基于马尔可夫残差修正灰色模型的轨道质量指数及其分项预测

为研究轨道质量指数(Track Quality Index,TQI)及各分项值的变化趋势,本文考虑动检数据的非等时距特征,构建了关于TQI及各分项值的一阶灰色模型。原始数据经过累加变换后,利用最小二乘法求解模型的灰参数,并引入马尔可夫残差修正方法对灰色模型进行修正。通过对比修正前后灰色模型TQI及各分项的输出值(拟合值和预测值)与实测值,验证残差修正对提升模型预测精度和降低预测误差的改善效果。结果表明:经马尔可夫残差修正后,灰色模型TQI及各分项输出值可以较好反映其波动情况;与修正前灰色模型相比,修正后灰色模型TQI预测值与实测值的平均误差由1.59%降至0.89%,整体预测精度由2级提升到1级;TQI各分项预测值与实测值的平均误差由3.18%降至1.42%,整体精度由2~4级提升到1~2级。从降低误差和提升预测精度两方面看,修正后灰色模型的预测效果明显提升。

基于马尔科夫链模型的特高压输电线路工频电磁场监测方法

针对当前方法的特高压输电线路电磁监测误差大问题,设计基于马尔科夫链模型的工频电磁场监测方法。结合特高压输电线路环境和最大导线弧垂点布置线路工频电磁场测点,然后采用超限学习机网络模型设计传感数据修正技术,去除数据中干扰信息,并引入有限长模拟线电荷法以及毕奥-萨瓦定律计算输电导线三维电磁场分布,最后运用马尔科夫链模型定义工频电磁场状态转移矩阵,得到准确的监测结果。实验结果显示:所提方法的电场监测相对误差降低了21%、25%,磁场监测相对误差降低了0.24%、0.27%。

马尔科夫残差修正灰色模型及其在公路网规划中的应用

指出灰色模型的残差是一种马尔科夫链,并在此基础上提出马尔科夫残差修正灰色模型,并将其应用于公路网规划中的运输量的预测.比较了该方法与灰色预测模型的精度,实例表明该修正模型不仅可以弥补马尔柯夫预测的局限,又可弥补灰色模型的不足,具有较高的预测精度.

马尔科夫残差修正灰色理论模型在连续梁桥施工监控中的应用

为了监控过程中的方便快捷,常会略去设计参数敏感性分析及其修正过程,导致灰色理论模型调整施工误差时不能符合预测要求,需要对该模型进行改进。将马尔科夫链应用于预测误差的残差序列中,对该序列再预测。结合日兰高速公路梁山连接线郓城新河大桥主桥施工控制的具体实践,通过模型计算的预测值与实测值进行对比,应用马尔科夫残差GM(1,1)修正预测误差。分析结果表明:该方法在施工控制中安全可行,该实际工程满足合龙精度的要求,成桥线形逼近设计线形。

基于改进GM(1,1)模型-马尔科夫残差修正的网络性能预测

随着计算机网络的快速发展,网络规模变得极为庞大和复杂,网络性能参数的略微波动就有可能对整个网络服务造成影响,此时对网络性能的准确预测显得格外重要。论文将改进的灰色预测模型应用于网络性能的预测,并采用马尔科夫残差修正模型对预测结果进行修正以提高预测精度。实验结果表明,经马尔科夫残差修正后的预测值与实际值的误差较传统的灰色预测模型有明显减小,结果更接近于实际情况。

基于灰色-多步马尔科夫模型的矿井涌水量预测

为提高矿井涌水量预测精度,以洛阳龙门矿为例,基于2011年1月—2020年12月正常涌水量序列,提出灰色-多步马尔科夫模型,并用2021年1—4月实测正常涌水量验证模型。结果表明:灰色-多步马尔科夫模型预测精度达99.35%,明显高于单一灰色GM(1,1)模型和灰色-马尔科夫模型;灰色-多步马尔科夫模型对波动较大的非平稳序列拟合效果良好,可在一定程度上减少预测主观性,预测精度较高,是进行矿井涌水量预测的一种有效方法。

