GM(1,1)时序修正模型及其应用

通过分析影响GM（1，1）模型精度的因素，当排除模型参数a^∧的影响后，输入变量⊙t成为唯一因素。提出了寻找输入变量⊙t白化值⊙^∧t的一种方法，并建立了GM（1，1）时序修正模型。实例分析表明，该方法适应于有一定波动的原始数据的分析建模，精度优于a^∧-GM（1，1）模型。     

非等间隔GIM（1）灰色预测模型及其应用

初步探讨了ＮＥＧＩＭ（１）应用于环境系统的可行性和合理性，并建立了该模型一元线性回归优化建模新方法。研究结果表明，该方法估计已往时序值和预测未来时序值都是可行的。     

GM(1,1)模型在酸性降水pH值预测中的应用

用灰色系统理论GM(1，1)模型建立了长沙市酸性降水pH值的预测模型，建模过程中用灰色理论建模的简化算法获得了精度较高的模型，并且在此基础上对长沙市今后5年的降水pH值进行了预测。     

非等间隔GM（1,1）模型及其预测应用

ＧＭ（１，１）模型是常用的一种时序环境预测方法，但非等间隔灰色模型（ＮＥＧＭ（１，１））预测的先例却较少。本文简介了ＮＥＧＭ（１，１）之建模思想，并以山东省１９８５￣１９９３年工业废水排放量为例，探讨其应用效果。结果表明，该方法对估计已逝时序值与预测未来时序值，都是可行的。     

GM（1， 1）正弦模型修补气温监测缺失数据的探讨

目的建立预测精度较好的大气温度监测缺失数据修补的方法和模型。方法采用正弦函数对GM(1,1)标准模型进行修正,建立分段的GM(1,1)正弦修正模型对缺失数据进行修补。以万宁试验站某天监测的温度日记时值数据为试验数据,同时建立GM(1,1)标准模型、GM(1,1)时序修正模型和GM(1,1)正弦修正模型,对比分析各模型的修补误差,确立较好的修补模型。结果从模型的拟合效果分析,GM(1,1)标准模型和GM(1,1)正弦修正模型的拟合性最好,GM(1,1)时序修正模型的拟合性相对较差一些;从预测精度上分析,GM(1,1)标准模型和GM(1,1)时序修正模型预测修补效果差,平均相对误差分别达到22.54%和17.70%,而GM(1,1)正弦修正模型预测修补的平均误差仅为3.14%,得到了较大的改进,预测效果好。结论正弦修正模型能很好地修补缺失数据,其修补效果比时序修正模型和标准模型都要好。     

环境振动的灰色预测模型研究

利用 GIM( 1 )的非时序直接建模法来预测研究建筑施工的环境振动 ,并将 GIM( 1 )模型与 GM( 1 ,1 )模型进行比较分析。结果表明 GIM( 1 )模型的拟合精度优良 ,对原始资料中白化信息的利用更加丰富 ,拓宽了 GIM( 1 )模型在环境科学领域中的应用范围     

渔业资源动态的综合时序模型

渔业资源的变动是一个随机过程,它既有确定性趋势,又有随机波动的特性。论文把灰色系统方法和时序分析相结合,用灰色GM(1,1)模型提取渔业资源变动中的确定性趋势,用时序模型描写它的随机波动,从而建立渔业资源动态的灰色时序模型。考虑到渔业资源的变化受到捕捞强度的影响,同时建立渔获量和单位捕捞努力量的渔获量(CPUE)关于捕捞努力量的二元时序模型。利用灰色时序模型和多元时序模型,对舟山渔场渔业资源的动态变化进行分析和预测,结果表明灰色时序模型和多元时序模型能很好地拟合渔业资源的变动过程,精确地预测渔业资源未来的状况。     

基于遗传算法的门限自回归模型在海温预测中的应用

提出了建立门限自回归模型（ＴＡＲ）的一套简便通用的方法。用作者提出的改进遗传算法，可同时优化门限值和自回归系数，成功地解决了ＴＡＲ建模过程所涉及的大量复杂寻优工作这一难题，为ＴＡＲ模型的广泛应用提供了强有力的工具。实例计算的结果说明了这套方法的可行性和有效性，同时也说明了，通过门限值的控制作用，ＴＡＲ模型可以有效地利用如海洋资源所隐含的时序分段相依性这一重要信息，限制了模型误差，从而保证了ＴＡＲ模型预测性能的稳健性，提高了预测精度。该方法具有通用性，在各种非线性时序预测中具有重要的理论意义和应用价值     

GAM（1）模型参数的直接正交辨识及其预测应用

本文提出了灰色 GAM(1)模型参数的直接正交辨识方法,并应用该方法建立了某煤矿万元产值废气排放量时序数据的 GAM(1)预测模型。结果表明,这种方法具有其它方法的全部优点,又克服了各自的不足,具有明显的优越性和广泛的实用性。     

基于灰色GM(1,1)模型的铁岭市工业废水排放量预测

建立铁岭市工业废水排放量预测模型,预测2010～2015年铁岭市工业废水排放量.根据工业废水排放量数据序列特征,将灰色系统理论GM(1 ,1) 模型的建模方法用于构建铁岭市工业废水排放量预测模型,并用GM(1 ,1)残差模型对模型进行修正.利用1999～2007年铁岭市工业废水排放量原始数据与预测数据比较分析,误差较小...     

