基于遗传算法的SCGM(1,1,α)优化模型

在SCGM (1,1)模型的基础上 ,对系统云灰色预测模型作进一步推广 ,建立了更具一般性的SCGM (1,1,α)模型 .并给出了求解最优SCGM(1,1,α)模型的遗传算法 .实例证明用SCGM (1,1,α)优化模型进行预测能取得很好的预测精度 .

SCGM(1,1)模型在桥梁施工控制中的应用

以湖北黄冈兰溪河大桥施工为背景探讨灰色系统理论在桥梁施工控制中的应用.GM(1,1)模型是灰色系统理论中最具代表性且应用最广泛的灰预测模型,SCGM(1,h)模型作为GM(1,1)模型最有力的发展模型在许多领域已得到成功应用.文中采用SCGM(1,1)模型结合具体工程,预测各梁段预拱度及应力值,通过与实测值的对比,验证了此模型应用于桥梁施工控制中的可行性.

SCGM(1,1)简化模型及应用

在 SCGM( 1 ,h)模型的基础上给出了 SCGM( 1 ,1 )简化模型 .所给模型的计算量少 ,因而建模速度加快 ,特别适用于快速动态过程 .作为示例 ,文中将此模型应用于我国研究生人数预测 。

灰色马尔可夫SCGM(1,1)预测模型

结合灰色SCGM(1,1)预测模型和马尔可夫概率预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型。并且以郑州市降雨量的预测作为实例,证明灰色马尔可夫预测模型对于随机波动性较大的数据列的预测具有较高的精度。

均值生成时序及SCGM_(mv)(1.1)预测模型

分析了均值生成时序 ,按 SCGM( 1,h)建模原理构造了基于均值生成时序的 SCGMmv( 1,1)模型 .该模型的预测精度高 ,计算量少 ,适应于动态过程快速建模 .示例表明 :SCGMmv( 1,1)的拟合、预测效果是令人相当满意的 .

灰色系统SCGM(1,h)_c模型的拓广

对于一类贫信息耦合多因子系统，建立了灰色系统ＳＣＧＭ（１，ｈ）ｃ模型的三种拓广模型，即ＳＣＧＭ（２，ｈ）ｃ模型、ＳＳＣＧＭ（１，ｈ）ｃ模型、带有时滞的ＳＣＧＭ（１，ｈ）ｃ模型。

基于SCGM(1,1)的三种负荷预测模型及其组合

SCGM(1,N)模型是灰色预测理论在传统GM(1,1)上的进一步发展。文章首次将单变量的SCGM(1,1)模型应用于中长期电力负荷预测,分别阐述了简化SCGM(1,1)模型、均值SCGMmv(1,1)模型、拓广SCGMa0(1,1)模型的原理和特点,并应用于实例。同时将精度较高的后两种模型和GM(1,1)模型进行固定权值和变权组合,进一步提高预测结果的精确度和可靠性。计算结果证明该方法预测准确,可靠性高,抗干扰性强,是中长期负荷预测新工具之一。

煤矿事故预测的马尔可夫SCGM(1,1)_c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。

系统云灰色SCGM(1,1)c模型在作物需水量预测中的应用

作物需水量预报对灌区编制和执行用水计划具有重要作用。以灰色系统理论为基础,建立作物需水量和残差修正序列系统云灰色SCGM(1,1)c模型,通过对模型拟合精度和预报精度的检验,证明满足预报要求,解决了作物需水量数据序列小样本、贫信息的预报问题,为灌区灌溉制度的确定提供了数量指标和理论依据。应用分析表明,该方法用于灌区作物需水预报有效、可行。

多因子过程分析及SCGM_(mv)(1,h)预测模型

解决“贫”信息、多因子预测问题 ,通常有很大的难度 .文中基于多因子过程分析构造了SCGMmv( 1 ,h)预测模型 .理论证明和示例表明 ,该模型计算量少 。

基于灰色SCGM(1,1)_b模型的道路交通事故短期预测分析

在综合研究已有经验的基础上,将灰色系统的SCGM(1,1)b模型应用于全国道路交通事故短期预测研究。通过对比验证,预测结果较为理想,表明该模型可以作为交通事故预测的一种有效手段,可为交通管理部门提供可靠的决策依据。

SCGMmv（1，1）模型研究及其在工程测量预测中的应用

分析了均值生成时序，按SCGGM（1，h）建模原理构造了基于均值生成时序的SCGMmv（1，1）模型。该模型的计算量少，预测精度较高，适应于动态过程快速建模。对工程测量的预测表明：SCGMmv（1，1）的拟合、预测效果是令人满意的。