加权马尔科夫的灰色残差修正模型在酸性降水pH值预测中的应用

酸雨的pH值受酸性离子和碱性离子的影响比较大,这些影响因子之间存在多重相关性,用一般的方法难以达到预测精度。本文在灰色系统理论的基础上,通过引入马尔科夫理论,提出了一种基于马尔科夫灰色残差修正模型。该模型弥补了灰色预测模型在预测结果的精确性和可信任性方面表现出的固有缺陷。实例表明该方法在提高组合预测精度上具有可行性。

基于马尔科夫链残差修正的EMD-MELM混凝土坝位移预测模型

基于经验模态分解(EMD)、改进的极限学习机(MELM)以及马尔科夫链,提出了一种新的混合模型。由于混凝土坝的变形可看成静水压力、环境温度和时间效应而产生的变形,前两者体现总变形中的周期性分量,后者体现为总变形中的趋势性分量,所以在数据预处理阶段,利用经验模态分解技术将坝体总位移序列分解为趋势分量位移和周期分量位移,选择多项式函数预测趋势分量位移,提出了一种改进的极限学习机,即均值学习机集成(MELM),采用MELM模型对周期分量进行预测。再使用马尔科夫链修正模型对两个模型的拟合残差进行修正预测,叠加各预测值得到最终预测值。在某混凝土坝的应用表明,该组合模型的拟合及预测精度明显优于传统模型,具有操作简便、预测精度高、训练速度快等优点。

基于灰色-马尔科夫残差预测模型的甘南草地载畜量预测

为了预测草地实际载畜量与理论载畜量,为草地畜牧业的可持续发展提供理论依据和决策支持基础,通过对甘南州4个县市1998-2009年的草地实际载畜量和理论载畜量数据分析,以灰色GM(1,1)模型和马尔科夫预测模型为基础,建立了优化改进的灰色等维—马尔科夫残差预测模型,以甘南州合作市实际载畜量为实例进行验证,预测结果显著(p<0.01),预测误差低于7.06%,表明该预测模型精度较高,适用于对草地载畜量的预测研究。最后,利用该模型对2010-2014年甘南州4县市草地实际载畜量和理论载畜量进行预测分析,基本符合草地载畜量实际变化过程,为相关部门合理确定草地载畜量和进行科学草地管理提供参考。

中长期电量预测的傅里叶-马尔科夫修正模型

灰色模型在中长期电量预测中只对电量呈近似指数规律单调增长的序列才有较高的预测精度.随着电量变化随机波动性的增强,建立新的修正预测模型是十分必要的.针对灰色模型抗干扰能力差的问题,提出了灰色预测的傅里叶-马尔科夫修正模型,先利用傅里叶级数法,提取周期信息,优化电量变化的指数率,再采用马尔科夫链法,将电量波动随机性嵌入模型之中,从而对灰色预测的原始残差进行二重修正,提高预测模型的适应性和灵活性.通过实例分析以及对比验证表明,该模型有效地提高了预测精度.

我国危险化学品事故灰色残差马尔科夫预测模型的建立及应用研究

随着工业发展和社会进步,人们对化工产品的依赖性越来越强,导致危化品事故频发,因此建立危化品事故预测模型并对其进行预测具有重要意义。以2006—2014年我国发生的危化品事故起数为原始样本,建立预测模型,并以2015年我国危化品事故实际起数为验证样本,对所建立的预测模型的预测精度进行了验证。结果表明:所建立的危化品事故灰色残差马尔科夫预测模型精度合格,可用来预测我国危化品事故的发展趋势。

基于马尔科夫残差修正的瓦斯浓度预测

针对采用灰色神经网络预测瓦斯浓度时部分预测值精度不高的问题,提出用马尔科夫模型对三阶灰色神经网络模型预测结果进行修正的方法;介绍了灰色神经网络模型的建立和马尔科夫修正残差方法,并采用该方法对某煤矿不同时间、不同地点的瓦斯浓度进行分析预测。实际应用结果表明,经马尔科夫残差修正后的瓦斯浓度预测值与实测值的最大相对误差从14%减小到6%,修正后的瓦斯浓度变化曲线更接近实际瓦斯浓度变化趋势。

