灰色模型

摘要： 为保障基坑施工安全,快速发现沉降问题,本文提出一种基于遗传算法的灰色Elman神经网络,利用沉降监测数据预测围护结构沉降。通过计算发现该模型迭代收敛速度较快,25次即能达到0.001的均方误差,可以在较短时间得到预测结果。与其他3种基础模型对比,发现该模型精度较高,在SSE、MRE、MSE 3种精度评价中均处于较高水平。

摘要： 目的:预测2030年中国成年居民的畜肉平均摄入量。方法:以2000—2018年7轮分城镇和农村中国健康与营养调查(CHNS)中20岁及以上成年居民畜肉平均摄入量数据为基础,比较ARIMA、灰色模型和趋势外推法3种模型的精度,并对2030年我国成年居民畜肉摄入量进行预测。结果:城镇居民畜肉平均摄入量的拟合预测中,ARIMA模型的拟合精度和预测精度均优于趋势外推法和灰色模型。农村居民畜肉平均摄入量的预测,ARIMA模型的拟合精度优于趋势外推法和灰色模型;预测精度则为第二,略低于灰色模型,综合拟合精度和预测精度,ARIMA模型优于其他2种模型。ARIMA模型预测到2030年城镇居民和农村居民的畜肉平均摄入量将分别达到131.0、130.6 g/d,比2018年分别增加37.2%、43.5%,将高于膳食指南推荐量。结论:ARIMA模型对畜肉摄入量的长期预测效果最理想。依据预测结果,需采取措施引导居民适量摄入畜肉,以达到平衡膳食的目标。

摘要： 为了对建筑物变形数据进行有效处理,预测变形量,为建筑物的安全运营保驾护航,本文将GM(1,1)模型、小波分析与神经网络结合,提出了一种灰色—小波神经网络模型,并借用Matlab软件实现了该预测模型。将构建的变形预测模型应用到建筑物变形监测数据处理中,首先使用GM(1,1)预处理数据,并且将预处理后的数据作为小波神经网络模型的输入数据进行变形数据预测。试验结果表明,相比于灰色预测模型与小波神经网络模型,组合模型的预测准确度与稳定性更高,并且随着训练样本的增加,预测结果与实际观测值越接近。

摘要： 服装销售预测是服装企业商品企划中必不可少的环节之一。为有效帮助服装商品企划人员及相关学者根据实际情况快速选择合适的服装销售预测方法,对时间序列法、回归分析法、灰色预测模型及人工神经网络4类定量销售预测方法从优缺点、优化历程及适用类型3个方面进行梳理总结,并对机器学习的部分组合算法进行举例与归纳。分析得出:时间序列法适用于历史数据离散程度小且影响因素少的短中期服装销售预测;回归分析法中多元回归法比一元回归法在算理上更适合具有多因素影响的服装销售预测;灰色预测模型适用于数据平滑且影响因素较少的服装销售预测;人工神经网络则适合销售数据离散程度大的时尚型服装销售预测。

摘要： 研究目的:城市群轨道交通网络化规划评价是规划方案选择的主要依据,本文构建科学客观且具有普适性的评价指标体系及评价方法,为城市群轨道交通发展提供理论指导。通过建立包含线网结构、运营效果、社会效益、城镇协调、实施难度5项一级指标,23个二级指标的城市群轨道交通网络化规划评价指标体系,采用灰色关联度法和信息熵权法组合赋权确定指标权重,构建灰色模糊多层次评价模型,实现对总目标、一级指标、二级指标的综合评价分析。研究结论:(1)案例分析表明本文提出的规划评价体系及方法科学可行;(2)城市群轨道交通网络化规划评价准则层影响程度从大到小依次为线网结构、城镇协调、运营效果、社会效益和实施难度;(3)本研究成果适用于城市群轨道交通网络化规划方案优劣评价,可为城市群轨道交通规划建设提供决策参考。

摘要： 电梯故障率的预测对预防电梯事故的发生具有重要意义,可反映各品牌电梯的故障率发展趋势,也可为后续电梯维保和检验检测提供数据支撑.针对电梯故障的随机性,利用灰色预测的建模方法不能很好地进行预测,预测精度不高,但结合马尔科夫模型能适应随机性较大的数据特点,因此建立了电梯故障率预测的灰色马尔科夫模型.通过对某品牌电梯故障率的预测分析,表明灰色马尔科夫在电梯故障率预测上具有较高的预测精度.

