

为了有效、经济地监测水蓄冷槽内的温度分布,本文运用时间序列法推断充冷过程某时刻槽内温度分布,并利用平均相对误差绝对值法对实测温度分布数据与推测值进行了比较,得出基于高度中间段测点的充冷过程温度分布预测准确度比较高的结论。