尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用

为解决海底油气管道由于外表面破损引起腐蚀加快,进而导致管道腐蚀失效的问题,基于传统灰色模型,建立尾段残差修正GM(1,1)模型,用以预测管道剩余寿命。首先,检验管道腐蚀深度数据的光滑性和准指数规律性,建立灰色微分方程;然后利用最小二乘法求出方程参数值,用传统灰色模型预测腐蚀深度,并对残差进行修正,从而得到一个完整的用于海底管道腐蚀趋势预测的尾段残差修正GM(1,1)模型,并对预测结果进行后验差检验。最后以某一海底管道试验段为例,预测管道剩余寿命。结果表明,传统管道腐蚀深度预测灰色模型预测相对误差为36.7%,尾段残差修正GM(1,1)模型预测的相对误差为3.79%,后者预测精度等级更高。

基于残差周期修正的灰色电价预测模型

电力市场中的电价曲线具有多周期、跳跃等特性,而呈指数增长的灰色GM(1,1)模型预测误差较大,为此,文章提出了基于残差周期修正的灰色电价预测模型。该模型不仅利用了灰色模型的优点,而且通过原始数据的平滑处理、初值条件的改进以及残差周期修正使预测曲线波动起来,使拟合曲线更加接近原始数据,大大提高了模型的预测精度。算例结果验证了该方法的可行性。

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为:乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM(1,5)预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM(1,5)模型的残差进行修正,以便改善预测精度。实例结果:事后检验阶段GM(1,5)模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。

GM(1,1)残差修正模型在乙肝发病预测中的应用

目的了解和掌握辽阳市乙肝发病规律和流行趋势,为乙肝防治提供科学依据。方法应用GM(1,1)残差修正模型对《中国疾病预防控制信息系统》中辽阳市2004-2012年乙肝发病率数据拟合并进行动态预测。结果传统GM(1,1)预测模型为^x(1)k+1=(x(0)1-μ/α)e-αk+μ/α=1983.4029e0.0479k-1844.0793,精度检验结果显示模型精度勉强合格;GM(1,1)残差修正模型:^x(1)2(k+1)=1983.4029e0.0479k-736.925e-0.054k-196.6992e0.113k-933.4641,均能通过残差检验和关联度检验判定标准,后验差检验其模型精度判别为优;预测2013年和2014年辽阳市乙肝发病率分别为134.0638/10万和138.5362/10万。结论 GM(1,1)残差修正模型拟合辽阳市乙肝发病率理想,预测精度高,具有一定的实用性和精确性。

残差修正的GM(1,N)模型在城市火灾预测中的应用

本文以2003-2018年福建省火灾次数及其相关社会经济因素数据为基础,综合考虑社会经济因素与火灾之间的相关性,分别运用 GM(1,N)模型与改进后的残差修正 GM(1,N)模型对火灾次数进行预测.并通过灰色关联分析筛选出与火灾次数关联性较大的因素,分别建立 GM(1,N)模型和残差修正的 GM(1,N)模型,结果表明,残差修正的 GM(1,N)具有更好的预测效果,也表明,残差修正的 GM(1,N)模型具有更高的预测精度.

带周期校正的灰色残差预测模型

随着实验系统规模的不断扩大,系统运行成本高、周期长等问题逐渐显现,这就造成了实验数据获取困难、可供分析的实验数据量偏小等问题。因此,有必要通过合理的模型和方法分析原始数据的特点,对实验数据进行建模预测,获得足够的数据来对系统进行下一步的分析。针对此问题,以灰色理论为基础,在非等间距GM(1,1)灰色预测模型的基础上,首先加入残差校正模型来提高预测精度,同时对于原始数据具有周期性的情形,建立周期补偿序列,最终建立起了带周期校正的灰色残差数据预测模型。最终的实验结果表明,该模型在用于对周期性数据的预测时,准确率相对于不带周期校正的预测模型有所提高。

基于灰色残差GM(1,N)模型的交通流数据恢复算法

交通检测器采集的原始交通数据的质量会直接影响智能交通系统的后续效益.本文针对采集的交通数据普遍存在的故障问题,以交叉口检测器的交通流数据为研究对象,提出基于灰色残差GM(1,N)模型的数据修复算法.首先针对交叉口四个路口的交通流进行灰色相关分析,然后建立灰色GM(1,N)模型对故障数据进行预测修复,并进行了残差修正,提高了修复数据的精度.分析结果表明,提出的故障数据灰色残差GM(1,N)模型算法是可行的,可以更好地解决因为数据故障而对后续处理带来的困难,同时也为其他领域的故障数据修复提供借鉴.