摘要： 针对单项灰色模型、指数平滑法在建筑安全事故预测方面存在的局限性,建立了一种基于最优加权的组合预测模型。以综合当量死亡率为样本数据,分别采用灰色模型、指数平滑法、两者的最优加权组合模型对建筑安全事故进行预测。对比分析单项预测模型和组合预测模型的预测结果与精度,并选取精度较高的模型对未来几年的建筑安全事故进行预测。结果表明,组合预测模型优于各单项预测模型,未来建筑安全形势依然严峻。

摘要： 为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明,所提基于分层优化思想的神经网络算法,能在减小预测误差的同时,降低神经网络所需样本量并增强其泛化能力。

摘要： 针对北斗卫星钟差预报研究较少的情况,基于灰色模型与BP神经网络模型,构建一种全新的组合预测模型.该组合钟差预测模型通过最优权方法有效结合两种单一模型的优点,实现北斗钟差的短期预报.最后,以北斗三种型号卫星所携带的原子钟数据为例,计算出每种单一模型的权重,通过构建最优权预报模型实现了钟差的短期预报,预报结果优于两种单一模型,证明了该组合预报模型在钟差短期预测方面有效性与适用性.

摘要： 针对弹用继电器的接触电阻预测和预测精度问题,提出了一种基于萤火虫算法(FA)优化改进灰色模型的新型灰色模型。在传统灰色GM(1,1)模型的基础上,运用等维灰数递补方法对模型进行动态更新建立改进灰色模型RGM(1,1),并引入萤火虫算法对其权值参数进行优化,得到新模型RFGM(1,1)。通过RGM(1,1)模型和RFGM(1,1)新模型预测了接触电阻变化趋势,经过对预测结果的对比分析,表明新模型具有较高的预测精度。

摘要： 边坡变形量的产生及其发展规律,对边坡稳定性的评价极为重要.基于遗传算法优化灰色模型背景值的权重系数,同时考虑边坡的变形发展的时间相关性,采用灰色关联分析法寻找关联度最大的时间因子项,建立了改进灰色-时间因子分析的TGM(1,1,p,q)预测模型.最后,考虑边坡变形发展的整体性,将多个监测点的变形量数据序列联合建立多变量的TGM(1,n,p,q)预测模型.并将该预测模型应用于三峡马家沟边坡监测工程中,计算表明:优化背景值的权重系数和引入时间修正因子均能够较大的提高模型的预测精度,采用多个监测点联合预测能够有效的提高模型的预测精度.同时,与传统的TGM(1,1)模型以及GM(1,1)模型相比,TGM(1,n,p,q)预测模型有着更高的预测精度,预测结果相对误差基本在4％以下,从而显示了该方法进行库岸边坡变形预测的有效性,这对了解边坡变形的发展趋势以及研究边坡的动态稳定性具有重要的参考意义.

摘要： 针对目前使用传统负荷预测方法预测地区农网负荷时,出现的预测误差较大、预测所需基础数据不完整等问题,研究了一种灰色模型负荷预测方法,并结合Matlab软件进行实现.通过建立GM(1,1)模型得到原始数列的灰色预测模型,对预测值和原始值的差值建立残差模型以提高负荷预测精度.此方法已经在唐山农网所辖县级供电公司进行应用,实践证明该方法可以减少预测人员的工作量,提高负荷预测的准确率.

摘要： 为了准确预测分行业未来两个月的月用电量,采用灰色等维递补模型作为主要预测模型,并采用日特征向量法预测出最近10天的日用电量数据,将日用电量数据与当月预测数据相结合,得到本月及下个月的用电量数据,最后根据节假日信息及气象信息对预测结果进行修正,得到准确度较高的月用电量预测结果.利用该方法对某省2016年分行业月用电量进行预测,结果显示结合日特征向量法优化月电量预测结果有助于提高预测准确率.

