Combined model based on optimized multi-variable grey model and multiple linear regression

The construction method of background value is improved in the original multi-variable grey model （MGM（1,m）） from its source of construction errors. The MGM（1,m） with optimized background value is used to eliminate the random fluctuations or errors of the observational data of all variables, and the combined prediction model together with the multiple linear regression is established in order to improve the simulation and prediction accuracy of the combined model. Finally, a combined model of the MGM（1,2） with optimized background value and the binary linear regression is constructed by an example. The results show that the model has good effects for simulation and prediction.

基于主客观组合权重的上下车人机舒适性研究

汽车上下车人机舒适性直接影响着用户的日常使用体验。为研究上下车人机舒适性各细分区域的重要程度,列出主要影响因素,首先,扫描试验车辆,逆向出每台车的人体位置设计数据,从而获得客观数据,对客观数据进行皮尔逊相关分析,利用熵权法得到指标客观权重;其次,基于主观评价数据的线性回归及专家评价的层次分析法获得主观权重,利用权重因子法得到各指标最终的主观得分,并将其作为训练集来组合优化主观权重;最后,基于组合权重法将主观权重与客观权重相结合获得综合权重。结果表明,提供的主客观评价体系有较高的可靠性,可被较好地用于上下车人机舒适性的早期规划和后期设计、验证。

权重线性组合与逻辑回归模型在滑坡易发性区划中的应用与比较

以贵州省为研究区对滑坡易发性进行研究,对预测方法进行比较。其步骤为:首先,选取年均降雨量、岩性、高程、坡向、地形地貌、坡度、至构造线距离、至水系距离、至铁路距离和至公路距离10项评价指标作为影响滑坡发生的致灾因子,分别采用主客观权重线性组合(WLC)模型及结合确定性系数的逻辑回归模型(LR)分析研究区内各致灾因子与滑坡发生的相关性并建立预测模型;其次,基于ArcGIS平台完成贵州省滑坡易发性区划图,结合历史滑坡分布,应用熵值法对2个模型的区划结果进行验证和比较。最后,从模型原理、运行环境和适用条件等方面对2个模型进行比较和讨论。研究结果表明:WLC模型和LR模型的熵权分别为0.255和0.745,表明逻辑回归模型(LR)的区划结果与实际的滑坡情况吻合度更高。

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。

灰色组合模型在中长期电力负荷预测中的应用

针对中长期电力负荷预测使用的历史数据较少,且影响因素较为复杂等特点,提出了一种基于最优权重组合(weightoptimal combination,WOC)的灰色组合模型。该模型利用最优权重组合将灰色线性回归模型、二次指数模型、等维新息模型、残差灰色模型4种模型进行组合,采用二元最优组合的迭代寻优算法来求取WOC中每个模型的权重,充分发挥几种模型各自的优点。通过在湖南省某地电力系统规划中的实际应用,验证了此方法有较好的实用性和有效性。

基于多元线性回归的区域物流需求组合预测方法

基于多元线性回归思路,以历史数据为基础,以总误差之和最小为目标函数,提出一种求取组合预测中不同预测方法权重的定量方法,并以实例说明了基于多元线性回归组合预测的合理性与先进性。

MC-最优变权组合模型在建筑物变形中的应用

提出一种基于马尔科夫链(MC)误差修正的最优变权组合预测模型。该模型用马尔科夫链误差修正理论分别对GM(1,1)模型和线性回归模型的预测值作进一步的修正,充分发掘残差序列隐含信息,再建立最优变权组合预测模型,给出了MC-最优变权组合预测模型算法的实现流程。通过算例验证表明,该模型继承各单一模型的优点,并克服其模型缺陷,同时具备了马尔科夫链的误差修正特性,在一定程度上可以确保较优的局部预测数据和较好的全局预测精度,在建筑物变形预测中具有应用价值。

基于最优组合预测法的电网负荷预测

针对西藏林芝电网的规模覆盖面小、电网结构不合理、稳定性较差,引入将单一模型进行最优组合、通过使误差平方和最小来确定最优加权系数的组合预测模型分析法,并进行了实例应用。结果表明,其预测值比参加组合的任一单项模型预测值均更精确,实用性和优越性高,值得推广应用。

基于最优加权的组合预测模型及应用

针对各种单一的传统预测方法中存在的问题,提出了一种基于最优加权的组合预测方法.根据珠江三角洲天河水文站的水位预测要求,运用最优加权法建立了多元线性回归、灰色系统GM(1,1)和BP神经网络的组合模型.实验结果表明,组合预测方法比各单一模型有更高的预测精度.

