基于BX数据生成法的江苏省内河货运量预测

应用BX数据生成法对灰色模型预测中的初始数据进行了处理,并通过对江苏省内河航道货运量的预测,对两种方法进行了对比,说明BX数据生成法在没有明显加大工作量的基础上有效地改进了预测精度。

BX数据生成灰色预测方法及其在环境预测中的应用

本文提出了一种适于灰色预测的数据生成方法———BX数据生成法。该法有效地改善了GM(1 ,1) ,模型的预测精度 ,并在降水量和地下水硬度的预测中取得了成功的应用 ,获得了满意的效果。

运用改进的GM(1,1)模型预测我国猪饲料产量

针对我国猪饲料产量数据序列分布呈非单调性的特点,不符合传统灰色GM(1,1)模型建模条件,预测效果不佳,对GM(1,1)模型进行了改进。首先,通过波形数据生成法(BX)将不规则的数据序列转化为单调数据序列,然后用新生成的数据序列建模进行预测。结果显示,改进GM(1,1)模型比传统GM(1,1)模型的平均预测误差减小了29.4689%,由改进模型得到2021年我国猪饲料产量为9305.296万吨,这一预测值也比传统GM(1,1)预测值更可靠。

浑河流域河道洪水演算对比模拟研究

传统的河道演算模型通常是以传播时间为定值作为基本条件,从而使得洪水演算模拟与实际情况往往在较大的偏差。鉴于此,文章以浑河流域为例利用变动态存储系数法模拟演算了河道洪水过程,根据浑河流域沈阳水文站2005-2018年的14个水文站的资料验证、率定模型的参数,在此基础上对比分析了与传统水文模型的模拟结果。结果显示:在河道洪水演算过程中变动态存储系数法相对于以往的方法具有更好的精准度与科学性,可提高洪水模拟合格率20%;可为分布式水文模型的研究及浑河流域水文模拟提供一定理论依据。

改进GM-Markov模型在道路交通事故预测中的应用研究

针对随机波动性数据对灰色GM(1.1)模型预测精度的影响问题,提出了基于BX数据处理方法与马尔可夫链理论的灰色预测模型(BXGrey-Markov模型)。首先,引入BX数据生成法对原始数据进行处理,以弱化原始数据之间的随机性。在灰色预测方法的基础上,引入马尔可夫链预测理论,建立了灰色马尔可夫预测模型,它是将灰色预测模型与马尔可夫预测方法优化组合,灰色预测模型用于预测随机序列数据的总体发展趋势,而用马尔可夫链模型预测各数据在总体趋势下的随机波动性变化,得到随机时间数列趋势预测模型的解。通过上海市交通事故预测实际数据进行了验证表明:灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。GM(1,1)模型的平均预测精度为42.29%,BX GM(1,1)-Markov模型的平均预测精度为86.9%。

运用改进的GM(1,1)模型预测我国水产饲料产量

针对我国水产饲料产量数据序列呈非单调性分布的特点,不符合传统灰色GM(1,1)模型建模条件,建模预测效果不佳,对GM(1,1)模型进行了改进。首先,通过波形数据生成法(BX)将不规则的数据序列转化为单调数据序列,然后,用新生成的数据序列建模进行预测。结果显示:改进GM(1,1)模型比传统GM(1,1)模型的平均预测误差减小了26.9805%,由模型得到2021年我国水产饲料产量为2215.1732万吨,这一预测值也比传统GM(1,1)预测值更可靠。

基于条件异方差分析的水文时序模型及其应用

针对条件异方差现象在水文过程的时序研究中常被忽略的情况,建立了水文过程时间序列分析和预测模型.首先,利用Census X12分解水文时序,由其得到的周期项与趋势项分别建立相应的条件异方差模型;其次,对于分解序列后得到的残差项,建立基于BX数据生成的灰色Markov预测模型;再次,将三个模型进行耦合,编制了算法流程,由此提出了一种基于条件异方差的水文时序分析与预测模型;最后以河南省淮河流域的鲇鱼山水文站1975-1999年逐月的径流量为例进行了应用验证.研究结果表明:提出的模型从预测效果来看,总的平均偏差只有17.42%,其精度要明显高于常规的水文时序分析中ARCH和ARMA(1,1)等传统方法.