变权1-AGO GM(1,1,λ)模型及其应用

基于新数据优先原则和具有累加生成算子功能，提出了自定义变权函数并构建变权一次累加生成算子（1-AGO）GM（1，1，λ）模型。它既解决原始序列新数据优先的加权问题，又具有一次累加生成算子功能。它与分数阶GM（1，1）模型相比，直接自定义变权函数，不需要进行数学证明。文章讨论了变权一次累加生成算子的性质，定义了变权一次累加GM（1，1，λ）模型的原始形式和推导出变权一次逆累加生成算子（1-IAG0）公式。通过技术创新实例，合理选择A值可使得GM（1，1，λ）模型比传统模型具有更高的精确度。

1-AGO-GM(1,1)模型的构建及其在火灾死亡人数预测中应用

针对传统GM(1,1)预测模型对初始值依赖程度较高,预测结果波动性大的问题,采用一次累加方法对初始值进行修正,构建了1-AGO-GM(1,1)模型.并以北京市2008—2017年火灾死亡人数预测分析为实例,进行相应的拟合运算,对比两种模型的运算误差,结果表明改进型GM(1,1)预测精度更高,能够取得良好的预测效果.

GM(1，1)改进模型及其应用

传统GM(1,1)模型实质上是用指数规律来模拟原始序列的变化,因此需要对原始数据序列的累加生成序列进行准指数规律的检验。但对本身已具有准指数规律的原始序列进行累加生成不但不能提高预测精度,反而会增加数据的灰度,影响预测效果。针对传统GM(1,1)模型的这一缺陷,GM(1,1)改进模型根据最小二乘法原理对本身已具有准指数规律的原始序列直接建立模型,克服了传统GM(1,1)模型在建模过程中的盲目性;并在产油量预测中获得了较高的模拟精度,使平均相对误差由5.6%下降至3.8%。较理想的预测效果也验证了GM(1,1)改进模型的正确性和有效性,从而为提高GM(1,1)模型的预测精度提供了一条新的途径。

1—AGO灰关联分析模型

对灰关联分析中关联系数以及关联度加以改进,给出了1—AGO关联系数以及1—AGO关联度,讨论了它们的有关性质,并建立了1—AGO灰关联分析模型,使之更具有合理性和科学性.

生丝回潮率智能化快速测试系统数学模型研究

针对传统纺织材料回潮率测试方法——烘箱法存在的测试周期长、能耗高、劳动强度大、测试效率较低等问题,以生丝为研究对象,研制开发出了生丝回潮率双模式快速测试系统。该系统能够实时记录生丝在一定温度环境烘箱烘燥过程中的质量,通过对数据结果的分析,得出烘燥时间与生丝失水质量间呈一定函数关系的规律,利用一次累加生成算子(1-AGO)等数据处理,建立了烘燥时间与生丝失水质量间的指数关系预报分析模型。根据所建立模型,烘燥周期40min内,生丝回潮率的预测结果与标准烘箱法实际测试结果间误差为2.08%。

基于灰色理论的参数测量法在液压站故障诊断系统中的应用研究

针对液压站故障诊断的现实需要,提出了基于灰色理论的参数测量方法。通过理论介绍和仿真应用两方面阐述基于灰色理论在线诊断技术的工作原理。使用结果表明:该测量方法实用方便,测量效率高。

基于灰色理论的移动梦网数据分析

灰色系统预测 ,是将系统主行为与关联因子一起进行的多序列预测 ,即在分析与研究系统因子之间相互影响与协调作用的基础上 ,建立系统主行为特征量与关联因子的灰色动态模型群 ,然后通过求解进行预测 系统预测的基本要求是 ,通过建立GM模型群 ,研究和预测系统的动态变化 ,掌握其发展规律 ,并控制与协调变化的方向与速度 ,使之向着人们所期望的目标发展 预测所采用的基本数学方法是建立状态方程 。

从累加生成后的粉尘环境浓度逼近估计接触浓度

在粉尘的非稳定作业场所环境与接触浓度二者间缺乏共变从属关系，一方难以估计另一方。本文依据灰色理论一次累加生成（1-AGO）原理与方法，由粉尘的环境浓度逼近估计接触浓度。结果表明：二者1－AGO序列间具有较好的共变从属关系（r在0．9934～0．9994之间），误差小、拟合度好，可以由一方估计另一方。