基于遗传神经网络的非等时距加权灰色线性组合模型在变形监测中的应用

针对非等时距以及BP神经网络会陷入局部极小值的问题,本文提出了基于非等时距加权灰色组合GA-BP模型的新方法。首先对原始变形监测数据采用非等时距的加权灰色组合线性模型处理,然后利用处理后的数据求出残差进而建立GA-BP神经网络模型进行残差修正。通过对比非等时距GM(1,1)以及非等时距加权灰色线性组合模型的结果,发现基于非等加权灰色线性组合GA-BP神经网络模型可以有效地提高模型精度,具有一定的应用价值。

最优加权组合预测模型在大坝变形监测中的应用

探讨最优的大坝变形预测模型,为大坝安全运行提供依据。建立基于多元线性回归、时间序列、BP神经网络3个单项模型的一般组合及最优加权组合预测模型。并采用相关性系数、均方根误差对各模型预测精度进行检验。通过对水布垭面板堆石坝坝体沉降进行预测,其结果表明BP神经网络模型和最优加权组合模型的预测精度都比较高,均适用于该工程的变形预测,尤其是ARMA-BP加权组合预测模型,计算便捷,预测精度较高,可供同类工程借鉴使用。

基于组合预测法的山东省物流人才需求预测分析

山东省物流业的发展需要对物流人才需求进行准确预估。分别采用二元线性回归预测模型和灰色预测法GM(1,1)模型对山东省2015~2020年的物流人才总量进行预测,然后借助最优加权组合法建立物流人才需求预测的组合模型,得到物流人才需求总量的组合预测值。结果显示:考察期间山东省对物流人才的需求持续增加,但是,随着人才基数的不断增大,增长速率呈现放缓趋势。最后,提出了实现预测目标的对策建议,为山东省人才培养决策提供参考。

最优定权组合预测模型在区域物流量预测中的应用

为实现对区域物流量的准确预测,本文采用多元线性回归法、二次指数平滑法、灰色预测模型分别进行物流量的预测,运用最优定权组合预测模型,在单项预测方法预测结果的基础上,以组合误差平方和最小为原则,求得各方法的最优定权系数,组合求解得到最终预测值,以此为区域物流发展规划提供依据。

基于熵权法的灰色组合模型的应用

针对粮食产量波动较大,单一预测模型不能实现精确预测问题,提出一种基于熵权法的灰色组合模型.利用熵权法对预测误差较小的DGM(1,1)和多元线性回归模型进行定权组合,并分别对我国2010—2015年粮食产量进行预测,结果表明,用改进的组合模型预测的粮食产量误差更小.

基于最优定权组合法的大气污染物SO_2预测

为了提高对大气污染物SO_2的预测准确率,基于多个空气质量预测模式(WRF-CHEM、CMAQ、CAMx),以过去一段时间内各单项空气质量预测模式的组合预测误差平方和最小为原则,构建出针对大气污染物SO_2的最优定权组合预测模型.选取2018年云南省楚雄、昭通、蒙自三个站点1至5月份的实际观测数据和前述三个空气质量模式的预测数据作为实验样本,然后分别采用多元线性回归法和动态权重更新法在相同的实验条件下与所提的最优定权组合预测法进行预测对比实验.实验结果表明,所提方法的预测值相较其他两种方法更加贴近实际观测值,其两项误差评估指标值均最小.总体而言,最优定权组合预测模型很好地综合了各单项空气质量预测模式的优势,提高了SO_2的预测精度.

组合预测模型在武汉市地铁施工监测中的应用

以武汉市地铁6号线施工沉降监测为例,利用多种预测模型对第十一标段武胜路站—汉正街站区间的沉降量进行了预测。通过对比分析可知,灰色GM(1,1)模型的拟合值与实地观测趋势大致吻合,但灰色线性回归组合预测模型的拟合效果更好,平均相对误差可达2.564×10^(-3)%。为得到精度更高、鲁棒性更好的预测模型,对灰色线性回归组合预测模型进行了加权优化。结果表明,利用改进模型进行预测的平均相对误差为1.769×10^(-3)%,验证了该模型的可靠性,对地铁施工过程中的安全稳定性评价具有一定的参考价值。

卡尔曼-非等时距加权灰色线性组合模型探讨

针对监测数据中不可避免的含有随机噪声以及监测时间往往不是等时距的问题,该文提出了一种基于卡尔曼滤波的非等时距加权灰色线性组合方法:首先对原始变形监测数据进行卡尔曼滤波处理,有效剔除随机噪声的影响;然后利用滤波后的数据建立非等时间间隔的加权灰色线性组合模型进行预测;最后进行对比分析。该模型不仅具有线性回归以及GM(1,1)的特点,而且克服了传统GM(1,1)的不足。实验结果表明,基于卡尔曼滤波的非等时距加权灰色线性组合模型不仅可以有效的剔除监测数据中的随机噪声,而且提高了模型精度,具有一定的参考价值。

智能监测与数据预测技术在地铁隧道中的应用

现阶段,依托计算机设备与技术的智能化监测和数据预测技术得到广泛应用。在地铁施工中应用智能化监测技术可以获得较为详细准确的相关数据,对监测点进行智能监测,并结合施工现场和预警风险值识别异常监测数据;采用灰色系统理论建立GM(1,1)数据预测模型,以重庆轨道交通九号线二期中央公园东站-丛岩寺站区间地铁隧道为依托,对地铁项目地表及拱顶沉降和净空收敛量进行监测。采用智能自动化监测技术,可以及时发现数据的异常,也可以预测数据发展方向,从而保障隧道施工正常进行和人与财产的安全。