基于灰色GM(1,1)模型的我国医院感染患病率变化趋势及预测

目的了解我国医院感染患病率变化趋势,并采用灰色GM(1,1)模型对我国不同规模医院的医院感染患病率进行预测,为医院感染防控提供数据支持和新思路。方法采用描述性流行病学方法分析我国医院感染患病率变化趋势,2008—2016年我国医院感染患病率数据进行灰色GM(1,1)模型构建,2018—2020年数据进行模型验证。采用构建的灰色GM(1,1)模型对2022—2024年我国医院感染患病率进行预测。结果我国医院感染患病率呈下降趋势,随着医院规模的增加医院感染患病率升高。医院感染患病率灰色GM(1,1)模型的精度良好、拟合效果较高。2024年全国、<300张床位医院、300~599张床位医院、600~899张床位医院和≥900张床位医院的医院感染患病率可降为1.00%、0.49%、0.90%、1.13%和2.05%。结论我国医院感染防控效果明显,灰色GM(1,1)模型对我国医院感染患病率有较好的预测效果。

含油海洋环境下316L仪表管点蚀深度预测模型研究

为了提升316L不锈钢仪表管在含油海洋大气环境下点蚀深度的预测精度,建立了基于改进粒子群算法优化的直接离散灰色点蚀深度预测模型[SCPSO-DDGM(1,1,λ)]。首先以暴露实验点蚀数据为例,建立DDGM(1,1)模型,并利用新信息变权弱化缓冲算子、等维灰数递补对模型进行动态改进;后采用非线性变化惯性权重和正弦余弦学习因子提高粒子群算法(PSO)的寻优能力和收敛速度,引入高斯扰动策略增强PSO跳出局部最优的能力,进而用SCPSO对改进后的DDGM(1,1,λ)模型中的权重参数λ进行寻优;最终在MATLAB中进行仿真计算,分析对比SCPSO-DDGM(1,1,λ)模型与GM(1,1)、DDGM(1,1)、PSO-DDGM(1,1,λ)模型的预测结果。结果表明:在研究的时间区间内,经优化的新模型预测深度与实际深度高度吻合,较于对比模型性能更优。证明SCPSO-DDGM(1,1,λ)模型能够有效预测仪表管点蚀深度,为仪表管的腐蚀研究提供了新的思路与方法。

盐湖大气环境下316 L仪表管点蚀深度预测研究

为提高316 L仪表管在盐湖大气环境下点蚀深度的预测精度,采用变阶平均弱化缓冲算子、积分背景值和新陈代谢对分数阶累加灰色模型FGM(1,1,r)进行改进,首先通过改进Tent混沌映射、莱维飞行和区间自适应反向学习策略提高黏菌算法(SMA)的寻优能力和收敛速度,随后利用改进黏菌算法(ISMA)对FGM(1,1,r,ρ)中的参数r和ρ进行寻优,最后构建仪表管ISMA-FGM(1,1,r,ρ)点蚀深度预测模型。研究结果表明:经优化的新模型比原模型误差更小、拟合度更高,在仪表管点蚀深度预测方面具有更好的性能。研究结果可为仪表管道系统的完整性评价和风险预警提供参考。

基于新陈代谢GM(1,1)++的疫情应急物资需求量预测研究

当大规模疫情发生时,应急物资的供给至关重要.在新陈代谢GM(1,1)模型的基础上提出了一种新陈代谢GM(1,1)++模型,即再加入新信息,移除原始数据中的旧信息的同时,将原始数据中与拟合值相对残差最大的数据项用拟合值替代.提出的方法既能够及时去掉意义逐渐降低的老信息,加入更能够反应系统目前特征的新信息,又能够降低其他因素对原始数据的扰动性,使原始数据更具规律性.为了检验新陈代谢GM(1,1)++模型的有效性,将其预测结果分别与传统GM(1,1)、新信息GM(1,1)、新陈代谢GM(1,1)的预测结果进行比较研究.试验结果显示,新陈代谢GM(1,1)++模型的误差平方和最小,预测准确性远优于另外3种预测模型.

