基于灰色自记忆Bernoulli模型的废气NOx排放量预测

传统的非线性灰色Bernoulli模型可以描述小样本非线性系统的整体单峰演化趋势,但由于存在大量不确定的外部扰动,难以揭示其中的个体随机波动现象。为了克服灰色Bernoulli模型的微分方程对单个初值较敏感的局限性,构建了一种非线性灰色自记忆Bernoulli耦合模型,其系统自记忆方程以多时点初始场代替单时点初始场。对废气氮氧化物(NOx)排放量预测的实例研究结果表明,该模型能充分提取非线性系统的历史信息,且比现有灰色Bernoulli模型、一次指数平滑法和简单滑动平均法更为有效,可用于预测存在于其他类似的小样本单峰非线性系统中的个体随机波动。