缓冲算子是否新信息优先的判别方法

考虑到新信息优先原理在灰色系统理论中的重要性,本文提出一种判别缓冲算子是否新信息优先的方法.利用线性最小二乘问题的扰动理论证明了常用的强化缓冲算子未能体现新数据的优先性,反而体现了老数据的优先性.即在扰动相等的情况下,越新的数据发生扰动,参数估计值的扰动界越小;越老的数据发生扰动,参数估计值的扰动界越大.实例表明了本判别方法的实用性.

新信息优先原理下非等间距GM(1,1)模型优化研究

针对现实工程应用中存在非等间距序列问题,基于新信息优先原理提出非等间距GM(1, 1)优化模型.在对现有初始条件优化方法的缺陷进行分析的基础上,基于新信息优先原理,利用一阶累加生成序列的各分量加权和重构模型的初始条件,并利用各时点分量大小计算新旧信息间的权重分配比例,强化新信息对发展趋势的修正作用;在相对误差平方和最小准则下,给出时间参数的求解公式,进而构建优化模型.通过递增和递减两个类型实例研究,表明所提出优化模型能够充分利用新信息,预测精度优于其他初始条件改进模型.

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。

全信息变权缓冲算子的构造及应用

针对现有变权缓冲算子简单的结构导致其不能充分利用系统行为信息的问题,基于新信息优先原理,构造一类带有权重调节因子的全信息变权弱化缓冲算子和强化缓冲算子.考虑到权重调节因子与预测误差之间的非线性关系,以平均预测误差最小化为优化目标,应用遗传算法在(0,1)区间内搜索权重调节因子的最优值.以我国工业企业总产值和浙江省外商直接投资预测问题为例,分别验证了全信息变权弱化缓冲算子和强化缓冲算子处理小样本扰动数据建模问题的有效性.结果表明:全信息变权缓冲算子对序列的作用过程体现了新信息优先原理,通过优化权重调节因子能够有效地控制算子作用强度,且对冲击扰动系统的预测能力优于传统的高阶缓冲算子.

数据信息对灰色GM(1,1)模型的影响

原始序列初始值对灰色系统GM(1,1)模型值和预测精度不产生任何影响,文章讨论原始序列其他值变化对灰色系统GM(1,1)模型的值和预测精度的有效性问题,从待辨识参数角度求解单个数据的改变对预测结果和预测精度的影响,通过计算第2、第3个信息对待辨识参数的影响公式,得到第m个信息改变影响的通项公式,比较第m-1个数据和第m个数据变化后对预测结果影响的大小,从而得出最新信息与旧信息的优先性对比结果,理论上证实新信息优先理论。最后将GM(1,1)模型应用到实际应用中,通过对比分析发现新信息对结果的影响大于旧信息。

基于差异驱动原理与均值关联度的动态多指标决策模型

针对现有的基于关联分析的动态多指标决策模型存在的不足,根据新信息优先原理,提出了基于矩阵范数的时序权重确定方法,并利用差异驱动原理,提出了指标权重的确定方法。在时序权重和指标权重确定的基础上,建立了基于方案均值关联度的动态多指标决策模型,并给出了该模型的计算步骤。通过对4种不同型号的武器装备系统的综合效能评估的实例分析,检验了文章所构造的动态多指标决策模型的有效性。

分数阶反向累加GM(1,1)模型及其性质

针对正向序列累加GM(1,1)模型都不满足新信息优先原理的问题,文章从理论上证明了一阶反向累加GM(1,1)模型不能较好地满足新信息优先原理。针对一阶反向累加GM(1,1)模型的不足(只适用于递减序列,没有利用最新消息),提出了分数阶反向累加GM(1,1)模型,将反向序列累加的适用范围扩展到递增序列,充分挖掘了新信息。实例说明分数阶反向累加GM(1,1)模型具有较强的预测能力。

慕课在线教学评价指标体系及其动态评价研究

随着社会教育模式的多样化、教育需求的个性化、教育质量的高级化发展,在线开放课程逐步成为教育领域内的重要形式之一。该研究针对在线开放课程开展时间短、评价数据少、评价体系不完善的问题,提出了基于动态视角的在线教学效果评价指标体系,并考虑新信息优先原理,构建了综合动态评价模型。进而以一门国家级精品开放课程为例,对其六个学期的开课数据进行动态评价,提出提升课程质量的对策建议。