修正后的SCGM(1,h)_c模型在大坝安全监控中的应用

在某些情况下利用灰色系统云模型 SCGM( 1 ,h) c建模可能精度较低 ,文中针对这个问题 ,用SCGM( 1 ,h) c 模型的残差再次建立 SCGM( 1 ,h) c 模型 ,以修正原模型 ,并将修正后的模型应用于大坝安全监控领域。算例表明 ,改进后的模型精度比原模型有所提高。

系统云SCGM(1,h)模型仿真及应用

ＳＣＧＭ（１，ｈ）模型，即ｈ个关联因子的系统云灰色模型，自１９９０年问世以来获得了显著的应用效果．研究ＳＣＧＭ（１，ｈ）模型算法设计，并应用ＳＣＧＭ（１，４）模型预测我国农、林、牧、渔各业总产量，模型拟合误差小于１．７％，体现ＳＣＧＭ（１，ｈ）模型用于关联多因子系统预测具有突出的优越性．

基于等维动态马尔科夫SCGM(1,1)_C模型的黄金价格预测

为了提高黄金价格预测精度,提出等维动态马尔可夫SCGM(1,1)C预测模型,引入取新去旧的数据处理方法,使用等维动态实现数据优化。等维动态马尔可夫SCGM(1,1)C预测模型是将等维动态SCGM(1,1)C模型与马尔可夫链结合起来,在等维动态SCGM(1,1)C模型的预测结果上再进行状态划分与转移,重新得到预测值。选取2018年1月~2019年4月共16组黄金价格数据,将动态等维的维数定为13,数据处理时选用2018年1月~2019年1月的13个黄金价格数据,预测2019年2月的黄金价格,再依次预测2019年3月和4月的黄金价格。以2019年2~4月的3个黄金价格预测数据作为拟合,预测2019年5月的黄金价格。通过比较灰色SCGM(1,1)C预测模型、等维动态SCGM(1,1)C模型与等维动态马尔可夫SCGM(1,1)C预测模型的精度,可知等维动态SCGM(1,1)C预测模型的精度较SCGM(1,1)C模型有所提高,等维动态马尔可夫SCGM(1,1)C模型的拟合精度最高,达到一级,相对误差平均值为0.85%,符合预测要求,应用该模型预测的2019年5月的黄金价格为1314.78美元/盎司,实际黄金价格为1295.55美元/盎司,价格较为接近。

基于改进SCGM(1,1)_(C)模型的海上交通事故量预测

为提高海上交通事故量的预测精度,以单因数系统云灰色预测模型(System Cloud Grey Model,SCGM(1,1)_(C))为基础,提出基于马尔可夫预测理论修正和粒子群算法优化的改进SCGM(1,1)_(C)模型。阐述SCGM(1,1)_(C)预测模型的建模过程;结合SCGM(1,1)_(C)与马尔科夫预测理论的优点构造马尔科夫SCGM(1,1)_(C)预测模型;利用粒子群算法优化马尔科夫状态区间白化系数,得到经过2次修正的改进SCGM(1,1)_(C)预测模型;以2005—2019年海上交通事故实际数据为样本,使用这3种模型分别进行预测计算,并作相应预测值的拟合曲线图。结果表明:改进SCGM(1,1)_(C)模型的预测精度和拟合性较另外2种模型有大幅度的提高,为海上交通事故量预测问题研究提供一种新的方法。

装配式预制构件市场信息价动态测算模型研究

预制构件市场价格是装配式建筑总成本的关键组成部分,建设行政管理部门需要通过及时发布市场信息价来引导和规范预制构件市场。为克服信息价发布存在的时滞性,实现精细化、及时性管理,提出预制构件市场信息价的及时动态测算方法,通过构建马尔科夫优化后的SCGM(1,1)c预测模型实现对信息价周期内主要波动项人材机费用的预测,再将其代入信息价测算模型中实现市场信息价的动态测算。以W市预制外墙板市场信息价为例进行实证分析,结果表明:基于马尔科夫SCGM(1,1)c预测模型能够很好地满足预制构件市场信息价提前预测的需求,MAPE值为0.81%,相比于其他3种常用的价格预测方法,具有更强的适应性和稳定性。

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性。

多点季节性变形监测资料分析和预报方法研究

变形监测预报一直是变形测量的难点和重点,其结果的好坏直接影响人类的生产和生活。特别是复杂的季节性变化,往往给预报结果带来了波动性。提出了一种综合滑动平均去季节性和SCGM(1,m)模型的变形监测预报方法。该方法顾及了多点之间的空间关系,也兼顾了由季节性引起的时间变化,因此提高了预报的准确性。最后用美国南加州GPS网(SCIGN)提供的实测数据验证了该方法的可靠性。

灰色马尔可夫模型在成本预测分析中的应用

结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型.并且以施工质量成本CQ的预测为实例,证明灰色马尔可夫预测模型对于随机波动性较大的施工质量成本的数据列的预测具有一定的准确性和应用性.