优化背景值的GM(1,1)模型组合改进

针对提高模型的拟合效果.在GM(1,1)模型基础上,提出改进方案生成紧邻生成序列.利用组合预测思想,结合BP神经网络预测算法对改进后的灰色模型做进一步的优化修正,同时引用新陈代谢灰色模型理论成为BP-GM(1,1)等维新息模型.该模型充分利用了两种预测方法的优势,适当的减小了单个模型预测时的误差.数据拟合结果表明:BP-GM(1,1)模型具有更好的拟合精度,该模型应用范围更广.

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少。为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型——非线性GM(1,N,x(10))和GM(1,N,x(11))模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值。进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法。最后通过一个实例进一步表明该模型的可行性与优化性。

大坝变形度的不等维加权动态GM(1,1)预测模型

针对灰色GM(1,1)模型预测结果易受模型中以前测得的陈旧数据的干扰,及等维动态GM(1,1)受缚于维数选择的情况,给出了不等维加权动态GM(1,1)模型的基本内容及建模过程,模型中计算出多种维数的GM(1,1)模型的预测值,并且通过萨函数加权法和BP神经网络计算出每种维数的权值,通过加权获得最终预测值。并且成功地将不等维加权动态GM(1,1)模型应用于大坝变形度的预测预报。实践证明,不等维加权动态GM(1,1)模型由于考虑了维数对模型结果的影响,而且及时地更新数据,提高了灰区间的白色度,预测效果比传统的GM(1,1)模型和等维动态GM(1,1)模型效果好。

GM(1,n)和BP神经网络在福州市建成区用地预测中的应用比较

城市规模扩展导致耕地急剧减少，研究城市规模对于保护耕地，提高城市用地集约度有重要意义。本研究分析了1998年～2005年期间福州市城市规模的变化趋势，以福州市建成区为例对GM（1，n）和BP神经网络在此类研究中的应用进行了对比。经检验，BP神经网络比灰色模型拟合良好，这是对建成区面积预测方法有益的探索。

GM(1,N)灰色系统与BP神经网络方法的粮食产量预测比较研究

基于国家粮食安全预警系统的开发项目,针对我国粮食年产量预测中精度差和波动大的问题,分析了逐步回归、BP神经网络和GM(1,N)灰色系统3种常用预测方法的预测能力。根据能够计量和具有农学意义2个原则,选择了粮食作物播种面积、化肥施用量、粮食作物有效灌溉面积等12个重要的粮食年产量影响因子,用上述3种方法构建预测模型。在建模样本相同的情况下,结果显示,BP神经网络方法5年期拟合平均相对误差为1.44%,连续5年逐年预测平均相对误差可达到2.89%,这2个性能均优于其他2种方法,可以较好地应用于粮食安全预警系统,笔者最后探讨了对BP神经网络进一步优化的方法。

基于灰色GM(1,1)和BP神经网络组合预测模型及应用

在分析灰色GM(1,1)模型和BP神经网络模型优缺点的基础上,构建了基于GM(1,1)与BP神经网络组合预测模型。首先利用GM(1,1)模型对系统发展进行预测得到一组预测值,同时分别将原始数据与预测数据作为输入输出数据对BP神经网络进行训练,以便得到权值和阀值,最后利用得到的权重和阈值并输入预测年份,即可得预测值。将构建的组合模型对中国人口未来发展趋势进行预测,预测结果表明,人口总量在中短期内继续增长,增速较为平稳,每年以0.11亿人口数增长。该算例表明了该组合预测模型具有较高的预测精度。

灰色GM(1,N)自记忆神经网络组合预测模型研究

水文要素的预测具有不确定性,为了提高水文要素预测精度,将水文要素的多个相关因素在建模时加以考虑。本文通过建立考虑多个相关因素的灰色GM(1,N)自记忆模型,并与BP神经网络建立组合预测模型。利用新疆墨玉县年蒸发量实测资料,建立灰色GM(1,5)自记忆神经网络组合模型。研究表明:该组合模型拟合和预测效果较满意。

基于GM(1,1)-BP组合模型的车辆周转器材需求量预测

根据车辆周转器材需求量的历史数据特点,建立了GM(1,1)-BP组合模型。运用GM(1,1)模型,结合车辆周转器材需求量的历史数据对其进行预测,再针对预测中的残差运用BP神经网络进行适当修正。通过实例验证,此组合模型优化了车辆周转器材需求量的预测方法,弥补了单一预测模型的不足,提高了车辆周转器材需求量预测的准确性。

改进的GM(1,N)灰色模型在邯郸市地下水矿化度预测中的应用

针对传统GM(1,N)模型求解时假定相关因素为线性相关与实际不符的问题,提出改进的GM(1,N)非线性优化方法,并将其应用于邯郸市2010～2015年地下水矿化度的拟合预测中,对比改进的GM(1,N)模型、传统GM(1,N)模型、多元线性回归分析、BP神经网络模型的拟合预测结果,验证改进的GM(1,N)模型的有效性。结果表明改进的非线性GM(1,N)模型拟合精度最好,其预测精度略低于BP神经网络模型。

基于GM(1,N)及神经网络的崇左铁路货运量预测

运量的预测是崇左地区铁路及物流业规划极其重要的依据。文章基于对崇左地区铁路运量影响因素的分析,利用灰度GM(1,N)预测模型对铁路运量上限进行预测,并建立BP神经网络预测模型对近年来崇左地区的铁路货运发生量进行预测,得到2014年铁路货运预测发生量及货运量上限。预测模型与实际数据拟合程度极高,且模型稳定,可根据模型及2015年规划基础数据对崇左地区铁路运量进行稳定预测。

