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GM(1,1)模型的管壁结蜡厚度增长规律研究

为了进一步分析蜡沉积厚度随时间的变化规律,采用灰色理论和相关数据变换方法建立了改进GM(1,1)模型.在掌握传统GM(1,1)模型建模步骤的基础上,基于弱化缓冲算子的基本原理和线性变换方法对GM(1,1)模型进行了改进,采用均方差比、小概率误差及平均相对误差对比分析了传统模型和改进GM(1,1)模型的精度.实例计算结果表明:弱化缓冲算子作用后的改进模型较传统模型有更高的精度;采用缓冲算子结合线性变换方法所建改进模型的精度较好,其精度高于仅考虑缓冲算子时的改进模型;线性变换函数中常数R的改变会影响改进模型的精度,合理选择R有助于模型达到更高的精度;应用弱化缓冲算子结合线性变换方法建立改进模型来研究管壁结蜡厚度的增长规律完全可行.     

初值修正和函数变换的改进灰色模型在管道腐蚀深度预测中的应用

为了准确预测管道的腐蚀深度，借助灰色理论建立了改进GM(1, 1)模型。针对传统灰色模型的不足，引入反双曲正弦函数变换方法建立了改进模型一，并在此基础上提出了一种基于初值修正结合反双曲正弦函数变换的改进模型二，通过实例对比分析了改进模型和传统模型预测管道腐蚀深度所得结果的差异。室内试验测试数据和实际管道检测数据的计算结果表明：传统模型预测所得的平均相对误差(分别为5.300%和13.617%)均较大，因此模型的精度较差；改进模型一预测所得的平均相对误差分别为2.345%和2.639%,其预测精度较传统模型有大幅度的提高，因此该模型适用于腐蚀深度的准确预测；对改进模型一采用初值优化方法后，所得改进模型二的预测精度进一步提高，其提高的程度较为有限；总体来看，所建改进模型能够满足管道腐蚀深度预测的精度要求，具有较强的推广应用价值。     

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。     

尾段残差修正GM(1,1)模型在管道腐蚀预测中的应用

为解决海底油气管道由于外表面破损引起腐蚀加快,进而导致管道腐蚀失效的问题,基于传统灰色模型,建立尾段残差修正GM(1,1)模型,用以预测管道剩余寿命。首先,检验管道腐蚀深度数据的光滑性和准指数规律性,建立灰色微分方程;然后利用最小二乘法求出方程参数值,用传统灰色模型预测腐蚀深度,并对残差进行修正,从而得到一个完整的用于海底管道腐蚀趋势预测的尾段残差修正GM(1,1)模型,并对预测结果进行后验差检验。最后以某一海底管道试验段为例,预测管道剩余寿命。结果表明,传统管道腐蚀深度预测灰色模型预测相对误差为36.7%,尾段残差修正GM(1,1)模型预测的相对误差为3.79%,后者预测精度等级更高。     

管道腐蚀深度预测的优化灰色GM(1,1)模型建立及应用

管道腐蚀深度是腐蚀行为研究的重要内容，准确预测管道腐蚀深度变化规律对于保障管道的安全运行意义重大。针对传统GM(1, 1)模型背景值计算方法的不足，提出了一种基于二次多项式变换结合背景值优化的改进灰色模型，通过实例对比分析了改进模型和传统模型预测精度的差异。结果表明：当建模样本数为7时，传统模型、改进模型一(采用二次多项式变换方法所建模型)、改进模型二(采用二次多项式变换结合背景值优化方法所建模型)预测所得的平均相对误差分别为5.33%、4.00%和3.731%,因此改进模型二的预测精度高于改进模型一和传统灰色模型；当建模样本数分别为8和9时，改进模型二的预测精度仍最高，因此采用的背景值优化方法有助于提升改进模型一的预测精度；改进模型用于预测管道腐蚀深度完全可行，且所用方法具有计算简单、精度高的优点。     

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。     

最优加权组合模型在管道腐蚀预测中的应用

为构造海底混输管道腐蚀最优加权组合预测模型，针对传统非等间距GM(1,1)管道腐蚀预测模型中初始条件的选取问题，提出了新信息优先原理下的NEGM(1,1,τ)海底管道腐蚀速率预测模型，以充分发挥建模序列中各分量对预测系统的修正作用；引入ARIMA预测模型，在3个不同定权准则下与NEGM(1,1,τ)模型形成管道腐蚀加权组合预测模型，并通过评价指标函数实现组合模型的性能评价。研究结果表明:组合模型2的海底混输管道腐蚀速率预测值与实际值的平均相对误差为0.495 4%，评价指标函数RMSE,AARD和MAPE的值分别为0.1936%,0.1275%和0.595 3%，均优于其他2个准则下的组合模型。建立NEGM(1,1,τ)-ARIMA海底管道腐蚀速率最优加权组合预测模型，从多角度挖掘了管道腐蚀速率序列中的可靠信息，预测结果的可信度更高。     

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%。     

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.     

