改进GM(1,1)模型在管道结蜡厚度预测中的应用研究

为了准确预测含蜡原油管道的结蜡厚度,构建了基于灰色系统理论的改进GM(1,1)模型.在分析GM(1,1)模型基本原理和建模步骤的基础上,基于平移变换的思想建立了改进GM(1,1)模型,对比分析了改进GM(1,1)模型和传统GM(1,1)模型预测结果的差异,探讨了不同平移量对改进GM(1,1)模型拟合精度和预测精度的影响.结果 表明:改进GM(1,1)模型的拟合精度和预测精度均高于传统GM(1,1)模型;随着平移量的增加,改进GM(1,1)模型的预测精度出现了先高后低的变化趋势,因此在实际应用中应对平移量进行合理选择;应用改进GM(1,1)模型来提高管道结蜡厚度的预测精度是可行的,具有一定的推广应用价值.     

基于改进灰色模型的管壁蜡沉积厚度预测研究

为对含蜡原油管道中的蜡沉积厚度进行准确预测,在函数cot(x2)变换的基础上,结合平移变换思想,利用cot(x2+c)变换建立新的改进GM(1,1)模型。以现场管道结蜡数据和室内环道结蜡数据为例,对比改进GM(1,1)模型、基于函数cot(x2)变换建立的GM(1,1)模型及传统GM(1,1)模型之间的预测精度,并分析平移量c对改进GM(1,1)模型预测精度的影响。结果表明:改进GM(1,1)模型的预测精度最高,其次是基于函数cot(x2)变换建立的GM(1,1)模型,而传统GM(1,1)模型的预测精度最低;随着平移量的增大,改进GM(1,1)模型的平均相对预测误差呈现出先减小后增大的趋势,因此合理的平移量有助于模型精度的提高。应用改进GM(1,1)模型来预测管道蜡沉积厚度是可行的,该方法可为含蜡原油管道蜡沉积厚度的准确预测提供参考和借鉴。     

基于灰色GM(1,1)-马尔科夫模型的职业病预测研究

为准确预测量化我国职业病的发病趋势,在灰色GM(1,1)模型的基础上结合马尔科夫过程构建灰色GM(1,1)-马尔科夫预测模型,探讨灰色GM(1,1)-马尔科夫模型在职业病预测领域的应用。通过平均相对误差、后验差比值、小误差概率3个指标对该组合模型的预测精度进行评估。结果表明:10维灰色GM(1,1)-马尔科夫模型与原始数列的拟合程度较高,预测精度等级为一级（好）,该组合模型的预测精度优于单一的灰色GM(1,1)预测模型;在遵循新陈代谢原理的情况下,我国职业病发病呈现上升态势,2015—2018年的职业病发病例数依次为31 196,36 284,37 724,39 147例。     

GM(1,N)模型在城市道路交通噪声预测中的精度分析

根据武汉市1998～2002年城市道路交通噪声检测数据以及相关的数据,分析相关因素的选取对GM(1,N)灰色模型的预测精度的影响.结果表明选取相关因素会降低GM(1,N)灰色模型的精度,而GM(1,1)模型则有较好的预测精度;利用GM(1,1)模型对武汉市2008年前的道路交通噪声进行了预测.     

改进GM(1,1)模型在我国危险化学品事故预测中的应用

针对传统GM(1,1)模型建模方法存在偏差,当发展系数的绝对值较大时,模型偏差较大,无法用于中长期预测,甚至不能做短期预测等问题.从优化GM(1,1)背景值出发,通过提高背景值的构造精度,实现对传统GM(1,1)模型的改进,利用MATLAB软件编制高效的计算机程序,实现模型的模拟和预测,并将其应用于我国危险化学品事故起数及死亡人数预测.实例结果表明,改进GM(1,1)模型无论对变化平缓的低增长序列,还是变化急剧的高增长序列,都有较好的适应性,及更好的拟合和预测效果,为提高建模精度提供了新的途径.     

