用灰色预测模型对2022年世界100m跑成绩的预测与分析

研究旨在通过分析2001-2019年世界男子、女子100m跑成绩的发展态势和规律,并在此基础上建立预测模型来预判2022年世界男、女子100m跑成绩可能达到的水平区间,旨在我国100m跑运动员备战32届奥运会提供理论支撑;为100m跑项目训练实践提供参考目标,同时也为预测理论的发展和完善提供依据。研究采用灰色均值GM(1,1)模型、改进的按周期间隔分解的灰色均值GM(1,1)模型,预测2022年世界男子、女子100m跑的成绩。通过预测得出:2022年女子100m跑第1、2、3、8名的成绩可能达到10.65s、10.68s、10.69s和10.74s的水平。男子第1、2、3、8名的成绩更可能在9.82、9.84、9.88、9.90的水平。此外,若男子成绩在2019-2022年继续上升,则EGM模型预测结果更具参考意义,第1、2、3、8名的成绩有可能达到9.74s、9.79s、9.81s和9.85s。

建筑垃圾产量的灰色模型预测

为了应对建筑垃圾产量不断增长带来的一系列环境和资源问题,促进福建省建筑垃圾资源化管理,本文使用灰色模型估算2009年~2020年福建省建筑垃圾的产量。结果表明,该模型的方差比C为0.1812,最小误差概率P为1。说明模型的估算误差较小,可用于福建省建筑垃圾产量预测。

高速铁路建设碳减排的算法与评判

对高速铁路碳直接减排量、完全消耗碳减排量和完全需要碳减排量以及高速铁路碳减排量的组成进行分析计算;通过计算碳减排影响力和感应系数、行业边际完全碳减排量,分析高速铁路碳减排在整个铁路行业中的作用和影响;采用灰色均值GM(1,1)模型,对高速铁路未来5年直接碳减排进行预测,检验模型的精度,提出碳减排弹性系数,量化高速铁路碳减排对其他行业部门和总碳减排的影响程度。结果表明,高速铁路对总碳减排的推动作用小,是最符合低碳要求的交通方式。

一种解决经验模态分解端点效应的边界延拓法

用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。