1,1'-二溴二茂铁的合成条件

1,1'-二溴二茂铁是合成二茂铁衍生物重要的前体化合物,通常使用1,1'-二锂二茂铁与亲电溴代烷烃试剂反应制备。由于此反应会生成副产物1-溴二茂铁,降低反应产率。为此从锂化反应的温度与溴代烷烃的选择两个条件出发,确定最佳反应条件。结果表明:锂化反应的温度为50℃、溴代烷烃选择四溴乙烷时,1,1'-二溴二茂铁的产率可达到98%;根据上述合成条件,反应基本不生成副产物1-溴二茂铁,解决了合成1,1'-二溴二茂铁纯化困难的问题。

基于GM(1,1)-IPSO-BP的重载铁路小半径曲线钢轨磨耗预测方法

为实现重载铁路小半径曲线段钢轨磨耗量的精准预测,提出一种非等间距灰色模型GM(1,1)与改进粒子群算法(IPSO)优化BP神经网络相结合的钢轨磨耗预测方法。首先,根据积分原理优化GM(1,1)非等间距模型的背景值计算方法,基于改进的模型得到实测磨耗序列的初步预测结果;然后,利用IPSO算法对BP神经网络的权值和阈值进行自动寻优,对GM(1,1)模型初步预测序列的残差进行校正;最后,将优化后的两种模型组合构建基于GM(1,1)-IPSO-BP的重载铁路小半径曲线地段钢轨磨耗量预测模型。以某重载铁路桥上半径400 m曲线为例,利用长期的磨耗监测数据进行方法的适用性分析,研究结果表明:GM(1,1)-IPSO-BP模型克服了磨耗数据的非线性、随机性特征对计算结果的影响,预测精度优于单独使用GM(1,1)、IPSO-BP模型;背景值优化后的GM(1,1)模型预测准确性更可靠;IPSO优化算法提高了BP神经网络计算的精度和速度;预测结果和实测数据之间的相对误差不大于4%;在预测区间上的绝对误差小于0.4 mm,运用该方法能够较准确地得到钢轨磨耗的发展规律。研究结果可为重载铁路小半径曲线钢轨的精准维修和科学使用提供参考。

GM(1,1)模型在安徽省城镇化水平预测中的应用

为了推进安徽省城镇化建设,制定正确的城镇发展方针政策是十分必要的.而对安徽省未来城镇化水平进行合理预测则可为政府制定城镇发展方针政策提供理论依据.现选取2010~2021年的安徽省城镇化率作为研究数据,采用GM(1,1)模型对安徽省城镇化水平建立动态预测模型,并对建立的模型进行了检验.研究表明:GM(1,1)模型具有较好的拟合精度,建模精度达到99.38%.运用GM(1,1)模型对2022~2026年安徽省城镇化率进行预测,预测结果显示未来几年安徽省城镇化水平将呈上升趋势.

联苯吡菌胺关键中间体3′,4′-二氯-5-氟-1,1′-联苯-2-胺的合成

为获得联苯吡菌胺关键中间体3′,4′-二氯-5-氟-1,1′-联苯-2-胺的适合工业化生产工艺路线,对其合成工艺进行了优化。以3,4-二氯溴苯和2-溴-4-氟苯胺为原料,经格氏和Suzuki偶联2步反应合成了3′,4′-二氯-5-氟-1,1′-联苯-2-胺,其结构经1H NMR、MS表征确证,并对合成条件进行了优化。优化条件下,3′,4′-二氯-5-氟-1,1′-联苯2-胺合成总收率61.9%,纯度98%。该工艺成本低,收率高,具有工业化生产前景。

基于GM(1,1)模型室内加速试验下钢筋混凝土服役寿命预测

为研究西部盐渍土地区钢筋混凝土损伤劣化规律及服役寿命,设计了干湿循环、盐类侵蚀、紫外线辐射及太阳照射耦合因素下的室内加速试验,定期测试试件相对动弹性模量(RDEM)、相对质量评价参数(RQEP)和腐蚀电流密度(icorr)等宏观指标及扫描电镜(SEM)与X射线衍射(XRD)等微观指标来表征钢筋混凝土损伤劣化规律及腐蚀机理,同时利用GM(1,1)模型对钢筋混凝土服役寿命进行预测。研究结果表明:RDEM、RQEP及icorr均可在一定程度上表征混凝土损伤劣化过程,RDEM呈现出先增大后减小的趋势,RQEP表现为缓慢增长-平缓下降-加速下降三阶段变化特点,而icorr呈现缓慢增长-加速增长两阶段变化。利用GM(1,1)模型预测C35试件钢筋与混凝土失效时间分别为175 d和231 d,C40试件失效时间分别为273 d和497 d。

