基于灰色网络评价法的大件设备公路运输项目风险评价研究

针对大件设备公路运输项目在投资决策及项目实施过程中面临的社会环境、自然环境、技术、经济等诸多方面风险难于识别及量化的问题,提出基于灰色网络综合评价法的大件设备公路运输项目风险评价方法,在构建大件设备公路运输项目的风险评价指标体系的基础上,建立了此类项目的风险评价模型,最后以某大件设备公路运输项目为例,验证了所提方法的可行性与有效性。

基于灰色网络分析法的某型飞机机务保障能力评估研究

机务保障能力的评估研究,对于战斗力的形成和保持有着重要的意义。本文构建了机务保障能力评估体系的网络结构模型,在此基础上运用灰色网络综合评估方法,建立某型飞机机务保障能力灰色网络评估模型,并用实例进行验证,为全面系统的评估机务保障能力提供了一种新的途径。

灰色网络舆情的形成、影响与应对研究

互联网的广泛应用,使舆情的大规模集中、实时反映成为可能。不过,由于主客观因素影响,网络舆情一经出现,就几乎无法逃避"被引导"的命运。本文就灰色网络舆情的形成、影响开展探讨,力图在诸多研究着眼于网络舆情的正面影响时,提醒公众需辩证地看待网络舆情,并关注网络舆情的非自然发展——在商业利益驱动下,人为蓄意引导的灰色网络舆情。

基于灰色神经网络的地铁牵引用电预测模型

[目的]为了提高列车运行效率,需对地铁牵引能耗进行监测,并建立相关能耗模型对地铁牵引能耗进行预测分析。[方法]介绍了灰色预测模型和BP(反向传播)神经网络的基本原理;以天津某典型地铁车站2021年6月的牵引日用电量数据为例,采用灰色关联分析法筛选出与地铁牵引日用电量关联度大的影响因素,基于GM(1,1)灰色预测模型预测出短期牵引日用电量;将所筛选出的关联度大的影响因素、GM(1,1)灰色预测模型预测的短期牵引日用电量及相邻历史牵引日用电量数据,作为BP神经网络模型中的输入量进行训练,建立GM-BP灰色神经网络模型,并生成所需短期地铁牵引日用电量预测数据。[结果及结论]与传统GM(1,1)灰色预测模型和BP神经网络模型相比,通过GM-BP灰色神经网络模型预测的短期牵引日用电量预测误差有明显的改善,能够作为有效的地铁牵引能耗数据进行短期预测数据分析。

基于灰色神经网络的贵州大数据安全风险评估方法

针对现有风险评估方法在判定贵州大数据安全风险等级时与实际情况存在的偏差,文章提出了一种基于灰色神经网络的贵州大数据安全风险评估方法。该方法通过构建风险评估模型,设计灰色神经网络的自适应学习机制,并初始化网络参数;进而通过动态调整网络参数和改变网络结构,有效提高评估的准确性。针对数据中的缺失值问题,本文采用灰色数据转化的方式进行填补,而确保评估数据的完整性。在评估过程中,系统提取每个样本点的信息特征,并赋予相应的权重,随后将这些特征输入风险评估模型中。通过计算,得到各个样本点的信息安全风险评估值,最终输出整体的信息安全风险评估结果。实验结果与实际情况高度一致,表明该方法在大数据系统安全风险评估中具有高度的准确性和有效性。

基于灰色BP神经网络的电力碳排放峰值预测

电力碳排放影响因素较多,使得电力碳排放峰值预测误差增加。为了有效解决该问题,提出了基于灰色BP神经网络的电力碳排放峰值预测方法。分析原始数据序列和累加序列,利用灰色BP神经网络构建碳排放峰值预测模型。分析电力碳排放影响因素,使用递推算法计算电力碳排放量。通过惩罚函数压缩模型系数至零,筛选出显著变量。根据碳排放流邻接特性,通过有限次递推计算节点碳势,在误差允许范围内进行迭代训练,实现模型求解,得到电力碳排放峰值预测结果。实验设置基准、低碳和强化低碳三种情景,在这三种情景下所设计方法的预测结果分别为40 000万吨、39 000万吨、40 000万吨,与实际结果一致,说明该方法的预测误差更低,预测结果更为精准。

基于灰色神经网络组合模型的城区沉降预测应用研究

为了提高城区沉降量的预测精度,本文基于灰色预测模型(Grey Model,GM)和反向传播(Back-Propagation, BP)神经网络预测模型,构建了灰色神经网络组合预测模型(Gery Neural Networks Model,GNNM)。以SBAS-InSAR技术获取上海特征区的平均沉降量作为3种预测模型的原始序列,进行预测计算,对比分析组合预测模型预测结果与灰色模型、BP神经网络模型的预测结果。实验结果表明:相比单一的GM(1,1)和神经网络预测模型,GNNM(1,1)组合预测模型的预测精度和稳定性更高,且越接近中心城区,预测效果越好。

