基于灰色系统技术的随机振荡序列预测模型的改进

文章对传统的随机振荡序列的直线喇叭带预测模型提出了疑问,分析了产生随机振荡序列的主要原因;采用平均弱化缓冲算子弱化随机振荡序列的峰值,将随机序列取值带由直线喇叭带转换成指数包络带;根据弱化后的数据序列峰值所连直线计算新序列,求出了该序列GM(1,1)模型的发展系数和灰色作用量,并进一步计算包络带的上缘点和下缘点;对上缘点和下缘点序列再次使用GM(1,1)模型,得到了随机振荡序列预测区间的上限、下限及基本预测值。

非等间距随机振荡序列水质参数灰色预测模型研究

文章提供了一种针对非等间距随机振荡序列的水质参数灰色预测模型。在考虑了传统的随机振荡序列灰色预测模型能够很好地拟合与预测等间距随机振荡序列的基础上,引入了非等间距变换和等间隔逆变换方法,建立了非等间距随机振荡序列灰色预测模型,讨论了非等间距变换和等间隔逆变换对水质参数的拟合与预测的影响关系。通过对实际数据的拟合与预测,所提出的非等间距随机振荡序列水质参数预测模型能够有效地对水质参数拟合与预测,解决了现有水质参数预测方法的不足。

基于随机振荡序列离散灰色模型的优化

文章探讨了随机振荡序列灰色建模的问题,分析了两种具有代表性的基于振荡序列灰色建模方法,指出了其函数变换的实质以及应用范围。现有实证给出的建模方法其模型输出序列呈现出下凸的(除第一点外)和"Z字型"特点。结合这两种建模方法的优势,提出了另外两种数据变换方法,即加权均值平滑变换和级比调节平滑变换,实例说明了新的两种数据变换方法能有效地提高建模精度。

基于振幅压缩的随机振荡序列预测模型

以提高灰色系统预测模型对随机振荡序列的预测精度为目的,提出了一种通过平滑性算子压缩随机振荡序列振幅,提高序列光滑度的算法,并在此基础上推导及建立随机振荡序列的灰色预测模型;将该模型应用于多组随机振荡序列的模拟,并与其他模型的模拟精度进行了比较,结果表明,新模型能显著提高随机振荡序列的模拟精度.

基于小波变换的小样本随机振荡序列灰色预测模型

针对GM(1,1)幂模型对于小样本振荡序列对含突变信息无能为力的问题,提出了基于小波变换的小样本振荡序列灰色预测模型.首先,针对原始数据序列建立GM(1,1)幂模型描述其总体趋势特征;然后,利用小波变换提取GM(1,1)幂模型残差序列所包含的有用信号和随机噪声,并结合GM(1,1)幂模型构成新的时间相应函数;最后,以与原始平均误差最小为原则确定小波变换的小波基和分解层次并对小波进行重构GM(1,1)幂模型残差序列,并结合原始GM(1,1)幂模型对随机振荡序列进行预测.算例中通过对城市用水量的拟合及预测结果表明:应用基于傅立叶变换的GM(1,1)幂振荡序列模型和基于分数阶离散GM(1,1)幂模型研究了振荡序列模型平均误差分别为3.22%和5.66%,而本文的方法平均误差为1.11%.算例研究表明,此方法能够快速高效的解决GM(1,1)幂模型对小样本有突变趋势振荡序列的预测问题.

基于随机振荡序列的GM(1,1)模型性质及其应用

为了提高GM(1,1)模型对随机振荡序列的拟合和预测效果,提出了先将原始振荡序列变为单调增长序列,再对单调增长序列进行几何平均生成交换,然后建立GM(1,1)模型.通过实例计算表明,方法能够提高GM(1,1)模型的拟合精度,可以用于随机振荡序列的建模,从而扩大了GM(1,1)模型的应用范围.

基于随机振荡序列的DGM(1,1)模型的建模及应用

考虑直接用非单调、波动性强的随机振荡序列建模预测效果不理想的问题,通过进一步挖掘平移变换和几何平均变换的性质,证明了平移变换和几何平均变换的随机振荡序列更加符合DGM(1,1)模型建模条件,构建了基于随机振荡序列的DGM(1,1)模型建模步骤.运用算例验证了模型的有效性,且提高了DGM(1,1)模型的预测精度,扩大了DGM(1,1)模型的应用范围.

西部资源环境承载力的评价

资源环境承载力是可持续发展的重要支撑力之一。文章通过分析和比较几种评价资源环境承载力的方法,从中总结出供需比较的理念,并在此理念基础上,利用指标体系评价法、层次分析法、均值化法对西部资源环境承载力进行了评价。

灰色马尔可夫模型的地铁车门故障预测

地铁车辆的客室车门因数量多、开关频繁,是列车的主要故障系统之一,一旦正线发生车门故障,极易造成晚点。基于广州地铁某线路的现有车门故障数据,提出将灰色GM(1,1)模型与马尔可夫链相结合,对车门系统的年故障次数作出预测。结果表明灰色GM(1,1)模型表示出了故障的总体发展趋势,灰色马尔可夫模型则很准确地预测了车门系统的年故障次数。对预测值的进一步延展,可以得到车门系统在维持现有检修模式下未来的年故障次数,用预测结果指导未来的检修维护策略,适当更新定期维护频率,可提高车门系统的可靠性。