基于GM(1,1)模型的地铁基坑变形预测研究

在深大基坑开挖过程中,基坑周围土体会受到扰动,势必会影响到基坑、基坑周围建筑物和构筑物的稳定与安全。为解决基坑开挖过程中变形监测周期过长而无法长期监测以及监测数据误差等问题,以某工程实例为依据,对基坑周围地表沉降变形进行监测,以地表沉降监测数据为基础数据建立GM(1,1)预测模型,进行基坑后期沉降变形预测分析。结果表明:该模型预测结果能较好的反映基坑的沉降变形情况,预测精度能满足工程需要,预测结果相对于实际观测值表现出超前现象,可为类似工程建设提供参考。

1-氯-1,1-二氟乙烷催化裂解制备1,1-二氟乙烯研究进展

1-氯-1,1-二氟乙烷(HCFC-142b)催化裂解制备1,1-二氟乙烯(偏二氟乙烯,VDF)的方法虽已实现工业化,但因所用催化剂在高温下易积碳,导致催化剂失活,或因添加促进剂导致裂解时造成环境污染等问题而存在应用缺陷。本文通过对比研究金属及其盐类催化剂和非金属类催化剂应用于HCFC-142b催化裂解及抗结焦性能,为HCFC-142b裂解催化剂的选择及未来的研究方向提供参考。

基于GM(1,1)模型的甘肃省冷链物流需求预测研究

随着居民对生鲜农产品质量要求的提升,冷链物流行业也亟需朝着高标准、严要求的方向进一步发展。因此,对生鲜农产品冷链物流需求进行精准预测也具有了更加重要的现实意义。将人均生鲜农产品消费量与甘肃省常住居民数的乘积作为甘肃省冷链物流需求量,利用GM(1,1)模型对甘肃省2012-2031年冷链物流需求量进行预测,并通过发展系数检验、残差检验、后验差检验,验证了模型有较高的预测精度,并适用于中长期预测,可以有效预测甘肃省冷链物流需求量的发展趋势,能够为后续甘肃省冷链物流设施规划、冷库建设、运输设备配备提供参考依据。

改进GM(1,1)-ARIMA-LR模型天然气产量预测研究

为提高天然气产量在少样本情形下预测的准确性,基于对过去的预测误差进行学习的思想,加入自适应学习因子和组合学习因子以改进模型,构建包含GM(1,1)、ARIMA和LR的集成预测模型。该模型以平均误差百分比为评价指标,依据预测步长变化和过去预测误差对单个模型分别进行动态调整,再建立目标规划模型对各模型进行动态加权。实证结果表明,改进GM(1,1)-ARIMA-LR模型能够更好地提取时间序列的长短时依赖关系,与其它的主流模型相比,其预测精度更高。对近5年的天然气产量进行一步、五步与八步预测,GM(1,1)-ARIMA-LR集成模型预测误差分别为1.187%、3.129%、9.855%。本文运用该模型对2023-2030年中国天然气产量进行预测。

基于GM(1,1)模型的西藏自治区青稞种植面积预测

稳定青稞种植面积一直是西藏自治区落实国家粮食安全与西藏青稞安全的重要议题。文章依据2006—2021年西藏自治区青稞种植面积实际数据,建立了GM(1,1)灰色预测模型,模拟精度达到最高级别1级。预测结果显示,“十四五”期间西藏自治区青稞种植面积仍然会总体保持增长态势。

