基于MATLAB灰色GM(1,1)模型的大气污染物浓度预测

灰色GM(1,1)预测模型是灰色理论中的重要组成部分,也是主要的预测方法之一,因此,GM(1,1)模型的应用范围很广泛。以乌鲁木齐市市区的大气环境监测数据资料为依据,在分析灰色预测模型基本原理的基础上,利用MATLAB强大的矩阵功能,实现灰色GM(1,1)模型算法。通过灰色系统GM(1,1)模型,对乌鲁木齐市未来4年的环境空气质量进行了预测分析。预测结果显示,乌鲁木齐市未来4年环境空气质量将持续好转,表明近年来乌鲁木齐市采取的产业结构调整和清洁能源战略实施卓有成效。机动车尾气已经逐渐成为目前和未来一段时间内乌鲁木齐市空气污染的主要因素之一,控制和减少车辆尾气对空气的污染不容忽视,为今后乌鲁木齐市制定大气环境规划、防治大气污染控制提供了科学依据。     

用灰色系统GM(1,1)模型预测城市交通噪声

本文对灰色系统及灰色系统 GM(1,1)预测模型做了简介,并以沈阳市为例,具体应用 GM(1,1)模型对市区交通噪声进行了预测.本文较详细地说明了使用 GM(1,1)模型进行城市交通噪声预测的方法、步骤及有关问题.     

CFG桩复合地基沉降预测的灰色理论模型对比研究

CFG桩复合地基的工后沉降受到多种不确定因素的影响。本文根据灰色系统理论的处理方法,分别采用普通GM(1,1)模型、新息GM(1,1)模型和新陈代谢GM(1,1)模型,对采用CFG桩进行地基处理的某建筑物地基沉降进行了预测。结果表明:新陈代谢GM(1,1)模型由于淘汰掉旧的沉降数据、加入新的沉降数据,所以能够更准确地模拟CFG桩复合地基沉降的真实情况。     

软土地基沉降预测的GM(2,1)模型分析和改进

目前大多数地基沉降预测模型都是统计模型,物理意义不够明确。本文以灰色系统预测模型中的GM(2,1)模型作为软土地基沉降预测模型,通过分析GM(2,1)模型与Asaoka公式之间的联系,指出其白化方程与Asaoka法二阶微分方程具有严格的一致性,为GM(2,1)模型在地基沉降预测中提供了明确的物理意义;利用最小二乘法和模式搜索法对GM(2,1)模型的参数求解进行了优化,并将GM(2,1)模型应用于实际工程中,结果表明该模型优于双曲线法和Asaoka法,可以应用于软土地基的沉降预测。     

基于变异系数法的道路交通事故灰色组合预测模型研究

为准确预测交通事故死亡人数,针对不同单一灰色预测模型的特点以及存在的局限性,建立了一种基于GM(1,1)模型和Verhulst模型的灰色组合预测模型,用于对我国道路交通安全事故进行预测,通过变异系数法确定组合预测模型中各个单一预测模型的权重系数,并利用我国2007—2016年道路交通事故死亡人数数据,对建立的灰色组合预测模型进行了检验。结果表明:灰色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,可为我国道路交通安全事故的研究提供参考。     

山洞油库地下管沟油气泄漏聚集量的预测研究

在分析山洞油库具体空间结构和狭长受限空间内油气蔓延规律与特性的基础上,分别采用灰色GM(1,1)模型和一元线性回归模型对山洞油库地下管沟中的油气聚集量进行了预测,并应用MATLAB软件对预测模型进行编程以简化数学运算,通过对比分析两种预测模型的预测结果与预测误差可以得出:对山洞油库油气聚集量这种近似呈线性增长的预测对象而言,采用灰色GM(1,1)模型比一元线性回归模型具有更高的预测精度,且可确定油气达到爆炸下限的时间以及反映油气浓度变化的规律,以为山洞油库安全状态评估与决策提供依据。     

基于改进灰色GM(1,1)模型的三峡库区工业废水量预测

三峡库区工业废水排放量大,对库区水生态环境安全造成严重危害。为了取得较高精度且适合长期预测工业废水量的模型,以三峡库区2006—2012年工业废水排放量数据作为原始数据进行建模,并用2013年的数据检验结果。对灰色GM(1,1)模型和3种改进灰色GM(1,1)模型分别建模并进行精度比较,根据"新信息优先"原理,将选出的最佳改进模型与新陈代谢模型结合,抛弃最旧的数据,不断补充新的数据,重复建模,构建三峡库区2014—2020年工业废水排放量预测模型。结果表明:改进灰色GM(1,1)模型方法三结合新陈代谢模型能够较为准确地预测库区工业废水排放量,且精度高于灰色GM(1,1)模型,在未来7年里库区工业废水排放量呈现出缓慢下降的趋势。预测结果可为政府和有关部门制定该地区的环境保护政策、保护当地生态、合理安排社会经济环境的和谐发展提供参考。     

