堆石坝变形监测的灰色非线性时序组合模型

结合堆石坝变形的特点 ,应用逐步回归方法提取大坝变形观测数据系列的水压和温度分量后 ,用灰色非线性系统模型模拟剩余数据系列的趋势项 ,用时间序列模型模拟剩余数据系列的随机项 ,由此建立了堆石坝变形监测的灰色非线性时序组合模型 .计算分析表明新模型提高了拟合精度 ,使堆石坝变形监测的数学模型更趋于合理 .

体检指标健康预警的灰色-时序组合模型

对于个体健康体检数据而言,传统的以大样本为基础的数学模型无法满足体检数据的建模需求。基于个体体检数据特征分析,首先构建适用于个体体检指标健康预警的近似非齐次指数序列的改进离散灰色模型。其次,为降低单个模型预测精度的有限性,利用方差倒数法为离散灰色模型和差分自回归移动平均模型赋权重,在模型误差平方和达到最小时取得最佳的权重值。从而将两个模型的预测结果进行组合,实现对健康指标的建模与趋势分析,及时掌握个体健康指标的变化并发现潜在的疾病隐患。预测模型在实验数据集上的相对模拟误差与最优基准模型相比有所下降,表明灰色–时序组合模型具有更高的模拟精度,解决了传统的依据单次体检指标进行静态分析的弊端以及单个模型预测结果的局限性,更加关注个体差异,能有效提升健康预警的效果。

灰色──时序线性组合预测模型的研究

对于趋势随机型数据序列的预测问题，文章在ＧＭ（１，１）模型和基于均生函数的 ＥＯＦ模型 的基础上，提出了线性组合预测方法，并将此方法用于预测分析福建省农林牧渔业总产值指数，结 果表明，该方法具有拟会效果好，预测精度高的特点。表１，参６。

灰色神经网络组合算法在复杂非线性预测中的应用

IT人才需求预测是一个复杂的非线性过程,在回归法和相关分析法失效的情况下,组合运用灰色系统方法和神经网络算法,克服了数据缺乏、影响因子非线性程度高的困难,精确地预测了珠三角IT人才的需求总量,并推算出未来合理的IT人才需求结构。

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。

大坝安全监测灰色—时序动态组合模型

利用灰色理论能适应“小样本、贫信息”的特点,建立了大坝安全监测灰色—时序动态组合模型,为解决大坝安全监测中短序列数据建模难题提供了一条有效的途径。

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列,运用灰色GM(1,1)模型提取其中的趋势项,用AR(n)模型表示随机残差项,利用灰色 时序组合模型进行沉降预测.算例结果表明,该组合模型具有较高的预测精度,是一种简单、实用的高层建筑沉降预测方法.

灰色组合预测模型优化及科技人才需求预测

科技人才需求预测是国家合理制订人才政策的重要依据。为此,本文基于科技人才需求的数据特征,构建适用于科技人才需求预测的新型离散灰色模型FODGM(r,1,kθ,u),该模型实现了系统发展灰信息非线性规律的较好反映以及累加阶数作用范围全实域拓展,缓解了原始序列中极值对模型性能的影响,能够有效模拟科技人才需求的发展趋势与演变规律。应用该模型对我国科技人才需求量进行预测,结果显示未来我国科技人才需求量呈逐步上升趋势,预计2026年我国科技人员全时当量将达729.258万人年,科技人才需求端压力较大。相关部门可以根据预测结果制定缓解我国科技人才需求端压力的对策。

灰色时序组合模型的改进及高校报名趋势预测

剖析了高校报名人数时间序列数据的特点,发现其序列数据兼具趋势性和随机波动的特点,传统模型中的灰色时序组合模型拟和这类数据有一定的优势,通过实验发现该模型的误差还是较大的,对该组合模型在组合方式上进行了创新性的改进,为了检验模型,将其应用于高考报名的趋势分析,发现无论是模型的拟和精度还是预测能力都有了较大提高.

地铁变形监测小波去噪与灰色-时序模型研究

近年来,我国城市建设迅速发展,路面交通不堪重负,发展地下交通成为一种趋势,由此引发的地表沉降是值得我们重视的问题。以河南省某市市民文化服务区地下交通工程为例,进行了小波去噪及灰色时序模型的研究。针对观测数据中存在的粗差,采用多种小波模型进行探测、剔除工作。在此基础上建立灰色预测模型、时间序列预测模型以及两者的组合模型。结果表明灰色模型对于波动性数据处理效果不佳,而时间序列模型短期预报比较精确,组合模型能够兼顾数据的波动性和趋势性,预测精度最高,能够满足地铁区间隧道地表变形精度要求。

机床热误差非线性组合预测模型研究

在精密及超精密加工过程中,数控机床热误差是影响加工精度的一项重要误差源,最经济和有效地减少热误差的方法是热误差补偿技术。针对热误差补偿预测模型的预测精度问题,提出一种非线性组合预测模型。该预测模型利用灰色关联度方法对单项预测模型进行筛选,对筛选出的单项预测模型基于不同优化准则进行线性组合,通过广义回归神经网络对该线性组合模型进行非线性组合,得到非线性组合预测模型。误差预测结果表明:对比典型的BP神经网络预测模型,非线性组合预测模型的预测精度更高,最大误差由4.78μm减小到0.7μm。