摘要： 以浙江省2004～2015年安全生产事故起数及死亡人数数据为基础,运用灰色预测GM(1,1)分别建立浙江省安全生产事故起数及死亡人数的预测模型.依据建立的模型,对浙江省2016～2020年安全生产事故起数及死亡人数进行了预测,得出浙江省安全生产事故起数及死亡人数变化曲线.结果表明未来五年浙江省安全生产事故起数及死亡人数将持续下降并逐渐稳定,预测结果对于浙江省安全生产发展规划的制定具有重要意义.

摘要： 利用珠三角城市发展资料及珠三角地区近28年来的气温资料,研究了珠江三角洲城市集群化发展指数与城市热岛效应之间的关系.认为:珠三角城市发展指数,在2000年前发展缓慢,2000年后,珠三角城市发展指数增长率比2000年前增长了5-9倍;热岛强度的增温率2000年前为0.34°C(·10a)-1,而2000年后热岛强度增温趋势为0.69°C(·10a)-1,热岛强度增温率增加了1倍.采用灰色关联度分析,结果显示:城市建成区面积、工业总产值、全年总用电量、常住人口等指标对气温和热岛强度影响明显;根据城市发展指标对气温和热岛强度的关联度,采用灰色模型拟合了城市集群化发展指标对气温和热岛强度的平均拟合相对误差分别为2.7和7.0％,说明该模型可以较好的拟合城市集群化发展指标对气温和热岛强度的影响.

摘要： 在高塔施工过程中运用沉降观测加强过程监控,指导合理的施工工序,预防在施工过程中出现不均匀沉降的情况,及时反馈信息为设计、施工部门提供详尽的一手资料,避免因沉降原因造成桥梁主体结构的破坏或产生影响结构使用功能的裂缝,从而造成巨大的经济损失.本论文以实际工程为例设计出监测方案,通过对斜拉桥主塔进行沉降观测,最后对观测成果整理分析,探讨如何利用灰色GM(1,1)模型对建筑物的沉降进行预测并讨论其可靠性.

摘要： 通过对2008-2014年卫生人力资料进行分析,应用灰色模型GM(1,1)对本市卫生人力资源进行目标年的预测.2014年各项卫生人力指标已达到本市"十二五"卫生人才发展规划目标,2020年卫生技术人员的数量将达到1.32万人.

摘要： 在各种工程建筑建设过程中,需要对工程建筑进行周期性的形变监测,通过高效准确的模型预测工程建筑物的变形状况以及科学、及时的分析,可以掌握建筑物的实际状况并及时调整工程状态.本文利用卡尔曼滤波消除形变监测过程中存在的随机误差的影响,为了避免以较强指数规律特性进行预测,对于存在波动发展的形变序列或有饱和的S型形变序列,使用基于二阶常微分方程和优化岭回归估计的GM(2,1)模型对形变时序数据进行预测,建立了卡尔曼滤波优化岭回归GM(2,1)组合模型的预测方法.以某工程实例的形变监测数据为例,将组合模型应用于该形变位移数据的预测分析,并与单一GM(1,1)、GM(2,1)模型预测结果对比分析.实验结果表明,组合优化模型的预测分析结果明显优于传统灰色预测模型,且具有较高的预测精度.该组合预测模型对工程建设过程的形变预测分析对后续建设和治理具有一定的参考和决策支持作用.

摘要： 在各种工程建筑建设过程中,需要对工程建筑进行周期性的形变监测,通过高效准确的模型预测工程建筑物的变形状况以及科学、及时的分析,可以掌握建筑物的实际状况并及时调整工程状态.本文利用卡尔曼滤波消除形变监测过程中存在的随机误差的影响,为了避免以较强指数规律特性进行预测,对于存在波动发展的形变序列或有饱和的S型形变序列,使用基于二阶常微分方程和优化岭回归估计的GM(2,1)模型对形变时序数据进行预测,建立了卡尔曼滤波优化岭回归GM(2,1)组合模型的预测方法.以某工程实例的形变监测数据为例,将组合模型应用于该形变位移数据的预测分析,并与单一GM(1,1)、GM(2,1)模型预测结果对比分析.实验结果表明,组合优化模型的预测分析结果明显优于传统灰色预测模型,且具有较高的预测精度.该组合预测模型对工程建设过程的形变预测分析对后续建设和治理具有一定的参考和决策支持作用.

