基于PSR和无偏GM(1,1)模型的福建省耕地生态安全评价与预测

研究目的:对福建省2004—2015年的耕地生态安全状况进行评价,并对2016—2025年的安全状况进行预测,以指导区域耕地合理、可持续利用。研究方法:运用PSR评价模型建立评价指标体系、熵权法确定权重,采用无偏GM(1,1)模型进行预测,通过障碍度模型确定障碍因子。研究结果:(1)2004—2015年福建省耕地生态安全值呈曲折上升趋势,安全级别从较安全级上升为安全级;(2)预测结果显示,2016—2025年福建省耕地生态安全状况维持在安全状态,但安全值呈直线下降趋势;(3)通过障碍度模型得出未来10年福建省耕地生态安全的障碍因素主要集中在经济发展状况及农业生产活动方面。研究结论:2004—2015年,福建省的耕地生态安全状况总体较好,未来10年的耕地安全状况还需通过出台惠农政策、大力开展土地整治及宣传耕地生态安全知识等措施加强。

区间灰数表征与算法改进及其GM(1,1)模型应用研究

针对目前区间灰数的表征和运算过程中存在着较为严重的问题 ,即 :运算结果对灰数的灰度进行不必要的放大 ,造成信息的严重失真 ,笔者定义了标准区间灰数与第一和第二标准区间灰数的概念 ,分析了第一和第二标准区间灰数之间的关系 ,进一步设计了普通区间灰数与标准区间灰数之间的转换规则 ,提供了标准区间灰数之间的比较与运算法则 ,较好地解决了区间灰数之间的大小比较与运算问题。最后 ,将这一研究成果应用于基于区间数的GM (1,1)模型预测问题 ,取得了良好的效果。

基于灰色GM(1，1)非等时距修正模型的轨道质量预测

根据灰色理论,以轨道质量指数检测数据为原始时间序列,通过累加弱化序列的随机性,挖掘轨道系统内在的规律,研究建立基于灰色GM(1,1)非等时距模型的轨道质量预测方法。为提高模型预测精度,优化模型中的初值和背景值,并基于残差分析引入周期性函数,对模型进行修正。用此模型对轨道质量指数TQI数据进行分析预测,并对模型精度进行检验。结果表明模型能较好地反映轨道质量恶化发展的随机波动特征,拟合、预测精度高,为了解和掌握轨道质量状态的发展规律提供了新的方法。

基于改进GM(1,1)模型的应急物资需求量预测

目的应急物资需求量的预测是应急物资配送的前提条件,为了提供受灾区比较可靠准确的应急物资需求量的实时信息,便于决策者进行科学合理的应急物资调度.方法根据GM(1,1)的指数特性,通过对原始数据序列进行变换使其服从指数规律的方法改进模型,克服了传统GM(1,1)模型指数规律的不足,用改进模型对应急物资需求量进行了预测.为验证改进后的GM(1,1)模型的有效性,将其预测结果与传统GM(1,1)模型和同类研究文献中方法的预测结果进行相比分析.结果实验结果表明:改进GM(1,1)模型预测的平均相对误差小于2.9%,预测精度有明显提高.结论根据该模型预测的未来几个周期内应急物资的需求量的信息可以作为决策者进行应急物资调度的依据.

GM(1，1)模型在铝电解氧化铝浓度估计中的应用研究

详细介绍了灰色GM(1,1)模型的原理及建立步骤。将GM(1,1)模型引入到铝电解氧化铝浓度估算中,对基于Kalman滤波的氧化铝浓度自适应估算模型进行修正。灰色模型建模维度为5,对采用浓度自适应估算模型得到的浓度与实际浓度的偏差序列进行预测,将预测值反馈到浓度自适应估算模型中,形成新的浓度估算值。通过对电解生产中的30余组氧化铝浓度工艺数据进行估算,结果表明,经修正后,浓度估算值与实际值变化趋势保持一致,基本能满足铝电解工业现场的应用要求。

灰色新陈代谢GM(1,1)模型在参考作物腾发量预测中的应用研究

随着时间的发展,任何一个灰系统都会加入一些未来的扰动因素,对系统的发展产生影响。而常规灰色GM(1,1)预测模型在建模时,采用的是现实时刻t=n为止的过去的数据,没有考虑这些扰动因素。故离现实时刻越远,该模型的预测精度就越低。针对这种情况,提出了灰色新陈代谢GM(1,1)预测模型。并尝试用灰色新陈代谢GM(1,1)预测模型对阜新市参考作物腾发量进行预测。结果表明:灰色新陈代谢GM(1,1)预测模型的预测精度较常规灰色GM(1,1)预测模型有了明显的提高。该模型建模过程简单、适用性强,为参考作物腾发量的预测提供了新的方法。