改进灰色神经网络导航在无人机巡线中的应用

为了消除无人机导航系统的误差,本文设计了改进灰色神经网络GNSS/SINS无人机电力巡线导航系统,基于Kalman算法对GNSS和SINS这2种导航数据进行融合。在GNSS信号缺失的情况下,改进灰色神经网络来预测缺失部分的数据,再结合SINS的数据对无人机的位置进行精准预测。算法设计完成后,运用MATLAB软件模拟验证系统算法的功能。结果显示,其位置预测数据精度良好,证明该系统能够提升无人机的导航效果。

基于改进灰色神经网络的往复式压缩机振动趋势预测模型

往复式压缩机振动趋势预测是往复式压缩机状态识别的重要技术研究内容。针对往复式压缩机振动信号特征样本少、非平稳、非线性等原因,提出了基于改进灰色神经网络的压缩机振动趋势预测算法。该方法首先提取往复式压缩机振动特征,利用遗传算法优化灰色神经网络并建立预测模型,将振动特征作为模型输入,形成了往复式压缩机振动趋势预测新模型(GA-灰色神经网络模型)。对某往复式压缩机输入主轴轴承部位振动测试实验分析表明,新模型与灰色GM(1,1)模型、灰色神经网络模型相比,具有更高的预测精度。灰色GM(1,1)模型预测值与实际值相比,相对误差高达21%~27%灰色神经网络模型的预测误差为14%~19%;新模型与实际值吻合良好,相对误差小于12%,其预测精度最高,更适合用于往复式压缩机振动趋势的状态预测和评判。

基于支持向量机和灰色BP神经网络的冬小麦晚霜冻害预测

晚霜冻害是黄淮海平原冬小麦生产中危害严重的农业气象灾害之一,为有效预测冬小麦晚霜冻害,以河南商丘市为研究区,针对商丘1980—2019年的气象数据,以0℃为阈值确定终霜日,采用灰色季节灾变方法处理数据,得到反映霜冻发生年份规律的间隔数据序列,结合灰色系统和机器学习模型的优点,提出了一个基于支持向量机残差修正的灰色BP神经网络模型。试验结果表明:对照传统灰色预测模型、改进灰色模型以及BP神经网络预测模型,残差修正后的灰色BP神经网络模型的平均相对误差、平均绝对百分比误差和均方差比值分别为0.3843%、1.1502%和0.0690,模型拟合程度进一步提高;对历史数据和预测结果进行分析,发现每20年存在1个晚霜冻发生连续时期,其后晚霜冻发生频率降到2~4年1次,预测商丘下一次晚霜冻发生年份为2022年。本研究提出的冬小麦晚霜冻害预测模型,对各项精度评价指标均有提升,冻害预测结果与实际发生情况基本一致,可为全球气候变化背景下大面积冬小麦晚霜冻害预测提供思路和方法,对其他农业生产灾害预测问题具有一定参考价值。

EPC模式下设计-采购-施工任务并行执行的多目标联合优化模型——基于z标记的多参量灰色GERT网络

针对EPC模式下设计-采购-施工任务并行执行的多目标联合优化问题,构建基于z标记的多参量灰色图形评审技术模型。首先,借鉴计划评审技术网络的建模思路,构建由3个分别表示设计-采购-施工任务执行流程的子图形评审技术网络图构成的多参量灰色图形评审技术网络分析模型;然后,在探讨正常执行活动与返工执行活动的时间与费用、费用与质量之间函数关系的基础上,提出基于三元区间数形式表征输入参量与输出参量不确定性的并行执行时间、费用与质量的矩母函数构造方法;其次,在分析设计-采购-施工任务并行执行下多参量灰色图形评审技术网络各参量求解方法的基础上,给出了该网络关键性时间节点开始执行时间与总执行时长的求解方法;最后,依据EPC模式下建设项目需求,分别构造了基于进度导向型与质量导向型的多目标联合优化模型,并以某会议中心项目为例,验证了所构建模型的有效性。研究成果为评估EPC模式下设计-采购-施工任务在并行执行过程中的进度、费用与质量目标的达成情况提供了科学的定量化分析方法,同时也为EPC模式在中国情景下的推广奠定了理论基础。

基于三种灰色神经网络的城市用水量预测

对城市未来的用水量数据进行精确的预测,可以为城市建设规划和供水管网水资源调度的优化提供重要信息参考。选取绵阳市1999-2021年各年的城市用水总量及相关因素数据进行研究,首先运用灰色关联分析法对各因素进行评估,其次根据目前灰色系统理论GM(1,1)以及BP神经网络预测模式相并合的方法,构建串联模式、并联模式和嵌入模式三种灰色神经网络预测模式进行预测,并对比其预测准确度。实验结果表明:与传统单一的GM(1,1)以及BP神经网络预测模式预测相比,三种灰色神经网络预测模式预测准确度更高,在其中串联类型灰色神经网络最高。因此,可以采用这种组合方法来进行中短期城市用水量的预测并用此方法对绵阳市未来三年的用水量进行了预测。

