系统云灰色模型的人工神经网络建模

利用人工神经网络的方法实现系统云灰色模型的参数白化 ,提出了系统云灰色神经网络模型 SCGNNM(1,1) ,并给出了相应的学习算法。仿真结果证明了模型的可行性。

基于系统云灰色SCGM(1,1)_c模型的铁路货运量预测

从铁路货运量的预测问题出发,试图找到稳定有效的方法对铁路货运量进行预测。通过对历年铁路货运量的定性分析,合理地选择预测数据数列,以充分体现铁路货运量的变化趋势。尝试采用单因子系统云灰色SCGM(1,1)c模型对铁路货运量进行了动态预测。结果表明:单因子系统云灰色SCGM(1,1)c模型在对铁路货运量的拟合和预测均有较好的效果。拟合精度和预测精度分别达到了98.83%和98.04%,可以有效地进行铁路货运量的短期预测。

灰色加权马尔可夫组合模型的车削加工尺寸预报研究

机械加工尺寸预报是机械预测补偿控制技术的基础。传统灰色模型可用于预测时间短,数量少,数据波动起伏不大的动态系统,而马尔可夫链理论适用于处理随机波动性大的过程。于是,结合传统灰色系统和马尔可夫链的优点,提出一种基于外圆车削过程尺寸预测的加权马尔可夫SCGM(1,1)c组合模型。结果表明:加权马尔可夫SCGM(1,1)c模型可用于外圆车削的机械加工尺寸预报。通过仿真证明此模型既可揭示外圆车削加工尺寸变化的总趋势,又能减小随机波动性的影响,精度可达到要求。

城市热岛效应的灰色评价与预测

将灰色系统理论引入到城市热岛效应的评价与预测中,运用灰色关联度分析法对影响西安城市热岛效应的因子群进行了贡献测度分析.结果表明,人为热释放是造成城市热岛效应的主要因素,风速、日照时数和相对湿度是影响城市热岛效应的主要气象因子.系统云灰色模型(SCGM)的拟合和预测结果与实际情况取得了较好的一致性,表明西安城市热岛效应具有日益加重的趋势,也体现了SCGM在多因子关联系统预测中的优越性.

基于灰色加权马尔可夫SCGM(1,1)c的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。基于灰色系统理论和马尔可夫链理论,应用系统云灰色模型SCGM(1,1)c拟合道路交通时序数据的总体趋势,所得拟合指标是随机波动的。马尔可夫链原理适合处理波动性大的系统过程,因此选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于道路交通事故次数预测的灰色加权马尔可夫SCGM(1,1)c模型,它适用于时间序列短,数据量少且随机波动不太大的动态过程预测。以某市1975—2010年道路交通事故次数为例进行了预测分析,结果表明该模型既能揭示交通事故次数变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。

马尔可夫灰模型的海上交通事故预测

海上交通事故预测具有原始数据量小、数据随机波动大的特点。在传统的灰色预测模型GM(1,1)基础上,运用系统云灰色模型SCGM(1,1)c预测事故数,并用马尔可夫链对预测值进行修正。同时,为了使预测结果更加接近真实值,采用等维灰数递补法和滑动转移概率矩阵法对组合模型进行改进。结果表明,双重改进后的组合模型能够克服数据随机波动的影响,并且比单一改进的组合模型的预测结果更精确。

轨道交通建设影响下土地利用性质空间分异的组合预测模型

在先验数据有限且存在不确定因素情形下,为解决城市轨道交通沿线土地利用性质空间分异的预测问题,提出一种基于系统云灰色模型和马尔可夫链的组合预测模型。采用系统云灰色模型,使用较少量的历史数据完成城市轨道交通沿线各类性质用地面积变化曲线的粗略拟合;借助马尔可夫链进行系统状态划分,通过缩小预测区间以提高预测精确度;运用组合预测模型,对2003—2015年南京市轨道交通1号线主要吸引范围内土地利用性质的空间分异进行了预测分析。计算结果表明:轨道交通建设加剧了城市土地利用性质的空间分异,其周边各种性质的土地利用面积变化趋势呈现出非平稳随机过程特性;轨道交通建设对不同性质土地利用的影响方式与影响强度各不相同,其中,对居住用地具有强烈的吸引作用,对公建用地吸引作用不明显,对工业用地具有明显的排斥作用。

SCGM预测控制对纯滞后伺服系统性能的改善

通过对圆网伺服系统的分析 ,提出了一种基于系统云灰色模型 (SCGM)的预测补偿控制器 ,它结合灰色预测、PID控制以及决策控制的思想 ,可以较好地改善小的纯滞后伺服系统的跟踪性能 .仿真试验和实际运行证明了该控制方案能够在不影响原有系统阶跃响应的情况下 ,减小斜坡响应的稳态误差 ,提高伺服系统的动态响应能力 .

基于遗传算法的SCGM(1,1,α)优化模型

在SCGM (1,1)模型的基础上 ,对系统云灰色预测模型作进一步推广 ,建立了更具一般性的SCGM (1,1,α)模型 .并给出了求解最优SCGM(1,1,α)模型的遗传算法 .实例证明用SCGM (1,1,α)优化模型进行预测能取得很好的预测精度 .

基于灰色马尔可夫SCGM(1,1)_C模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM（1,1）C模型.用单因子系统云灰色SCGM（1,1）C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979～2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.

加权马尔可夫SCGM(1,1)_c模型在农作物干旱受灾面积预测中的应用

基于灰色系统理论和马尔可夫链原理,应用系统云灰色模型拟合时序数据的总体趋势,所得拟合精度指标是随机波动的,而马尔科夫链原理适合处理波动性大的系统过程,选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于农作物干旱受灾面积预测的加权马尔可夫SCGM(1,1)c模型,适用时间短、数据量少且随机波动大的动态过程预测.以我国农作物干旱受灾面积预测为例,表明加权马尔可夫SCGM(1,1)c模型对于农业旱灾预测具有较高的精度.

北京市知识密集型服务业增加值的Markov SCGM(1,1)_C预测模型

将1991-2009年北京市知识密集型服务业增加值作为原始数据序列,对部分统计信息修正后,应用单因子系统云灰色模型拟合时序数据的总体趋势;然后将所得相对误差作为随机波动过程,用马尔柯夫链原理对其状态进行预测;最后综合运用Markov SCGM(1,1)_C模型,对未来3年北京市知识密集型服务业增加值进行了预测,结果表明具有良好的预测精度.

中国人均生活电力消费量的等维新陈代谢-加权Markov-SCGM(1,1)_c预测模型

以1970-2008年我国人均生活电力消费量作为原始数据序列,首先应用SCGM(1,1)_c模型模拟原始序列的总体趋势;然后将所得到的相对误差作为随机波动过程,将原始序列的归一化自相关系数作为权重,应用Markov链原理预测2009年的状态,进一步预测2009年电力消费量,并与实际数据比较,检验预测精度;同样地,应用等维新陈代谢思想,对2010-2012年电力消费量进行了预测,并检验预测精度,达到了滚动建模和动态预测的目的.结果显示,等维新陈代谢-加权Markov-SCGM(1,1)_c模型的平均模拟精度为98.3%,平均预测精度为96.0%.最后对2013-2017年我国人均生活电力消费量进行了预测.