基于残差修正GM(1,N)的武汉市住户存款预测

对灰色GM(1,N)模型加以改进,提出残差修正GM(1,N)模型。运用残差修正GM(1,N)模型对武汉市住户存款余额进行预测,取得了较好的效果:平均预测误差为11.780 15%,比传统灰色GM(1,N)模型的平均预测误差18.776 38%减小了37.260 80%,近期预测误差更小,2017年预测误差仅为0.604 52%。研究还发现,影响武汉市住户存款余额的因素由大到小依次为城镇化率、城镇居民收入、农村居民收入、人口数量。

基于残差周期修正的大气环境发展趋势的灰色新陈代谢预测分析

在传统灰色模型的基础上,遵循数据"重近轻远"的原则,运用了灰色新陈代谢GM(1,1)预测模型对我国大气环境发展趋势进行了预测,及时考虑了系统发展过程中的扰动因素,在补充新信息的同时去掉因时间推移使信息意义降低的老信息,比常规的GM(1,1)模型更好的反映出了系统当前的特征。通过预测可以得出,实行节能减排后,二氧化硫、烟尘和工业粉尘排放量分别降低了34.48%、28.61%和38.71%,大气环境质量有明显好转;其次,对残差序列进行分析,并利用残差周期修正对残差序列进行了修正补偿,通过残差检验、关联度检验和后验差检验,得出基于残差周期修正的新陈代谢GM(1,1)模型精度较高,适合于大气环境发展趋势的预测。最后,进行了滚动检验,也称为事后检验,得出滚动精度较高,可信度较大。

基于残差修正MGM(1,N)的轨迹模拟方法

针对机载自卫电子对抗系统地面测试时模拟器与飞机位置相对固定、检测结果不精确的问题,提出一种基于残差修正的轨迹模拟方法,首先对飞机三维位置坐标构建MGM(1,3)模型,通过对获得的模拟值进行多次残差修正以进行改进,最后得到轨迹模拟表达式。实验仿真表明:与传统的MGM(1,3)模型相比,基于残差修正的MGM(1,3)模型相对误差较小,避免了因数据跳动较大而引起的预测风险,提高了模拟结果的可靠性,基本符合机载电子对抗系统地面测试的需要。

基于灰色两次拟合与残差修正的水稻需水量预测模型研究

文章结合气象观测和水稻全周期腾发量测定数据,对气温、空气饱和差、日照和风速等与水稻全周期腾发量进行灰色关联分析,在关联分析的基础上,建立二次拟合残差修正模型对水稻全周期需水进行分析。分析表明:气温和水稻腾发量关联系数最高,达到0.634,其次为日照时数,在全周期中6月份气象关联度最大。建立的二次拟合残差模型需水精度检验值高于0.6,相比于传统未考虑气象关联的单次拟合模型精度有明显改善。研究成果对于辽宁地区粮食安全需水评估具有重要参考价值。

基于改进灰色模型的ATS测试仪器校准周期确定

针对自动测试系统ATS中测试仪器校准周期的确定问题,提出了改进的灰色GM(1,1)模型预测方法。首先从GM(1,1)模型出发对模型本身进行改进,然后建立等维新息模型,并确定其最佳维数,递补动态更新预测信息,为进一步提高预测精度,提出了残差修正预测模型,并引入马尔可夫过程解决其修正残差的符号问题。实例结果表明,改进的模型预测方法比单独的模型预测具有更高的精度,可以应用于测试仪器校准周期的预测过程。

