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。

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.

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。

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。