用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。

灰色自回归模型对钢纤维混凝土弯曲疲劳强度的预测

影响混凝土疲劳强度因素的不确定性使材料在最薄弱环节容易造成局部损伤破坏,最终导致整个材料的破坏。因此,随机预测具有一定的现实意义。通过灰色自回归模型和GM(1,1)模型预测钢纤维混凝土(SFRC)弯曲疲劳强度试验值,分析两种方法的预测精度的高低。结果表明,灰色自回归模型预测精度比GM(1,1)模型的精度较高。

灰色自回归模型的建筑物沉降预测探讨

在建筑物施工及运营期间,掌握建筑物变形规律并及时预测其变形趋势在保障建筑物的安全使用方面发挥着重要作用。由于单一的灰色GM(1,1)模型预测精度不高,本文提出了一种预测模型——灰色自回归组合模型,该模型结合了灰色GM(1,1)模型和自回归模型的优点。为验证该模型预测精度优于灰色GM(1,1)模型,本文通过某工程实例中的2个变形观测点的观测数据进行建模,结果表明,组合模型的预测精度高于单一灰色GM(1,1)模型。

中国电力生产灰色动态波动周期研究

在电力系统规划及电力市场发展与竞争中,认识电力生产的周期波动性有着重要的意义。以灰色系统理论为基础,以发电量作为研究对象,提出一种灰色自回归模型,定量研究了中国电力生产波动周期,同时附以GM(1,1)模型对电力生产的动态波动周期验证,结果显示中国电力生产的波动周期为8a左右,并以此为基础定性分析了中国电力生产波动周期的特征,这对研究中国电力工业未来的发展趋势具有重要的指导意义。