基于灰色预测模型与一元线性回归模型的煤矿瓦斯涌出量预测比较

在介绍灰色预测模型和一元线性回归模型的基础上,结合某煤矿实际,采用两种模型对瓦斯涌出量进行了预测,并对两种模型的预测值进行比较,结果表明:对基本符合线性关系的数据,采用灰色GM(1,1)模型较一元线性回归模型的预测精度要高。     

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.     

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.     

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。     

组合灰色预测模型应用于山东省碳排放预测

根据山东省2000—2012年工业、建筑业和交通运输业能源消费数据测算得到碳排放量,基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数。选用2000—2009年三大碳排放行业的实际值作为原始数据,利用各预测模型预测2010—2012年碳排放量。结果表明:组合灰色预测模型比单一预测模型具有更高的预测精度。利用组合模型预测山东省2013—2017年各行业碳排放量,为相关部门制定节能减排政策提供理论及方法借鉴。     

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。     

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。     

路基沉降的非等间隔时变离散灰色预测模型

本文分析了灰色GM(1,1)模型的缺陷,并以离散GM(1,1)模型为基础建立了路基沉降的非等间隔时变离散灰色预测模型,该模型参数以最小二乘法估计,且以遗传算法优化初始值,通过工程实例与不同预测模型进行对比分析,结果表明非等间隔时变灰色预测模型的精度明显高于其他模型,且最能反映原始路基沉降数据的发展规律.     

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     

灰色理论模型在大气环境质量预测中的应用研究

根据厦门市环境保护局公布的2003～2007年厦门市大气环境中3种污染物(二氧化硫、二氧化氮、可吸入颗粒物)的监测值,通过灰色系统GM(1,1)残差修正模型预测了厦门市大气环境质量的变化趋势.结果表明,灰色系统GM(1,1)模型合理,要求数据较少,计算量适中,精度较高,相对误差为0.4%～7.7%,与环保部门公布的数据吻合程度较好.指出灰色GM(1,1)模型用于大气环境质量预测,符合系统的灰色特性,实用性好,预测结果与实际环境状况吻合;当GM(1,1)模型的预测结果精度不能满足要求时,可采用残差模型予以修正.     

基于多因素灰色预测模型的生活污水量预测研究

生活污水作为城市水环境的主要污染源,进行生活污水排放量的预测是十分必要的.污水排放量预测方法有多种,不同的方法有各自不同的特点.为提高预测精度,采用灰色预测与多元线性回归相结合的方法,综合各种因素建立多因素灰色预测模型.并以人口和人均纯收入作为影响因素,将该模型应用于苏州横泾街道生活污水排放量的趋势预测中.结果表明：该模型能反映系统的实际情况,建模精度高,平均相对误差只有0.069 8％,值得在污水排放预测中推广应用.     

有机包裹体研究在石油地质领域中的应用现状

较系统地介绍了有机包裹体研究在生油盆地分析，油气运移、聚集和演化，油气评价及远景预测等方面的天所应用成果，并附近年来有机包裹体研究的某些进展作了简要阐述。     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

深海溢油输移扩散模型研究

在对深海中泄漏的油气混合物在海洋环境中的输运过程及行为变化的分析基础上,建立三维深海溢油输移扩散模型。该模型采用拉格朗日积分法模拟溢油在近区的水下浮射扩散过程,应用粒子追踪法模拟油滴在水下远区的对流扩散以及油膜在海面的漂移扩散过程,并考虑了油气分离输移、气体溶解、天然气水合物形成与分解等复杂行为对溢油运动轨迹的影响。应用该模型数值模拟了两个大型深海溢油现场试验,结果显示溢油在水下环境中的时空分布模拟结果与现场监测数据符合较好,表明该模型具有较高的准确性和实用性,能够为深海溢油的防治管理提供理论与技术支持。     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

基于关联向量机回归的水质预测模型

提出了一种基于关联向量机回归的水质时间序列预测模型,并以该模型对氢离子浓度指数(p H值)、溶解氧(DO)、高锰酸盐指数(CODMn)和氨氮(NH3-N)4种重要水质指标进行预测.首先采用国家环保部发布的四川攀枝花龙洞水质自动监测数据进行实验,对该模型的有效性进行了验证;然后将关联向量机回归预测模型与支持向量机回归预测模型进行比较.为了比较不同核函数的预测效果,实验中预测模型的核函数分别采用了线性函数和高斯函数.实验结果表明,关联向量机回归模型的预测效果不亚于支持向量机回归模型;且在给出预测值时,还能同时给出预测结果的可信程度.     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

基于多层线性模型的铝合金大气腐蚀规律研究

目的 针对不同地区铝合金大气腐蚀差异性和样本数据利用不充分的问题,构建精度更高的铝合金大气腐蚀模型,研究铝合金在不同环境中的大气腐蚀规律。方法 基于多层线性模型,构建具备层次结构的腐蚀率模型。以某型号铝合金腐蚀数据为研究对象,逐步建立零模型、随机系数回归模型、完整模型探究大气腐蚀规律,并进行预测评估。结果 通过交叉验证进行模型评估,多层线性模型(MSE=0.001 3)优于幂函数回归(MSE=0.005 5),远优于线性回归(MSE=0.031 6),模型预测精度提升。多层线性模型能有效分解总方差,增强了模型的可解释性。结论 多层线性模型有效结合铝合金腐蚀数据区域差异性特征,能表征大气腐蚀规律,具有一定的实用价值。     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.