基于BP神经网络与GM(1,N)组合的生产项目后 评价模型

通过构造回归方程初步明确了生产项目设备实际生产生产投入与设备的典型表现指标之间的关系。之后建立BP神经网络与GM(1,N)组合的预测模型,预测未来的生产投入。为实现精准投资、投入策略优化提供相应的支撑。

基于组合模型的中小电商商品短期需求预测

近几年,中小型电商企业迅速崛起,库存成本过高遏制着中小型电商企业进一步发展。精确的短期需求预测可以帮助中小电商企业减少库存积压,节约库存成本。为了准确预测中小电商企业产品的短期需求量,通过建立关于GM(1,N)多维灰色模型和GA-BP神经网络模型的组合模型,将三个模型运用到实例中进行预测,对比预测结果以验证组合模型预测效果。预测结果显示,组合模型较GA-BP模型、GM(1,N)模型具有更高的预测性,具有较好的预测效果,对中小电商企业库存管理有重要应用价值。

两种模型在地下水埋深预测中的应用及对比研究

为能够更好地预测地下水埋深及合理规划、开发地下水资源,简述BP-ANN和GM(1,1)模型的基本结构和建模步骤,以长春市体育馆旁长观井(1号井)2002-2010年的地下水埋深资料为基础,分别运用两种方法模拟并预测地下水埋深,并进行对比研究,最后得出如下结论,BP-ANN和GM(1,1)模型的平均相对误差分别为0.55%和3.45%,其对2011年的地下水埋深预测值分别为13.06、13.27m,两种模型的拟合和预测精度均较高,两种方法均可用于地下水埋深预测,其中GM(1,1)建模更简单,BP-ANN精度更高。

GM-BP组合预测模型在基坑沉降分析中的应用

为提高变形预测的精度,采用GM(1,1)与BP神经网络组合模型进行预测。灰色GM(1,1)模型使用方便,在样本数据较少的情况下能够取得不错的预测效果,但对预测序列存在规律性波动或突变时的预测能力不强;而神经网络模型建模过程相对复杂,需要较多的训练样本,但对于数据存在规律性波动和突变时有很好的预测能力。组合模型融合两者优点,将其应用于基坑沉降数据预测,结果表明,该模型预测精度优于传统的单一预测模型。

熵权法并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,建立了多元时变灰色预测模型,并基于信息熵原理,用熵权法将多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型三者进行并联组合集成建模,以充分发挥多种模型各自优点且相互补充,并将此组合模型应用于新疆伊犁河雅马渡水文站的年径流预测。结果表明,与三个单项模型的预测结果相比,并联组合预测模型更合理、普适和可靠。

人体足部跖围尺寸预测方法的比较研究

针对人体足部尺寸预测中精度差、波动性大和研究方法不系统等问题,以122名女性,年龄(25.6±7.8)岁,身高(162.9±5.5)cm,体重(53.1±8.9)kg和84名男性,年龄(27.3±10.1)岁,身高(174±5.9)cm,体重(70.1±10.3)kg为研究对象,比较BP神经网络、GM(1,N)模型和多元线性回归等3种方法的预测性能。运用灰色关联分析理论,确定足长、足宽、前跗骨围及拇指高为跖围预测模型的基本部位,构建BP神经网络、GM(1,N)模型和多元线性回归等3种模型,并以平均绝对误差、均方根误差和平均相对误差等指标进行评价。结果显示:BP神经网络、GM(1,N)模型和多元线性回归的平均绝对误差分别为3.470%,4.725%和9.940%;均方根误差分别为4.494%,15.702%和10.813%;平均相对误差分别为1.474%,2.115%,3.967%。表明BP神经网络模型精度优于另外2种模型,更适合跖围尺寸的预测。

灰色神经网络的鱼雷经济寿命预测

为减少军费开支、降低鱼雷全寿命费用,从经济性角度提出了鱼雷最佳服役年限模型。利用灰色等维新息GM(1,1)模型对鱼雷年度使用维修费用进行预测;采用分组的思想将原始数据分为多组,采用神经网络对灰色模型的预测残差进行修正,以提高预测精度。通过实际算例预测了鱼雷经济寿命,从而证明了模型的实际应用价值。

灰色BP神经网络模型在民勤盆地地下水埋深动态预测中的应用

先建立等维新息GM（1,1）模型和BP神经网络模型相耦合的灰色BP神经网络组合模型,再以民勤盆地64、65和84号井为代表,运用此模型模拟和预报石羊河下游民勤盆地的地下水埋深动态。模型精度检验表明,646、5和84号井预测值的平均相对误差分别为0.45%,0.93%,0.62%,均小于1%,符合精度要求。相比GM（1,1）模型,组合模型预测的相对误差整体上较小;相比BP模型,64号井组合模型预测的1998~2001年地下水埋深平均绝对误差从0.32m减少为0.07m,精度显著提高。结果表明：组合模型综合考虑了地下水埋深序列的确定性和不确定性变化,具有更高的预测精度,适合于短期预报。

非点源污染负荷预测的多变量灰色神经网络模型

【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。

并联组合建模在径流预测中的应用

针对径流预报的具体特征和相关问题,本文首先建立多元时变灰色预测模型,在分析多元时变灰色预测模型、非时变的免疫神经网络模型、最小二乘支持向量机模型在径流预报中应用的优势和不足的基础上,讨论并联组合预测建模的实用意义,并基于提高样本数据的精度将三者进行并联组合集成建模,充分发挥多种模型各自优点且相互补充。最后以新疆伊犁河雅马渡水文站的年径流预测为例,对该站年径流量进行并联组合预测建模,通过与三个单项模型的预测结果的比较分析,证实了本文所提出的组合预测的合理性、普适性和可靠性。