基于GM(1,1)模型的军用车辆交通事故预测研究

在分析军用车辆交通事故预测技术重要性的基础上,根据2005—2009年的军用车辆交通事故原始数据,建立军车交通事故的GM(1,1)灰色预测模型。对军用车辆交通事故起数和死亡人数进行短期预测,并通过实例验证预测模型的适用性。通过模型验证结果可以看出:GM(1,1)模型预测所得数据较为精确。预测结论如下:未来几年,军车交通事故会稳步下降,事故发生次数会快速减少,但死亡人数相对减少较缓。

基于综合优化GM(1,1)的形变预测模型

通过对传统GM(1,1)模型的初始条件进行优化,利用复化的Simpson数值积分公式构造背景值,以及对残差序列进行修正,建立优化的GM(1,1)模型,并给出优化模型的精度评价方法和标准。以小浪底大坝的变形实测数据为例,进行基于传统GM(1,1)预测模型和优化GM(1,1)预测模型的计算比较。结果表明,基于优化的GM(1,1)预测模型精度更高。

改进GM(1,1)模型在路基沉降预测中的应用

GM(1,1)模型是沉降预测中应用较为广泛的模型之一,在实际应用当中发现其预测效果有时候较差甚至完全失效。为此从传统 GM(1,1)预测模型建模原理出发,分析存在的理论缺陷,指出在形成预测公式时规定(?)^(1)(1)=x^(1)(1),α=0.5为已知条件是不合理的,应当根据实际情况选用其他数据。通过引入平均斜率来计算α(k)序列,并利用 MATLAB 程序进行数据处理,寻找最合适的(?)^(1)(1)以及最佳维数区。某高速公路实测沉降数据计算表明,新方法有满意的拟合和预测效果,为提高建模精度提供了新的途径。

非等间距GM(1,1)模型背景值的改进及其最优化

背景值构造方法是影响非等间距GM(1,1)模型精度和适应性的关键因素之一,文章分析了非等间距GM(1,1)模型中的背景值,提出了用Newton插值和数值积分中的Newton-Cores公式与Gauss-Legendre公式分别重构模型中的背景值。该背景值不仅适合于非等间距建模,也适合于等间距建模,该模型进一步拓广了GM(1,1)的适应范围,数据模拟结果充分说明了新模型的有效性和优越性。

GM(1,1)在工业固体废物产生量预测中的应用

工业固体废物产生量预测是废物资源优化管理与合理配置的重要前提。为有效预测城市工业固体废物的产生量,客观反映其变化趋势,选择GM(1,1)预测方法建立工业固体废物产生量预测模型。文章以某市2006-2009年的工业固体废物产生量为基础,通过实例对模型精度进行分析比较。研究结果表明:对基本符合线性关系的数据而言,预测值与实际结果具有良好的一致性,模拟精度等级为"好"。在此基础上对该市未来近几年的工业固体废物产生量进行预测研究,发现该市工业固体废物产生量增长速度过快,到2016年全市工业固体废物年产量将高达2 408.25万t,是2006年的5.3倍。研究证明灰色GM(1,1)模型是一个预测工业固体废物产生量的较好工具,其预测结果可为政府部门和环境管理者提供决策参考。

一种新型数据变换技术及其在GM(1,1)模型中的应用

针对灰色系统理论中的数据变换技术进行深入研究,从数据变换的机理入手,提出了数据变换的构造准则,在该准则的基础上构造出一种新型数据变换。通过对该新型数据变换若干性质的讨论验证了其满足数据变换的构造准则,并将该变换应用于GM(1,1)模型。通过具体的实例的计算表明,该变换能够提高GM(1,1)模型的预测精度,具有一定的实用性。

