灰色时序组合模型在发动机状态监测中应用的研究

分析了时序AR(n)模型和灰色GM(1,1)模型2种故障预报模型的优点和缺点,将2种模型有机地结合起来,提出了一种新的灰色时序组合预报模型。通过对一组发动机铁谱数据进行检验以及比较,表明提出的组合模型比2种原始模型具有更好的预报结果。证明了灰色时序组合模型在发动机油液铁谱分析与状态监测中的优越性。

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.