基于灰色理论的甲型H1N1流感传染人数预测模型研究

就我国甲型H1N1流感传染人数的预测运用灰色系统理论,建立了GM(1,1)模型和1阶残差修正模型GMε(1,1),并分别作了精度分析。研究了GMε(1,1)的变化趋势,提出了临界值和有效域概念。用MATLAB确定了模型参数及模型预测值。

一种改进的GM(1,1)模型在交通量预测中的应用

建立了GM(1,1)循环残差修正模型,并与经典GM(1,1)进行比较,考察改进模型的预测效果。结合经典GM(1,1)模型,使用预测序列与残差序列绝对值之和来构造新序列,对新序列进行建模。通过M atlab软件编程实现了该模型,并将其应用于常熟市某无检测器交叉口每五分钟测得的交通流量预测。将本模型应用于交通流量预测建模上,其结果明显好于经典GM(1,1)模型,且预测效果更好。本模型基于经典GM(1,1)模型建立了GM(1,1)循环残差修正模型。根据实证分析和比较发现,该预测模型是合格的,并且拟合精度较高。

基于GM(1,1)模型的沉降变形分析及预报

基于传统GM(1,1)模型的建模理论,结合建筑物的变形特点,采用实时动态GM(1,1)模型,并辅以残差对模型进行修正,即将动态预报与残差修正相结合,形成基于残差改正的动态GM(1,1)模型。实际算例表明,基于残差修正的动态GM(1,1)模型,能顾及参数的时变性,可显著改善GM(1,1)模型的拟合及预报精度。

灰色GM(1,1)模型在上饶市用水需求预测中的应用研究

根据2003—2018年上饶市用水量数据,将其分为农业、工业、生活、生态四类进行数据分析,其中农业用水位于主导,工业、生活用水次之。根据灰色理论分别建立不同用水部门的GM(1,1)模型,并对所建模型进行了残差检验和后验差检验。检验结果表明生活用水、工业用水为1级精度,生态用水为2级精度,农业需水模型精度差,需要进行残差修正。通过修正后的模型对上饶市各部门未来需水量进行了预测,结果表明上饶市未来各部门的需水情况均呈现出逐步增加的趋势,工业需水和生活需水增加比例尤为明显,而农业需水则增长缓慢。

GM(1,1)残差修正模型在中国淋病发病率预测中的应用

目的 探讨GM(1,1)残差修正模型在淋病发病率预测中的适用性,并分析我国淋病发病率趋势,提出防控建议。方法 基于2012-2019年国家卫生部门公开数据,采用描述性统计学的方法对发展趋势进行分析,利用Python软件建立我国淋病发病率预测的GM(1,1)模型及其残差修正模型。结果 2012-2019年,我国淋病发病率呈倒“v”型波动变化,发病率顺位移至我国传染病的第4顺位;研究直接构建的GM(1,1)模型精度评价为不合格,经4次修正得到模型精度评价为优秀的预测模型,参数C=0.290 3,P=1.000 0,最终模型预测结果显示,2020-2024年我国淋病发病率预测区间分别为(9.199 3/100 000-9.870 5/100 000)、(9.706 3/100 000-10.414 5/100 000)、(10.288 4/100 000-11.039 1/100 000)、(10.950 1/100 000-11.749 1/100 000)和(11.697 2/100 000-12.550 7/100 000)。结论 GM(1,1)残差修正模型能够很好弥补GM(1,1)模型存在的不足,可用于淋病发病率预测。

灰色预测模型在径流长期预报中的应用

基于灰色系统的建模理论，利用河西地区有关河流的径流观测资料，建立了一个ＧＭ（１，１）残差序列周期修正径流预测模型，并用于春旱缺水期３～６月河流来水量的长期预报，经生产部门验证。

GM(1,1)的周期修正模型及其在泉水流量预测中的应用

本文阐述了 GM( 1 ,1 )的残差周期修正模型 ,并将它应用于山西神头泉的流量预测中 ,建立了神头泉流量的 GM( 1 ,1 )周期修正模型 ,对其流量进行了预测 。

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。