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.     

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     

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.     

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。     

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。     

单变量灰色预测模型在煤矿开采沉降预测中的对比分析

以预测煤矿开采而引起的地表高程的损失为目的,通过灰色系统理论的建模、关联度分析和残差辨识,建立基于贫信息的传统GM(1,1)模型、GM(1,1)残差模型、时序残差GM(1,1)模型,又建立基于原始数据具有绝对误差的灰色CompertzⅠ和灰色LogisticⅠ模型与具有相对误差的灰色CompertzⅡ和灰色LogisticⅡ模型,并将其应用到金竹山矿业公司土珠煤矿的地表沉降量的实际预测分析中,对该矿2007年度1—10月的地表高程损失量进行灰色生成后,建立了7种灰色预测模型。根据其预测值的精度检验结果对比分析表明,所建立的7种模型均为一级(好)模型,且灰色CompertzIⅡ和灰色LogisticIⅡ模型远优于传统GM(1,1)模型,预测精度高,可靠性强,对煤矿开采的复垦规划有重要指导作用。     

基于无偏灰色模型的煤矿百万吨死亡率预测

为预测中国煤炭行业安全生产状况发展趋势,构建无偏灰色预测模型对我国煤矿百万吨死亡率数据进行模拟预测。通过对我国2005—2010年度煤炭行业的百万吨死亡率有关数据进行模拟,并与传统的灰色GM(1,1)模型的预测模拟结果进行对比分析。计算结果表明:无偏灰色模型消除了传统GM(1,1)模型本身固有偏差,预测精度较高,分析结果可靠,其中,平均绝对误差为0.030 6%,平均相对误差为2.71%,均低于传统GM(1,1)模型。预测数据显示近年来我国煤矿百万吨死亡率正逐步下降,2011年和2012年分别降至0.536%和0.411%,符合煤矿安全生产"十二五"规划要求。     

灰色控制系统理论在火灾预测中的应用

利用灰色控制理论对贵阳市2001-2005年火灾起数建立GM(1,1)模型,并对火灾发展趋势作出预测.     

基于灰色-马尔科夫链理论的建筑施工事故预测研究

我国建筑事故预测中具有统计数据少、数据波动性大等特点,缺乏具有高精度、可操作性强的预测模型。将灰色系统理论和马尔可夫原理相结合,充分发挥了灰色系统理论适用于小样本数据拟合和马尔可夫适合处理数据波动大的系统过程的优势,通过GM(1,1)模型的建立,提出一种适合建筑事故统计数据特点的灰色马尔可夫预测方法。将该方法应用于1994—2007年建筑施工事故次数分析,以此为基础对2008—2009年的建筑施工事故次数进行预测。研究结果表明:基于灰色马尔可夫理论建筑事故预测结果精度可达90%以上。     

基于GM(1,1)模型的军用车辆交通事故预测研究

在分析军用车辆交通事故预测技术重要性的基础上,根据2005—2009年的军用车辆交通事故原始数据,建立军车交通事故的GM(1,1)灰色预测模型。对军用车辆交通事故起数和死亡人数进行短期预测,并通过实例验证预测模型的适用性。通过模型验证结果可以看出:GM(1,1)模型预测所得数据较为精确。预测结论如下:未来几年,军车交通事故会稳步下降,事故发生次数会快速减少,但死亡人数相对减少较缓。     

交通事故损失的时间序列分析

为揭示交通事故经济损失的变化规律,笔者研究并利用时间序列的方法,建立了ARIMA模型,对1985—2005年全国交通事故经济损失的数据进行了分析和预测。根据原始数据的特点,选择随机时间序列分析方法。通过对模型的识别和参数的选择,得到2006—2008年的交通事故损失的预测值分别为2.9559,2.9707和3.0129亿元,置信区间为95%。通过对1985—2005年交通事故经济损失的预测结果与原始数据的比较表明,预测结果接近原始数据,该方法为交通事故的预防和控制提供了技术指导和有益参考。     

郑州环境空气中粉尘浓度的统计分析及预测

对郑州市2005年1月—2009年12月份的可吸入颗粒物(PM10)指数数据进行统计分析,并利用Matlab软件建立了利用气象要素预测PM10的BP神经网络模型。结果表明:2005—2009年郑州市PM10指数的年均值和空气质量超标天数逐步下降,且趋于稳定;年内各月的PM10指数浓度差异很大,冬季PM10指数显著高于夏季,8月最低,而12月最高;采暖期PM10指数显著高于非采暖期,而节假日对于PM10指数的影响不明显;通过平均风速、平均气温、平均气压和平均相对湿度预测PM10浓度可以达到最高精度86.85%。     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.     