GSM（1）灰色模型在机械废水排放量预测中的应用

常规ＧＭ是一个指数模型，在复杂应用于多样的环境系统中有其局限性。本文利用某地机械行业废水排放量的时序数据，建立了单变量灰色指数级数曲线型邓ＧＳＭ（１）预测模型。结果模型。结果表明，ＧＳＭ模型优于常规ＧＭ模型，是分析，研究环境单变量时序系统客观规律的有效方法。     

基于Informer的PM2.5浓度预测

针对现有PM_2.5浓度时序预测模型预测精度不高的问题,基于Informer建立了1个Seq2Seq的单站点PM_2.5浓度多步时序预测模型,以历史污染物数据和气象数据为输入,实现对未来一段时间PM_2.5浓度的预测。所构建模型基于ProbSparse (概率稀疏)自注意力机制提取所输入的序列信息,能够广泛地捕获输入序列的长期依赖信息,并对影响因子之间复杂的非线性关系进行建模,从而提高预测准确度。采用北京市2015-2019年逐小时空气污染物数据与气象数据进行模型训练、验证和测试,建立与循环神经网络(RNN)、长短期记忆网络(LSTM)的对比实验并与其他现有研究方法进行比较,结果表明:对未来1~6 h的PM_2.5浓度时序预测,Informer的平均绝对误差(MAE)、均方根误差(RMSE)和可决系数(R2)指标均为最好,实现了较为准确的预测。     

环境-经济系统双向控制模型的辨识

运用系统模型的辨识方法,讨论了环境-经济系统双向控制模型的辨识问题,重点探讨了这类模型体系中的最优控制模型,其途径是采用大系统建模思想.即在对大系统结构分析基础上,通过分解把整体建模转化为易于处理的子系统建模,再通过建立关联模型,得到整体模型,并进一步简化和进行参数辨识.     

用Matlab/Simulink建立废水处理仿真模型

国际水质协会(IWA)和欧盟科学技术合作组织(COST)合作开发的活性污泥废水处理基准仿真模型BSM1(benchmark sim-ulation model NO.1),主要目的是为了建立一个活性污泥过程控制方案的开发平台。文章比较详细的介绍了如何用Matlab和Simulink建立BSM1,对于如何得到正确的开环仿真结果给出了详细的说明,并将两种建模方式在仿真结果、仿真速度、建模的难易程度等方面进行了比较。     

战场电磁兼容预测中的干扰发射机模型研究

目的建立战场电磁兼容预测中的电磁干扰发射机数学模型。方法分析电磁干扰发射机模型的组成和发射原理,建立基波、谐波、非谐波和互调发射的幅度和频谱(功率谱)模型,并探讨模型中的参数获取方法。结果给出了较为完备的发射机模型,基波调制包络模型分段折线拟合方法,和模型相关参数的测量方法。结论利用上述数学模型,可以进行战场电磁干扰源(发射机)的建模,为战场电磁兼容预测分析与仿真奠定基础。     

灰色二阶预测模型GM（2，1）在排污收费中的应用

本文运用灰色理论建立了排污收费的灰色二阶预列模型GM(2，1)，给出了GM(2，1)模型精确求解方法，并以某地排污收费为例进行模型拟合。经检验该模型的精度比GM(1，1)模型精度高，最后指出了运用该模型的条件。该模型为环境管理宏观调控的有效实施提供了一种新型的方法和手段。     

BP及RBF人工神经元网络对臭氧生物活性炭水处理系统建模的比较

运用BP和RBF人工神经元网络建立臭氧生物活性炭系统模型,考察了两个网络对水处理系统建模的适应性。研究表明,BP和RBF人工神经元网络的臭氧生物活性炭系统模型准确地描述了系统影响因素的关系,可以求出系统中臭氧的经济投量;用BP人工神经元网络建立水处理系统模型,泛化能力好,但逼近速度较慢;运用RBF人工神经元网络建模,泛化能力较差,但逼近速度快。该项研究克服了运用传统方法建模的不足,为实现水处理系统的优化设计提供了可行的途径。     

灰色摆动序列建模方法研究

建立了灰色摆动序列GIM(1)动态指数变换建模方法。并用其拟合、预测某河流1998～2000年的CODCr值，结果表明该方法计算简便，预测精度高，是一种具有推广价值的实用方法。     

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。     

遗传双线性模型在海洋冰情预测中的应用

提出了一套建立双线性模型（ＢＭ）的简便方案。用作者研制的加速遗传算法可同时估计ＢＭ模型各参数,成功地解决了ＢＭ建模这一难题,为ＢＭ模型的广泛应用提供了强有力的工具。实例的计算结果说明,这套方法在海洋冰情预测中是可行而有效的,通过利用预测过程中产生的残差信息进行反馈矫正,保证了ＢＭ模型高的拟合粗度和稳健的预测性能,增强了ＢＭ对复杂非线性动态系统的适应性。该方案具有一般性,在各种非线性时序动态预测中具