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)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 。

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。

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.

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。

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。

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。

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。

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。

铁路行车事故加权马尔可夫SCGM(1,1)_c预测模型及应用

从铁路行车事故的预测问题出发,试图找到稳定有效的方法对铁路行车事故进行预测。首先引入BX数据生成法对原始数据序列进行处理,以弱化原始数据之间的随机性。建立了单因子系统云灰色SCGM(1,1)。模型,揭示铁路行车事故时序变化的发展趋势。参照原始数据的中心趋势曲线,来划分铁路行车事故状态,得到了状态转移概率矩阵。据此计算自相关系数并进行归一化,作为各步马尔可夫链的权重,提出了加权马尔可夫SCGM(1,1)。模型,以修正SCGM(1,1)。模型的预测值,对铁路行车事故总数进行了拟合和预测。结果表明:相比较而言,加权马尔可夫SCGM(1,1)。模型在对铁路行车事故的拟合和预测中均有较好的效果,拟合精度和预测精度分别达到了98.92%和96.36%。

一种拓广的灰色SCGM(1,1)_(a0)模型及其应用

基于最小二乘原理,考虑理想状态下的绝对误差建立了一种拓广的SCGM(1,1)a0模型,并给出了计算方法。计算实例表明,新模型具有满意的拟合效果和预测效果,从而为提高预测精度提供了新途径。

SCGM预测控制对纯滞后伺服系统性能的改善

通过对圆网伺服系统的分析 ,提出了一种基于系统云灰色模型 (SCGM)的预测补偿控制器 ,它结合灰色预测、PID控制以及决策控制的思想 ,可以较好地改善小的纯滞后伺服系统的跟踪性能 .仿真试验和实际运行证明了该控制方案能够在不影响原有系统阶跃响应的情况下 ,减小斜坡响应的稳态误差 ,提高伺服系统的动态响应能力 .

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。

基于SCGM(1,h)的我国工业生产水耗和能耗预测

能源和水资源是重要的生产要素。节能降耗、发展循环经济是我国工业化道路的必由之路。科学预测我国单位产值的能耗和水耗,对深化经济体制改革,调整产业结构,制定资源开发和利用规划,保持国民经济和社会持续健康发展具有重要意义。灰色系统云SCGM(1,h)模型是灰色理论最有力的发展,适用于对相互联系的多个时间序列的预测,是解决复杂的不确定系统问题的有力工具。文中运用SCGM(1,h)模型预测我国万元GDP耗能量和万元工业增加值耗水量,取得了较为理想的效果,不仅比单独运用GM(1,1)模型预测的精度高,而且预测结果更加合理和可信。

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。

基于灰色加权马尔可夫SCGM(1,1)c的交通事故预测

交通事故预测是交通安全评价、规划和决策的基础。基于灰色系统理论和马尔可夫链理论,应用系统云灰色模型SCGM(1,1)c拟合道路交通时序数据的总体趋势,所得拟合指标是随机波动的。马尔可夫链原理适合处理波动性大的系统过程,因此选用能更好解决随机波动性的加权马尔可夫链预测方法,提出一种用于道路交通事故次数预测的灰色加权马尔可夫SCGM(1,1)c模型,它适用于时间序列短,数据量少且随机波动不太大的动态过程预测。以某市1975—2010年道路交通事故次数为例进行了预测分析,结果表明该模型既能揭示交通事故次数变化的总体趋势,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。