基于改进PSO-BPNN的输油管道内腐蚀速率研究

为解决输油管道易腐蚀,且腐蚀程度难以测量的问题,提出使用改进的粒子群算法（PSO）优化误差反向传播神经网络（BPNN）对输油管道内腐蚀速率进行预测。改进的PSO算法提升了自身搜索到全局最优的能力,可为BPNN提供最优初始权值和阈值,从而有效避免BPNN易陷入局部最优的问题发生。以某条输油管线为例,分别运用标准的BPNN模型、PSO-BPNN以及改进的PSO-BPNN对该管线内腐蚀速率进行预测。结果表明:基于改进的PSO-BPNN的预测结果平均相对误差为5.57%,预测精度较BPNN和PSO-BPNN有明显提升。使用改进的PSO-BPNN预测输油管道的腐蚀速率可为管道的检测维修提供可靠的理论和技术支撑。     

基于ISOA-RBPNN的埋地管道剩余强度预测*

为提高腐蚀管道剩余强度的预测精度，提出引入弹性梯度下降法改进BP神经网络，并融合改进海鸥优化算法(ISOA)，构建腐蚀管道剩余强度预测模型。关于改进BP神经网络模型的参数寻优，首先采用Cat混沌映射初始化改进海鸥优化算法(SOA)初始种群的分布，提升寻优能力，优化SOA的搜索方向和攻击形式，增强其全局搜索能力并提高收敛速度，然后用ISOA对弹性BP神经网络（RBPNN）模型中的权值和阈值进行寻优，最后构建ISOA-RBPNN预测模型。以管道爆破数据为例，利用MATLAB进行仿真模拟，并与PSO-BPNN模型和IFA-BPNN模型预测结果进行对比分析。研究结果表明:ISOA-RBPNN模型的各项评价指标均优于其他2个模型，预测结果较实际值误差更小，在预测腐蚀管道剩余强度领域具有更好的性能，可为后续研究腐蚀管道剩余寿命和制定维修策略提供参考依据。     

基于GM(1,1) Markov的危化品道路运输事故与交通事故预测及关系研究

为准确预测我国危化品道路运输及交通2类事故数量趋势,探究其内在联系,在单一的灰色GM（1,1）模型基础上与马尔科夫过程组合形成灰色GM（1,1）—马尔科夫预测模型,以2013—2017年2类事故数量的原始序列探讨了该组合预测模型的实际应用,采取平均相对误差、均方差比值、小误差概率对模型进行精度检验。研究结果表明:在组合预测模型较优情况的研究中,2类事故数量历年来波动性相似,因危险化学品自身的性质、包装和装卸使得2类事故量变化频率存在偏差;2018—2019年的危化品道路运输事故分别为485起和480起,交通事故分别为225 294起和234 454起。     

基于SVR的含缺陷管道剩余强度研究*

针对采用标准预测含缺陷管道剩余强度误差较大这一问题,在Matlab中建立基于SVR的含缺陷管道剩余强度预测模型,并基于60组含缺陷管道爆破试验数据进行训练测试,以验证模型的实际性能。结果表明:SVR模型预测测试集结果的最小相对误差为0.55%,最大相对误差为10.35%,平均相对误差为2.63%,预测结果的R2高达0.990 1,验证了SVR模型的准确性和鲁棒性,研究结果可为管道运行调度及检维修提供决策支持。     

基于DE-BPNN模型的含腐蚀缺陷管道失效压力预测*

为提升含腐蚀缺陷管道失效压力预测精度,准确把控管道状态,建立基于DE-BPNN的含腐蚀缺陷管道失效压力预测模型,有效避免BPNN模型陷入局部最优问题,提升预测精度。基于61组管道爆破实验数据,分别用DE-BPNN与BPNN模型进行仿真计算。结果表明:DE-BPNN预测结果平均相对误差为3.26%,R²为0.985 85,预测精度较BPNN模型有明显提升。应用DE-BPNN模型预测含腐蚀缺陷的管道失效压力可为长输管道运输调配和检维修提供决策支持。     

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。     

城市供水管网漏损动态预测的Bootstrap-Lee-Carter模型*

为对某城市供水片区的不同管径和管材的管道漏点率进行动态预测,考虑城市供水管网漏损时变特征,采用Bootstrap方法估计Lee-Carter参数模型。针对供水管网漏点率进行经典Lee-Carter模型预测,并通过残差等高线图及其同方差性质检验,比较分析最小二乘法和加权最小二乘法估计Lee-Carter模型参数的拟合效果;考虑供水管网漏损时变引起的模型参数不确定性扰动,利用残差Bootstrap方法抽样模拟Lee-Carter模型参数置信区间和模型改进后的供水管网漏损预测结果。结果表明:Bootstrap-Lee-Carter模型相比经典Lee-Carter模型具有更高的预测精度。