残差非等间距GM(1,1)模型及应用

为了提高灰色系统的预测精度,人们从理论与实践中不断探索新的建模方法,从模型自身特性出发改进灰色模型。通过对传统的GM(1,1)模型进行差分运算,推导出非等间距GM(1,1)模型,扩展了模型的应用范围;从背景值的几何意义出发,指出背景值的积分构造形式比均值生成的形式更加合理,并给出了积分背景值的数学表达式;在一次拟合结果的基础上,为了进一步提高模型的精度,对一次拟合的结果进行了残差分析,并建立了灰色残差模型,通过把灰色残差模型得到的数据依次补偿到一次拟合结果上,得到了残差修正的灰色GM(1,1)模型。通过对热处理实验中渗碳浓度的数据处理结果显示,残差GM(1,1)模型较好的描叙了渗碳浓度和深度的关系。该模型对工程数据的处理具有一定的参考价值和指导意义,为灰色模型的应用提供了一个有效的方法。

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。

基于改进GM(1,1)模型的上海港集装箱吞吐量预测

为提高港口集装箱吞吐量的预测精度。以上海港2007-2015年集装箱吞吐量数据为基础,引入弱化算子理论对灰色GM(1,1)模型原始数据进行预处理建立改进GM(1,1)模型,分别应用传统模型和改进模型对上海港集装箱吞吐量进行预测,比较两种模型的预测精度及曲线拟合度。结果表明:改进模型弱化了原始数据的随机性,可很好地降低预测误差,显著提高传统灰色GM(1,1)模型的预测精度和拟合度。

一种优化的高精度灰色GM(1,1)预测模型

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有变换一致性,且通过累加生成建模时,x(0)(1)没有起到高精度控制预测等问题。该文从重构GM(1,1)白化背景值出发,利用白化背景值的加权向前差商和向后差商平均值优化模型灰导数,根据新信息对认知的作用大于旧信息的原理,以x(1)(n)替换x(0)(1)作为模型的初始条件,对GM(1,1)预测模型进行了改进,从而使所建模型的预测精度大为提高,尤其是发展系数大于2时,新模型的拟合精度仍然很高。通过实例对比验证了新模型无论在低增长指数序列还是在高增长指数序列都有非常高的实用性和可靠性。

基于小波变换与卡尔曼滤波结合的GM(1,1)模型在高铁隧道沉降变形分析中的应用

高铁隧道的变形量较小,但受随机噪声的干扰较大,使得监测得到的沉降曲线不能反映实际的沉降情况。鉴于此,文章提出了基于小波变换与卡尔曼滤波相结合的RLG降噪方法,该方法既有小波变换的去相关作用和多分辨分析功能,又有卡尔曼滤波对未知信号的线性无偏最小方差估计的特点。采用GM(1,1)预测模型对降噪后的数据进行分析,得到的结论是:基于小波变换与卡尔曼滤波相结合的GM(1,1)模型的精度较基于卡尔曼滤波的GM(1,1)模型的精度高,可有效地运用于高铁隧道沉降分析中。

基于GM(1,1)的华山松生长量预测研究

以94 a树龄华山松Pinus armandii解析木数据为研究对象,利用GM(1.1)灰色预测模型,基于数值分析软件DPS,建立了华山松生长量预测模型并验证,解决了林木生长量的预测难题。灰色模型预测值C=0.2652(很好),p=1.0000(很好),结果表明GM(1,1)模型预测精度较高,预测可靠。验证了GM(1,1)灰色预测在林木生长量预测中应用的正确性,该模型在华山松生长量预测方面有较强的实际应用价值。

基于级比序列的离散GM(1,1)模型

针对离散GM(1,1)模型的模拟序列未能反映出原始数据序列的级比动态变化这一问题,通过对原始数据序列的级比序列进行建模,建立基于级比序列的级比离散GM(1,1)预测模型。该模型较好地保留了原始序列级比的动态性,结合原始序列与级比序列的关系,获得原始序列的模拟值。数值计算结果表明,基于级比序列的离散GM(1,1)预测模型,无论在相对误差还是平均相对误差的变动幅度方面,都优于离散GM(1,1)模型。

背景值和初始条件同时优化的GM(1,1)模型

GM(1,1)模型是有偏差的灰指数模型,其精度取决于背景值的构造形式和初始条件的选取。已有的研究文献均是从一个侧面单独改进GM(1,1)模型,单独采用优化背景值方法或优化初始条件方法可以在一定程度上提高模型精度,因为两种改进方法完全独立。这里提出一种同时优化背景值和初始条件的新GM(1,1)模型,通过模拟数据的比较表明,新优化GM(1,1)模型有更高的精度。