摘要： 在各种工程建筑建设过程中,需要对工程建筑进行周期性的形变监测,通过高效准确的模型预测工程建筑物的变形状况以及科学、及时的分析,可以掌握建筑物的实际状况并及时调整工程状态.本文利用卡尔曼滤波消除形变监测过程中存在的随机误差的影响,为了避免以较强指数规律特性进行预测,对于存在波动发展的形变序列或有饱和的S型形变序列,使用基于二阶常微分方程和优化岭回归估计的GM(2,1)模型对形变时序数据进行预测,建立了卡尔曼滤波优化岭回归GM(2,1)组合模型的预测方法.以某工程实例的形变监测数据为例,将组合模型应用于该形变位移数据的预测分析,并与单一GM(1,1)、GM(2,1)模型预测结果对比分析.实验结果表明,组合优化模型的预测分析结果明显优于传统灰色预测模型,且具有较高的预测精度.该组合预测模型对工程建设过程的形变预测分析对后续建设和治理具有一定的参考和决策支持作用.

摘要： 本发明提供了一种基于无偏非齐次灰色模型和马氏模型的交通事故预测方法，通过建立交通事故数的初始数据并利用无偏非齐次白化微分方程得到无偏非齐次灰色模型的无偏参数估计形式，并算出参数估计值；再以无偏非齐次灰色模型的拟合值与初始值的相对值作为状态划分的依据，将预测值划分为三个状态；建立基于无偏非齐次灰色模型和马尔科夫的预测模型；最终利用已建立的预测模型，对交通事故数进行模拟，并预测将来的事故数据值。本发明通过无偏非齐次灰色模型实现了对非齐次指数函数的拟合，结合马尔科夫链对预测结果进行修正，利用改进的三步状态转移概率矩阵进一步提高了预测精度，并实现了对数据的动态分析。

摘要： 本发明公开了基于非等间距灰色模型的混丝加香出口水分预测方法，包括数据预处理、建立非等间距预测模型、模型精度检验和模型应用等步骤。本方法以混丝加香出口水分历史数据为基础，通过建立非等间距灰色预测模型GM(1,1)，并利用该模型对现实生产进行短期预测，模型简捷实用、预测精度高，适合做混丝加香出口水分短期预测，为烘丝出口水分的控制提供参考。

摘要： 本发明涉及一种基于帝王蝶算法优化灰色模型关键参数的能源预测方法，其技术特点是：针对初始能源需求数据建立灰色GM(1，1)预测模型；针对灰色GM(1，1)模型的发展系数a、灰作用量u，建立有关初始能源需求值与灰色预测模型输出的模拟值之间平均相对误差的目标函数；通过帝王蝶算法对目标函数进行求最优解，确定灰色GM(1，1)模型的发展系数a、灰作用量u；将发展系数a、灰作用量u代回灰色GM(1，1)模型对能源需求进行预测。本发明设计合理，其将帝王蝶算法应用到灰色GM(1，1)预测模型中，提高了单一灰色GM(1，1)预测模型对不可控偶然因素导致的不规则波动数据的适用性，也提高了灰色算法的预测精度，其方法相对简单，预测效果更优。

摘要： 本发明公开了一种基于灰色模型的电网夏季空调负荷峰值精细化预测方法及系统，利用历史日电力负荷峰值、气象资料，找出相关性强的气象影响因子，综合气象因子的影响，计算出人体舒适度指标有效温度，利用灰色模型、谐波分析方法，从总体的负荷数据中剥离出由空调设备产生的负荷，根据有效温度对逐日空调负荷峰值进行预测。本发明可以预测出电网未来10天逐日空调负荷峰值，根据预测结论，做好电网“迎峰度夏”时期电力调度及管理预案，实现电力资源的合理使用调配，提高电网运行的经济性和稳定性。