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

GM(1,1)灰色模型在真空预压沉降预测中的应用

土体固结度是真空预压法加固土体效果的一个重要评价指标,地基最大沉降量的计算是确定土体固结度的关键。本文结合工程实例,分析了GM(1,1)灰色模型在真空预压沉降预测中的可行性,根据部分实测数据计算了地基最大沉降量及土体固结度,并与常用的三点法和双曲线法计算结果进行对比,结果表明GM(1,1)灰色模型的预测结果更符合工程实际。该研究对真空预压施工具有一定的指导意义。     

生态数学模型在人口预测中的应用——以大庆市为例

运用线性回归模型、Logistic增长模型和灰色系统GM(1,1)模型,对黑龙江大庆市2008-2020年人口发展规模进行了预测,结果表明:3种模型在本案例中均能取得较好的效果;而灰色系统GM(1,1)模型的平均相对误差最小,故最终采用该预测模型,预测2010年大庆市人口数将达到284.27万人,2020年将达到325.74万人.     

严酷海洋大气环境下玻璃纤维复合材料腐蚀老化规律研究

目的 研究严酷海洋大气环境下,玻璃纤维增强树脂基复合材料的腐蚀老化规律.方法 通过实海大气环境试验,分析了南海岛礁大气环境下,复合材料暴露不同周期后的腐蚀形貌特征以及力学性能变化规律,建立了腐蚀老化性能预测灰色模型GM(1,1),并与青岛、厦门和三亚等典型海洋大气环境进行对比研究.结果 随暴露时间的增长,南海岛礁大气环境下的复合材料发生严重的纤维裸露,其弯曲强度呈下降趋势,基于弯曲强度建立的灰色模型GM(1,1)精度达到1级;与其他典型海洋大气环境相比,随着纬度的降低,复合材料的弯曲强度呈下降趋势.结论 灰色模型GM(1,1)对复合材料在岛礁等严酷海洋大气环境下的腐蚀老化性能预测精度较高.影响复合材料性能的最主要环境因素为辐照,其次为相对湿度和温度.     

恒温加速退化试验的灰色预测

针对恒温加速退化试验数据处理中的贫数据问题,利用灰色建模所需数据量少的优势,提出了加速寿命的灰色预测方法.将灰色GM(1,1)模型与阿伦尼乌斯方程相结合,提出了加速退化试验有效性判断依据和常温贮存寿命外推方法,并在某型三极管的加速退化试验数据处理中进行了成功应用.将此外推方法与曲线拟合方法进行了比较,结果表明该模型具有...     

澳门城市垃圾焚烧量的预测与分析

运用灰色关联度方法 ,定量分析了澳门城市垃圾焚烧总量的主要影响因子 ,并利用灰色系统理论建立了城市垃圾焚烧总量的GM(1,1)模型 ,与线性回归模型的数据进行比较、验证后 ,具有一定的可行性和适用性 ,为澳门城市垃圾的分析预测和规划管理提供了定量依据     

上海市城市垃圾产生量因子分析与灰色预测

运用灰色关联度方法，定量分析了上海市城市生活垃圾产生量的主要因子，并利用灰色系统理论建立了城市垃圾产生量的GM（1，1）模型，所建模型经精度检验合格，具有一定的可行性和适用性，为上海市城市垃圾的分析预测和规划管理提供定量依据。     

大气污染灰色预测法的研究

通过对GM(1,1)模型的研究,探讨了该模型在大气污染预测应用中存在的问题,提出用GM(1,1)模型群作污染物的灰色区间预测,并用实例论证了方法的合理性.     

灰色系统模型在大气环境质量预测中的应用

把大气环境作为一个灰色系统,建立GM(1,1)预测模型,对大气中的降尘及总悬浮物做出科学的预测,并进行灰色模型的精度检验。      

基于熵值法和GM(1,1)模型的重庆城市生态系统健康评价

应用信息熵值反映数据本身的效用值来计算指标权重系数,建立熵权综合评价模型,对重庆城市生态系统健康进行了评价.根据评价结果和灰理论数学建模特点,建立GM(1,1)灰色预测模型,对重庆市生态系统健康进行了动态预测分析.结果表明:2005~2009年期间,重庆城市生态系统健康总体水平良好,其中各要素指数评价大小依次是活力指数、恢复力指数、组织结构指数、服务功能指数、人群生活指数;2010~2015年期间,重庆城市生态系统健康综合评价值将以e0.1268的增速保持良好发展态势.此外,建立以熵权综合评价为基础的GM(1,1)灰色预测模型对城市生态系统健康进行评价,能够得出更客观、更全面的评价结果.     

临街建筑群间交通噪声一维分布灰色系统模型预测

研究交通噪声在建筑群间传播与分布的计算机模拟方法,建立在物理模型的基础上。由于噪声实际传播过程中未知因素太多,使由物理模型得出的预测结果在离声源较远处与实际相比有较大误差。本文提出的灰色系统模型预测方法,首先给出非本征灰色系统中物理参量按坐标分布的一般GM(1,1)模型,用计算机模拟方法在其有效的范围内获取的数据构成原始序列,按GM(1,1)建模方法给出交通噪声按坐标分布的预测值,预测结果在离交通干道较远处的分布更符合实际情况,在此范围内提高了预测精度。