基于NGBM(1,1)模型的河流水质预测研究

<正>引言水质预测是在积累了一定数量的历史数据的基础上,结合事物的发展规律和内在机理,分析得出事物未来的趋势和状态的过程。常见的水质预测方法有数理统计预测方法、人工神经网络、水质模型模拟预测、灰色预测等,这些方法各有优缺点。GM(1,1)模型作为灰色预测的核心内容之一,由于建模过程简单、所需数据量小、模型表达式简洁,已经在经济管理和工程等领域得到了广泛的应用,但是GM(1,1)模型在应用过程也出     

道路交通事故死亡人数预测模型对比研究

为准确预测交通事故死亡人数,选取人、车、路和经济发展水平作为主要因素,建立GM(1,1)和Verhulst模型,进行事故预测和精度分析。结合马尔科夫方法,对已建立的模型进行修正,构建GM(1,1)-Markov,GM(1,3)-Markov和Verhulst-Markov模型。应用上述模型预测安徽省2012—2014年交通事故死亡人数。分析结果表明:应用GM(1,1)-Markov模型,3年预测值的相对误差分别为-8.4%,-12.81%和-13.18%;应用GM(1,3)-Markov模型,3年预测值的相对误差分别为-31.86%,-44.66%和-57.50%;应用Verhulst-Markov模型,3年预测值的相对误差分别为-2.68%,-2.88%和-2.42%。Verhulst-Markov模型的预测精度更高,可用来预测今后的道路交通事故死亡人数。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

全速度多工况下客车横向转移率预测研究

为在全速度多工况下给客车防侧翻系统提供更多的应对时间,建立改进的GM(1,1)模型,用以预测客车横向转移率(LTR),即在GM(1,1)模型基础上引入弱化缓冲算子,预测的提前量可补偿防侧翻控制系统的时间迟滞,有利于减少侧翻事故。在Truck Sim和Simulink联合仿真环境下,首先通过比较LTR估算值与直接使用Truck Sim轮胎力得到的真实值,来验证基于车辆侧翻模型估算LTR的有效性;再利用改进的GM(1,1)模型在线预测客车LTR。仿真结果表明,GM(1,1)仅适用于单一易侧翻工况,而较复杂工况下的LTR预测结果存在剧烈波动;融合弱化缓冲算子的改进的GM(1,1)模型,能在全速度多工况范围内有效预测客车LTR。比较平均弱化缓冲算子及变权弱化缓冲算子的弱化效果,两者均能有效抑制预测峰值,且变权弱化缓冲算子的弱化效果更优。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病,在传统GM(1,1)模型的基础上,提出改进的非线性GM(1,1)模型,在传统的GM(1,1)模型中引入弱化算子,将紧邻均值与原始数据之间的线性假设改为非线性假设,提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象,进行数据拟合和预测分析,其中以2014年职业病例数作为验证数据,并利用后验差比值和小误差概率2个参数,检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面,改进的非线性GM(1,1)模型的预测精度提高到一级,曲线拟合度较高,预测得到2015年的职业病例数为34 900例。     

基于灰色马尔科夫模型的钻孔瓦斯流量预测

钻孔瓦斯流量是影响矿井瓦斯抽放效果的一个重要因素,为准确预测钻孔瓦斯流量,优化矿井瓦斯抽放工艺,将灰色系统理论与马尔科夫链预测相结合,充分利用两者的优点,通过对瓦斯流量原始数据处理,瓦斯流量状态划分,构建马尔科夫转移概率矩阵及Matlab分析软件进行计算的方法,建立灰色马尔科夫预测模型。结合现场工程实例,将该预测模型和GM(1,1)预测模型进行比较分析,结果表明,利用灰色马尔科夫模型预测钻孔瓦斯流量,能够消除GM(1,1)模型本身固有偏差,预测值平均相对误差为2.16%,最大相对误差仅为5.40%,均优于GM(1,1)模型。     

煤矿百万吨死亡率动态无偏灰色马尔科夫预测

为掌握我国煤炭行业整体安全生产状况,构建动态无偏灰色马尔科夫模型,通过处理我国1999—2008年度煤矿百万吨死亡率数据,对2009—2011年度煤矿百万吨死亡率数据进行预测。用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,拟合得到煤矿百万吨死亡率数据的变化趋势,在此基础上应用马尔科夫模型进行预测,并在每一次预测中更新原始数据,最后对预测结果进行对比分析。计算结果表明:动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度尤其是中长期预测精度。其中,平均绝对误差为3.35%,平均相对误差为3.85%,均低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿百万吨死亡率数据的平均预测精度超过96%。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

基于等维新息灰色马尔科夫的地铁客流量预测*

为准确预测地铁客流量的发展趋势,采用等维新息灰色GM（1,1）预测模型与马尔科夫模型相结合的方式建立等维新息灰色马尔科夫模型,探讨等维新息灰色马尔科夫模型在地铁客流量预测领域的应用;运用平均相对误差、后验差比值和小误差概率3种指标对模型精度进行检验。结果表明:等维新息灰色马尔科夫模型与原始数列的拟合程度较高,预测精度等级为Ⅰ级（优）,优于传统灰色GM(1,1)模型和等维新息灰色GM(1,1)模型的预测精度,更加符合地铁客流的实际情况。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度。