基于改进GM(1,1)模型的生活用水量预测

生活用水量预测是城市给水规划的关键,其核心是提高预测的精准度。由于传统GM(1,1)模型误差主要来源于背景值和初始值,文章采取引入幂函数改进背景值和初始值2种改进方法。引入幂函数改进背景值权重构造,使新数据占改进模型主导地位;引入幂函数减少原始数据振荡,优化原始序列。将改进后的2种模型应用于河南省生活用水量预测中,并与传统GM(1,1)模型进行比较。结果表明改进模型各个检验均满足要求,可进行中长期用水量预测,预测可得2025年河南省生活用水量为48.31×10^(8)m^(3)。优化原始值改进的GM(1,1)模型预测效果好、精度高,可为当地水资源保护、管理提供参考。

基于GM(1,1)模型的甘肃省碳排放灰色预测研究

“双碳”目标战略为我国经济低碳绿色发展提供了机遇和挑战,为了给甘肃省碳减排方案的制定和实施提供理论依据,文章基于《甘肃省统计年鉴》2009—2021年各行业能源消费相关数据,通过二氧化碳排放测算得出甘肃省碳排放基础数据,运用GM(1,1)模型对2022—2033年的甘肃省碳排放量、碳排放强度和人均碳排放量进行了预测,得出了2022—2033年甘肃省的碳排放量和人均碳排放量整体呈逐年上升趋势,而碳排放强度却呈现出逐年下降趋势的结论。研究结果表明:以甘肃省当前的发展现状,在未实施强有力的碳减排干预措施下,甘肃省整体碳排放量和人均碳排放量仍逐年上升,还未见峰值和拐点,要想与全国同步实现“双碳”目标,需要制定强有力的碳减排政策措施,进行产业结构调整,深入贯彻落实减污降碳行动。

灰色GM(1,1)档案模型参数估计优化算法

针对最小二乘法在处理总体特征不明显的数据时效果欠佳的问题,提出了一种适用于“贫信息,小样本”的预测方法,采用灰色GM(1,1)模型对数据序列进行归纳、总结和提炼,构建相应的预测模型。新的参数估算方法将初始误差的绝对值和最小化,将参数估算转化为目标规划问题,利用目标规划法,在不依赖于数据整体特性的前提下,有效降低异常值,简化计算过程,提高预测精度。

基于M-DGM(1,1)模型的东江河流系统健康评估

东江作为广东省和香港特别行政区的重要水源地,直接关系着珠三角地区的经济发展以及香港特区的繁荣稳定。为有效掌握东江河流系统健康状况的发展趋势,促进东江流域内经济社会的可持续发展,针对东江河流系统健康评分(2015—2019年)的振荡分布特性,基于灰色预测理论,结合等维灰数动态递补模型,构建了M-DGM(1,1)灰色预测模型,并利用该模型对东江河流系统(2020—2024年)的健康状况进行了评估。结果表明:该预测模型精度达到一级,可满足东江河流系统健康状况评估的要求;东江河流系统健康在2020—2024年间仍处于亚健康状态,但总体向着健康方向发展;部分敏感警兆指标评分(2020—2024年)发生波动,要继续加强对东江河流系统健康的保护与管理。

基于GM(1,1)模型的贵州省农产品冷链物流需求预测

为提前了解贵州省农产品冷链物流需求发展趋势,把握未来贵州省农产品冷链需求,让相关部门、企业更好地对农产品冷链物流进行规划建设。文中选取贵州省七类适冷农产品总产量作为样本数据,运用灰色GM(1,1)模型对贵州省2022-2031年农产品冷链物流需求量进行预测。结果表明,所构建模型通过了有效性检验及精度检验,贵州省农产品冷链物流需求是逐年加大的。最后,对未来贵州省农产品冷链物流的发展,提出几点建议。

基于改进GM(1,1)模型对地表沉降变形的预测应用

传统GM(1,1)模型用于地表的沉降变形预测时,仅需要少量的数据就能预测整体的变化趋势,然而随着预测期数的增多,预测精度也会受到初始数据的限制,使得精度逐渐降低。在工程应用中,沉降变形受外界多种系统因素变化的影响,对其进行预测时需要一个动态的GM(1,1)预测模型。文章针对传统GM(1,1)模型不能动态调整数据这一不足之处,建立了灰色新陈代谢GM(1,1)模型,通过精度调整后对后期沉降变形进行了预测。通过对比不同类型模型结果发现,灰色新陈代谢GM(1,1)模型预测误差较小,精度较高,有很好的工程应用价值。