基于马尔科夫灰色残差GM(1,1)模型的火灾损失预测

科学地预测火灾事故及其损失,对于制定火灾防控措施具有重要的现实意义。应用基于马尔科夫的灰色残差GM(1,1)模型,对2002—2011年全国火灾损失进行模拟和预测,结果表明,该模型预测精度明显高于GM(1,1)模型,为火灾损失的预测提供了一种简单而可靠的新途径。

短期跨境资本流动与人民币国际化的动态发展研究——基于马尔科夫区制转移向量误差修正模型(MS-VECM)

为解释短期跨境资本流动与人民币国际化进程之间的关联性,我们基于2006年以来短期跨境资本流动与人民币国际化的季度数据,使用马尔科夫区制转移向量误差修正模型(MS-VECM),对不同状态下二者的关系进行了度量和检验。研究结果表明:受到外汇政策管制和资本市场开放等因素影响,我国短期跨境资本流动和人民币国际化之间呈现显著的三区制性质;不同时期波动存在显著非对称性,体现为转移概率和持续期均不同,但存在稳定的均衡关系,近年来二者均衡关系更加表明人民币资本项目可兑换加快是影响短期跨境资本流动的主要原因,最后提出相应政策建议。

一种基于加权马尔科夫链修正的SVM光伏出力预测模型

构建高效的光伏出力预测模型,能减少光伏出力随机性对电力系统的冲击。考虑光伏发电的随机性和不稳定性,提出用加权的马尔科夫链修正SVM预测模型,以提高预测精度。首先建立SVM光伏出力预测模型,预测未来1天的出力曲线。然后基于均值-均方差方法对预测残差进行分级,以残差序列标准化的各阶自相关系数为权重,运用加权马尔科夫链模型,预测残差的未来状态。最后根据未来状态空间的阈值对SVM预测结果进行修正。将此模型应用到某光伏发电系统的出力预测实例中,仿真结果表明,修正后的模型预测精度更高,模型具备可行性和有效性。

基于残差补偿灰色马尔科夫模型的校准间隔预测方法

为了实现对测量仪器科学、合理的校准间隔的预测,根据历史数据的特点,将灰色预测模型与马尔科夫预测方法相结合,用灰色GM(1,1)模型预测校准数据的总体变化趋势,用马尔科夫模型预测残差序列的状态变化,进而得到校准数据的预测值。用实验数据对模型进行了验证。结果表明,模型很好地体现了测量仪器关键参数的发展过程,适于校准间隔的预测。

基于灰色残差马尔科夫模型的短期风速预测

在灰色系统理论的基础上,对GM(1,1)预测模型进行改进与提升,形成了灰色残差模型。通过马尔可夫预测思想对灰色残差预测模型进行改进,并将改进模型应用于风电场短期风速预测中。通过建模与仿真,将模型运用于文献[1],预测结果证明了所提方法的有效性。改进预测模型精度较高,比传统灰色模型预测效果好,为风速预测提供了一个简便而又精准的新方法。

基于模糊聚类及马尔科夫残差修正的用户侧短期负荷预测方法

针对用户侧短期负荷随机性强、环境敏感度高的特点,提出了一种基于模糊聚类的马尔科夫用户侧短期负荷预测方法。采用模糊聚类方法对用户历史负荷数据进行可定义颗粒度的预处理,并以负荷所映射指标集构建的聚类识别指标为依据,通过指标隶属和距离校验对当前用户负荷模式准确归类;进而在所属类中心基础上进行马尔科夫残差预测。最后实验表明该方法能良好适应用户负荷特性,有效提高预测精度。

基于残差灰色马尔科夫模型的危险天气影响范围预测

在通航飞行过程中可能遇到的情况里,最为普遍可能遭遇的就是降雨天气,降雨导致的危险天气对于飞行安全也是一个需要重视的隐患。为了保障通用航空器顺利安全地抵达目的地,对于危险天气的预测也是需要重视的环节。文章通过对一小时内降雨范围的边界最大最小值处理,借助残差灰色马尔科夫预测模型,通过少量数据,对危险天气范围进行预测。

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。