基于存活概率的动态车龄分布模型

城市车辆的年龄组成(简称车龄分布)是体现城市车辆老化程度和确定车辆报废年限的重要指标。目前已有的车龄分布算法要求数据量大,在我国大部分城市很难得到完整的数据。笔者提出一种符合威布尔分布的车辆存活概率算法。该算法根据车辆保有量数据和报废车辆总数(或新车数据)推导出各年的车龄分布,且能够动态预测将来年份的车龄分布。同时,利用北京市小客数据对算法进行了实例应用,证明该法的实用可行性。由于该算法所需数据量小,计算简便,特别适用于我国在用车统计不完备的地区,利用该算法根据有限的数据来推导出当地的车龄分布,具有通用性。该算法的有效性检验和敏感度分析需进一步研究。     

基于B样条曲线的GM(2,1)动态组合预测模型应用

突发事件具有较强的随机性,且在对某类突发事件的预测研究过程中,往往会出现研究数据样本少或数据缺失的情况。运用工程技术中3次B样条插值和GM(2,1)预测模型对这种情况进行分析、研究,建立基于3次B样条曲线的GM(2,1)动态组合预测模型,在高质量弥补数据缺失的同时,也使预测结果体现局部动态性和全局性的特点。运用该模型对广东省雷电灾害指数进行实证分析,结果显示,预测结果的等级误判率为11%,2010年的灾害指数等级预测区划分布结果与实际情况相吻合。     

Field data: a study on trend and prediction of fatal traffic injuries prevalence in Shanghai

OBJECTIVE: The main objectives of the study are to analyze fatal traffic-injury trends in 1987-2003 in Shanghai and predict its prevalence in near future and provide scientific data for the local governmental decision on developing practical working methods on traffic-injury prevention and control. METHODS: In this study, epidemiological method and Grey dynamic model GM (1,1) were introduced to analyze and forecast traffic-injury mortality rates respectively. RESULTS: There was an apparent increasing trend of traffic-related injuries in Shanghai from 1987 to 2003 with the rate of growth in motorization. The average rates of annual increase are 3.59% in fatalities (from 7.78 per 100,000 population to 14.18 per 100,000 population) during the period. Pedestrians were the most common type of victims (29.6%), followed by bicyclists (25.1%), and motorcyclists (24.1%). Males accounted for the majority of all victims, over 69%. The population of high-school and lower high-school education level represented 66.4% victims of total road-traffic injuries. And if no special factors effect its development, the traffic fatalities would be up to 17.84 per 100,000 population in 2010, when calculating from equations we found and validated Y(t) = 359.90 x e0.027(t-1)-352.13, (t = 1, 2, ..., N) for Shanghai. CONCLUSION: Our data indicate the risk of fatal traffic injuries has increased in recent years and will go on growing in the near future in Shanghai. The findings showed that Grey dynamic model GM (1,1) is eligible on the prediction and can be a tool for injuries forecasting, implementing effective policies, programs, and interventions for reducing traffic injuries in the big cities.     

基于GM模型的城市火灾危险性分析

伴随着城市的快速发展，城市面临的火灾危险性及其造成的损失越来越大，如何根据火灾发生规律研究预测火灾的发生是关键的问题。本文对火灾发生的季节和区域规律进行研究，在灰色系统理论中的GM（1，1）模型基础上利用等维灰数递补GM模型对城市火灾发生的规律进行了预测与分析，计算结果表明，预测值与实际情况基本一致，具有一定的指导意义。     

民航事故征候的关联度分析和灰色模型预测

民航事故征候的分析和预测是民航安全研究的重要内容,其目的是掌握民航事故征候影响因素的影响程度和未来发展状况,以此提出相应的安全措施,减少民航事故.通过对民航事故征候及其影响因子作灰色关联度分析,发现机组失误是关键因子,其后依次为总飞行时间、机械原因和天气原因;运用灰色模型对现有2001-2004年机组失误导致的事故征候的实测统计数据进行分析,预测出2005-2009年机组失误导致的事故征候次数分别为37、44、52、61和73;经过残差、后验差等检验分析,发现该模型精度较高,效果较理想.预测的趋势指示出机组失误导致的事故征候随时间的推移在增加.所以,在以后的航空安全管理工作中要着重加强机组管理,有效的预防和矫正机组行为失误,从而达到减少事故征候的目的.