基于灰色神经网络的小样本纳米TiO2改性聚酰亚胺薄膜寿命评估

在纳米TiO2改性聚酰亚胺(PI)薄膜寿命评估中,针对失效数据少、寿命分布无法唯一确定、成本高和试验时间长等问题,提出一种基于灰色神经网络的小样本绝缘寿命评估方法。采用原位聚合法制备纳米TiO2改性PI薄膜,进行加速电老化试验并获取失效数据;构建并训练灰色神经网络,得到与原始数据特征、变化规律相似的扩充数据。采用最小二乘法进行参数估计,分析对比不同失效数据样本量、分布模型和经验累计失效函数的寿命评估结果。通过实际算例,分析扩充前后的最优寿命评估不同方案。结果表明:Weibull分布和数学期望公式的组合更适合原始样本容量的寿命评估。利用扩充后的绝缘失效数据进行寿命评估效果更好,选用反幂函数模型、对数正态分布和中值公式的组合,对扩充样本进行寿命评估最合适。

灰色神经网络模型在自由曲面加工误差预测中的应用

为了有效预测自由曲面的加工误差,结合灰色模型和BP神经网络模型提出了一种改进型麻雀搜索算法优化的灰色神经网络模型。通过引入鸟群算法更新麻雀算法中个体的位置,提升麻雀搜索算法的搜索能力;采用改进的麻雀搜索算法优化BP神经网络,避免BP神经网络在权值和阈值选择时的随机性太强,从而提高预测结果的稳定性。实验结果表明,改进麻雀搜索灰色神经网络对自由曲面加工误差预测的最大残差绝对值为8.52μm,比粒子群灰色神经网络和混沌海豚群灰色神经网络的预测结果分别减少了63.74%和61.76%,说明改进麻雀搜索灰色神经网络能有效提高预测精度。

灰色网络计划中的关键线路确定方法研究

由于目前区间灰数的表征和运算过程存在着运算结果对灰数的灰度进行不必要的放大,造成信息的严重失真的问题,所以在灰色网络计划中计算出的工作总时差也有不同程度的放大,这时再根据工作总时差为零或最小的方法来确定关键线路则是不准确的.给出了确定灰色网络计划关键线路可以根据关键线路上总工期最长的方法,简单易行,且有效避免了灰数运算对灰数灰度放大的问题.

施工场景下灰色小波神经网络短时交通量预测模型研究

在城市道路施工场景下应用短时交通量预测对提高施工区域交通效率及安全水平至关重要。考虑到施工场景下短时交通量历史样本量小且样本呈现非线性的特点,引入灰色预测模型,构建施工场景下的灰色小波神经网络短时交通量预测模型。以行宫西大街由西向东断面的交通量数据为例,分别基于小波神经网络短时交通量预测模型、灰色小波神经网络短时交通量预测模型,利用Matlab进行训练。结果显示,灰色小波神经网络短时交通量预测结果的平均绝对误差、平均相对误差和均方误差相较于小波神经网络短时交通量预测模型,分别降低了74.14%、75.21%和92.70%,该模型对城市道路施工场景下的短时交通量预测精确度更高。

基于灰色神经网络的医院人力资源需求预测研究

考虑到医院人力资源的实际需求,提出将定量分析与定性分析相结合的灰色神经网络预测模型,并且采用粒子群算法对灰色神经网络结构参数进行优化。将所提模型和灰色神经网络模型、神经网络模型、GM(1,1)进行比较,结果表明,灰色神经网络模型和所提模型的预测精度明显高于神经网络模型和GM(1,1),但所提模型的预测偏保守,预测精度更高。

基于灰色网络分析法的某型飞机机务保障能力评估研究

引言装备保障是作战行动保障系统的重要组成部分,装备保障的成功与否,已成为影响现代战争作战胜负的一个重要因素。而机务保障能力是有效实施装备保障的基础,对机务保障能力进行科学合理、切合实际的评估,有利于装备保障指挥员正确地组织运用装备保障力量、作出保障作战行动的各项决策。

考虑复杂搭接关系的灰色网络计划模型

将复杂搭接关系引入灰色网络计划模型,并对搭接关系组合进行了分析.其中,活动持续时间与搭接时距都为灰数且服从三角白化权函数分布并使用核和灰度形式表示,在时间参数计算中引用基于论域的灰度计算法则以解决核与灰度加减运算结果与原灰区间不符的问题,并改进基于相对核与精确度的灰数排序方法以适应本模型考虑白化权函数的情况,同时将关键路径识别放置在最迟时间参数计算之前以解决逆向递推无法正确计算最迟时间的问题.

基于灰色聚类的工程网络计划完工风险研究

在工程项目灰色网络计划当中,工期控制一样是热点话题。本文尝试把灰色理论与网络计划技术进一步结合,应用文献[2]提出的活动影响力与影响强度两个概念,求解出多条并按照关键程度排序的关键路径;针对求解出的重要关键路径,识别出工期影响因素并建立风险因素评价指标体系,然后对指标体系进行分析并确定各指标体系的权重,最后运用AHP与灰色聚类方法对整个关键线路的工期完成程度进行评价。