灰色凸关联的进一步拓广

基于灰色系统的新信息优先性,对灰色凸关联度进行加权分析,建立的新模型满足新信息优先性,并以算例验证了该方法的有效性和实用性。结果表明,该方法能够反映不同时间点的重要性,优化了新信息作用,对灰色关联系数的波动同时得到了有效控制,解决了旧信息扰动控制整个灰色关联序的问题。

基于鸡群优化算法的改进GM(1,1)模型

针对传统GM(1,1)模型的模拟精度和预测精度不高的问题,提出了基于鸡群优化(chicken swarm optimization,CSO)算法的改进模型CSO-GM(1,1)。首先,为了提高模型的模拟精度,在模型的初始条件中引入扰动因子。其次,为了提高模型的预测精度,设计了一种基于新信息优先原理的优化模型。最后,利用鸡群算法对模型中的参数进行优化,进一步提高了模型的模拟和预测精度。利用多组不同增长幅度的指数序列和实际算例进行测试,结果显示在模拟精度和预测精度上,CSO-GM(1,1)模型都优于其他对比模型,从而验证了改进模型的有效性。

全信息变权缓冲算子的拓展、优化及其应用

针对冲击扰动系统的建模预测问题,对全信息变权缓冲算子进行拓展,提出两类含幂指数的全信息变权缓冲算子,并从理论上揭示强化缓冲算子与弱化缓冲算子的转换关系.在此基础上,给出新算子参数优化机理以及具体算法,并探讨算法的时间复杂度问题.最后,以全国风力发电装机容量的冲击扰动数据预测为例,验证算子的有效性和优越性.结果表明:所提出的新算子及其优化算法在不增加时间复杂度的条件下,能够显著提高缓冲算子对冲击扰动系统的适应能力和灰色模型的预测精度.此外,全信息变权强化(弱化)缓冲算子为新算子的特殊形式,当幂指数取值为1时,新算子退化为全信息变权强化缓冲算子;当幂指数取值为-1时,新算子退化为全信息变权弱化缓冲算子.

含Caputo型分数阶导数的灰色预测模型

针对缺乏统计规律的小样本预测系统,如何挖掘其发展规律,一直是学术界的难点.本文依据分数阶微积分理论,将整数阶导数灰色模型推广到分数阶导数灰色模型,并从是否满足新信息优先原理、初值利用情况、还原误差大小和稳定性等方面说明了新模型的优势,以期用Caputo型分数阶导数的记忆性描述小样本预测系统.实例表明含有Caputo型分数阶导数的灰色预测模型的有效性与实用性.

西成高速铁路路基沉降变形量度量模型构建

为了提高高速铁路路基沉降变形量度量的准确性,分析路基沉降变形量度量模型,以西城高速铁路为例,构建路基沉降变形量度量模型,实现路基沉降变形量的有效预测,以期为同类型施工提供参考。

基于广义动态灰关联度窗口的时滞分析模型

基于静态最大关联度准则的经典灰关联时滞分析方法对样本时序的依赖性较强,分析结论的代表性较差、甚至会出现自相矛盾的地方.为此,本文探讨了一种新的全局性动态时滞分析方法.首先,设计了新信息优先加权算子,将其引入广义灰色关联度模型,强调新信息在关联分析中的重要性.其次,针对经典的基于灰关联度的时滞分析方法的不足,提出动态灰关联度窗口的概念,对样本时序中所有潜在时滞取值展开系统化的分析.再者,定义了基于动态灰关联度窗口概念的时滞关联度矩阵以及相应的时滞灰关联度向量,设计出灰栈矩阵这一特殊灰关联数据存储结构,动态对比所有潜在时滞关系,找出代表性时滞值.最后,对宏观经济指标之间的时滞关系展开案例分析,并与经典灰关联时滞分析方法进行对比,结果表明本文设计的时滞分析方法具有更好的说服力.