基于非线性组合模型的船舶无线网络流量预测

流量预测是船舶无线网络管理中的重要技术,传统组合方法只能描述船舶无线网络流量的部分变化规律,无法获得令人满意的船舶无线网络流量预测结果,为了全面反映船舶无线网络流量变化规律,提出基于非线性组合模型的船舶无线网络流量预测方法。首先分析单一预测方法和传统组合方法的局限性,然后采集船舶无线网络流量历史数据,采用RBF神经网络、BP神经网络、灰色算法分别对船舶无线网络流量进行预测,最后采用支持向量机要对它们的预测结果进行非线性组合,输出船舶无线网络流量最后预测结果,测试结果表明,非线性组合模型的船舶无线网络流量预测十分精确,船舶无线网络流量预测误差可以忽略不计,完全能够满足船舶无线网络管理要求,船舶无线网络流量预测结果显著优于传统组合方法,为解决复杂船舶无线网络流量预测问题提供了一种新的建模思路。

变形预测的一种最优线性组合模型

介绍了灰色GM(1,1)、时间序列和非线性组合模型的基本概念,讨论了最优线性组合模型的定义及其权系数的求解方法。结合某大坝变形监测数据,建立了基于灰色与时间序列的非线性组合模型和最优线性组合模型,以及基于灰色、时间序列与非线性组合的最优线性组合模型,并把这3种组合模型的预测结果与GM(1,1)、时间序列模型进行比较。结果表明,融合GM(1,1)、时间序列与非线性灰色时间序列组合的最优线性组合模型的预测效果明显好于另两种模型,其预测误差小于1 mm。

基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测

提出一种联合灰色模型(grey model,GM)和最小二乘支持向量机回归(least square support vector regression,LSSVR)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上,通过对历史负荷数据的不同取舍,构建出各种不同的历史负荷数据序列,并对每个历史数据序列分别建立能修正β参数的GM(1,1)灰色模型进行负荷预测;采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合,以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上,结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性,提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。

基于不同优化准则和广义回归神经网络的风电功率非线性组合预测

为提高风电功率预测精度,提出一种基于不同优化准则和广义回归神经网络(GRNN)的风电功率非线性组合预测方法。首先,基于灰色关联度理论,筛选出综合灰色关联度大于0的单项预测模型。然后,利用筛选出的单项预测模型以平均绝对误差最小、平均相对误差最小和均方根误差最小为优化准则构建线性组合优化模型。最后,利用GRNN神经网络对基于不同优化准则的线性组合模型进行非线性组合,得到优化模型。以实测风电功率数据对所提方法进行验证,仿真结果表明:与各单项预测模型、线性组合模型相比,所提优化模型的整体预测精度高,证明了该方法的有效性和实用性。

非线性时序建模预测方法初探

非线性时序预测在社会、经济、工程等领域均具有重要的实用意义 ,本文详细介绍了三种常用的方法 ,并在此基础上对他们进行了探讨 :分析各自的特点及适用范围 。

加权组合模型在城市用水量预测中的应用

鉴于传统灰色模型在建模中存在固有偏差的问题,本文采用无偏灰色GM(1,1)预测模型.在无偏灰色预测模型表达式的基础上,又提出了非线性的预测模型,并将其用于城市的用水量预测上.考虑到单一预测模型在预测过程中存在的不足,用最优加权组合模型对无偏灰色GM(1,1)模型和非线性模型进行组合,并将加权组合模型首次用于遂宁市的城市用水量预测.预测结果表明,组合模型的预测精度优于单一的预测模型,预测结果与城市的实际用水量拟合较好,该方法可推广到其它类似城市的用水量预测中.

一种动态数据序列组合预测模型法

文章综述了灰色模型、谐波分析和时序分析的基本原理和建模方法 ,分析了各种模型的适用性与局限性 ,在此基础上提出了基于上述 3种基本建模方法的组合模型法。组合模型有效地融合了各种基本建模方法的特色与优势 ,弥补了单个基本模型的缺陷与不足 ,尤其适用于对非平稳性动态数据序列的建模。仿真结果表明 ,组合模型法能有效地提高数据序列的预报准确度。

基于最优变权组合模型的航空运输事故征候预测

为了充分利用航空运输事故征候的数据信息、提高预测精度,采用最优变权组合模型对其进行预测。以灰色Verhulst模型、Brown指数平滑模型及非线性回归模型为单项模型,以样本点处组合预测误差绝对值最小为原则,构建航空运输事故征候的最优变权组合预测模型。根据2002—2011年的相关数据,分别利用单项模型和组合模型预测事故征候万时率。结果表明:未来2 a事故征候万时率分别为0.347和0.331,呈下降趋势;最优变权组合模型能够克服灰色Verhulst模型和回归预测模型不能反映数据波动性及指数平滑预测滞后性的缺陷,其预测稳定性和精度都高于单项预测模型。

新的组合模型及在港口客流量预测上的应用

应用时间序列分析及灰色系统的有关理论提出了一种新的组合模型 ,并用这一模型对大连港的客流量进行了预测 .