摘要： 本发明是一种基于麻雀搜索和改进灰色模型的继电器贮存寿命预测方法，包括如下步骤：步骤1选取特征参量；步骤2获取性能特征参量在历史时间维度中样本数据，构建原始数列；步骤3：用测得的接触电阻数据构建灰色模型；步骤4：用等纬递补的方法对灰色模型进行改进；步骤5：用麻雀搜索算法对改进的灰色模型的权值进行优化；步骤6：用优化后的新模型,对接触电阻变化趋势进行预测，并与优化前的改进灰色模型进行对比。本发明在对传统灰色模型改进的基础上，运用等维灰数递补方法对模型进行动态更新建立改进灰色模型，并引入麻雀搜索算法对其权值参数进行优化，得到新模型,经过对预测结果的对比分析，表明新模型具有较高的预测精度。

摘要： 本申请公开了一种基于灰色模型和大数据处理的电机故障预测方法，包括以下步骤：1）查询大数据库中关于电机运行的数据，获取全部电机运行故障种类并获取引起不同电机运行故障种类的电机状态监控异常数据，并对获取的数据进行统计整理；2）根据步骤1）得到的数据，计算出各种电机状态监控异常数据导致电机运行故障的可能性权重并形成电机故障权重矩阵；3）建立电机故障预测的灰色模型和电机故障预测的模糊判定规则。本发明的优点在于：将灰色模型预测与模糊预测结合，防止单一模型预测带来的数据不准确性，提高预测精度和有效性。

摘要： 本发明提供一种容积卡尔曼滤波器和离散灰色模型的组合导航方法，获取已经过解算的GNSS数据及原始IMU数据；根据状态维数初始化容积点和权重及相关参数矩阵；利用容积型卡尔曼滤波器初始化得到容积点误差；进行时间更新并进行载噪比判别；在载噪比低于第一预设值的卫星数量小于第二预设值的情况下，建立离散灰色模型并计算k+1时刻的高度预测值；基于k+1时刻的高度预测值进行状态更新、容积点更新，计算出全球卫星导航系统与惯性导航系统的组合导航结果。本发明能够降低传统CKF精度随系统上升而下降的误差，同时提高系统在GNSS数据缺失时的水平定位精度，使用DGM(1,1)在垂直通道进行辅助，抑制滤波器在高度定位结果时的误差，能在遮挡环境下更好地进行工作。

摘要： 本发明公开了一种基于灰色模型的机械设备润滑油性能预测方法，包括以下步骤：S1:获取润滑油数据，基于所述润滑油数据获取原始序列；S2:判断原始序列是否满足建模条件，基于满足建模条件的原始序列构建灰色模型；S3:将待预测时间点输入灰色模型，得到预测值；S4:将预测数据与预设报警阈值进行比对并利用EXCEL软件绘制趋势预测图，完成润滑油性能预测。本发明通过构建灰色模型进行润滑参数预测，进而达到轴承故障预测的目的，根据本发明的预测结果，可以避免设备故障的发生，提高设备的可靠性，从而为科学换油和确定故障部位、原因、类型以及对轴承开展视情维修提供技术支持，避免过剩维修，从而从总体上降低维修费用。

摘要： 本发明提供了一种基于改进灰色模型的锂离子电池寿命预测方法及装置，具体包括以下步骤：(1)获取锂离子电池数据，形成第一数据集；(2)对所述第一数据集进行数据检验；(3)采用改进后的鸟群算法对灰色模型辨识参数进行选取，建立基于改进的灰色模型锂离子电池寿命预测模型；(4)利用所述的基于改进灰色模型对所述第一数据集进行拟合，获得锂离子电池寿命数据在时间序列上的整体变化趋势，最终得到锂离子电池寿命预测结果。本发明提供的锂离子电池寿命预测方法及装置有效的提高的锂离子电池寿命预测的精度，提高锂离子电池的稳定性和安全性，具有重要的实际工程意义。

摘要： 本发明公开一种粒子群优化的灰色模型预测光伏发电功率的方法，涉及电力系统技术领域，考虑了辐射强度、气温、电池温度的影响，建立了GM(1，N)模型，并用粒子群算法寻找GM(1，N)模型的最优权值，该方法相较于传统的GM(1,1)模型，考虑了气象因素对于光伏功率的影响，采用组合预测的方法提高了预测精度，同时对数据样本量的要求不大，考虑光伏功率具有季节性特点，一个季度的原始数据可以满足本发明的要求，且预测精度较高。