优化GM(1,N)模型在交通噪声预测中的应用和精度分析

背景值是影响GM(1,N)模型模拟精度和预测精度的重要因素.传统灰色系统多因素GM (1,N)模型对背景值采用梯形法求积,误差较大.为了提高GM(1,N)模型的精度,基于数值分析中的逼近思想,采用数值积分中的Newton-Cores公式和Gauss-Legendre公式对背景值进行修正求积.理论分析表明该方法能够有效地提高模型的预测精度.然后将经过优化的GM(1,N)模型应用到城市道路交通噪声的预测上,模型预测值的平均误差从2.913％降低到了1.108％.应用实例表明优化后的GM(1,N)模型精度比原始GM(1,1)模型精度有较大提高,验证了该优化方法的实用性和有效性,且该方法为提高模型的预测精度提供了新的途径.     

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.     

基于灰建模的瓦斯含量多变量预测模型研究

研究了GM(1,N)、GM(0,N)瓦斯含量预测模型的数学原理,收集郑煤集团告成矿地质勘探期间及生产期间的瓦斯含量实测资料,获得16个可靠点,选取基岩厚度、新生界厚度、煤层厚度、煤层水分、煤层灰分、50m顶板含砂率6个因素作灰色建模预测的指标,分别建立了GM(1,6)和GM(0,6)瓦斯含量多变量预测模型。根据计算和评价结果,GM(1,6)和GM(0,6)瓦斯含量预测模型精度均能够满足工程精度的要求,说明利用灰色模型来预测瓦斯含量是可行的。由于前者精度略高于后者,故建议告成矿采用GM(1,6)模型来进行未知地区煤层瓦斯含量的预测。需要注意,由于模型没有考虑构造的影响,在实际预测时,还应根据构造对待预测区的影响关系和影响程度对模型的预测结果进行修正。     

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.     

高校事故非线性灰色预测模型及应用研究

通过调查和分析表明,近几年来湖南省高校事故中学生非正常死亡由自杀、交通、溺水等7项因素组成,且统计数据信息偏少。笔者将影响湖南省高校事故学生非正常死亡人数的各项因素作为一个系统,应用系统灰预测理论建立高校事故系统灰预测模型;将原始建模数据序列经过方根变换和数值初始化处理后,适合于建模的要求,构造GM(1,N)与GM(1,1)的嵌套模型;通过建模事中和事后的检验,预测湖南省2007年高校事故学生非正常死亡人数,预测值与实际值相差较小,模型精度较高;高校事故非线性灰色预测模型,为高校事故预测提供了一种应用方法并有一定的指导意义。     

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。     

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.     

改进灰色模型在含蜡原油管道蜡沉积厚度预测中的应用研究

为了对含蜡原油管道中的蜡沉积厚度进行准确预测,分别基于函数cos(x^T)变换与函数cot(x^T)变换建立了GM(1, 1)蜡沉积厚度预测模型。通过理论证明比较了函数cos(x^T)变换和函数cot(x^T)变换对原始数据光滑度的提升能力。以现场管道结蜡数据和室内环道结蜡数据为例,对比了传统GM(1, 1)模型、基于函数cos(x^T)变换及基于函数cot(x^T)变换建立的GM(1, 1)模型之间的预测精度,并分析了T的取值变化对GM(1, 1)模型预测精度的影响。结果表明：原始数据经函数cos(x^T)变换相比函数cot(x^T)变换具有更好的光滑度;基于函数cos(x^T)变换的GM(1, 1)模型精度最高,其次是基于函数cot(x^T)变换建立的GM(1, 1)模型,而传统GM(1, 1)模型精度最差;在所取T范围内,基于函数cos(x^T)变换与基于函数co...     

GM(1,1)模型群在黄河水质预测中的应用研究

灰色预测对统计数据较少问题可以进行预测,一般3-4个数据就可以建模,由于建模序列长短不同,会得到不同的预测方程,即对实际问题发展趋势某种程度的把握.实际预测时若能将不同的预测结果综合考虑进去,效果更佳.介绍了GM(1,1)模型建立的方法与步骤,并依据黄河潼关断面过去10年(1996-2005年)水质状况,利用GM(1,1)模型群预测了未来7年(2006-2012年)的水质发展状况.     

煤矿百万吨死亡率动态无偏灰色马尔科夫预测

为掌握我国煤炭行业整体安全生产状况,构建动态无偏灰色马尔科夫模型,通过处理我国1999—2008年度煤矿百万吨死亡率数据,对2009—2011年度煤矿百万吨死亡率数据进行预测。用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,拟合得到煤矿百万吨死亡率数据的变化趋势,在此基础上应用马尔科夫模型进行预测,并在每一次预测中更新原始数据,最后对预测结果进行对比分析。计算结果表明:动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度尤其是中长期预测精度。其中,平均绝对误差为3.35%,平均相对误差为3.85%,均低于传统灰色GM(1,1)模型和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百万吨死亡率数据的平均预测精度超过96%。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

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。     

基于最优加权的道路交通事故组合预测模型

针对各种单一灰色预测方法存在的局限性,建立了一种基于最优加权的灰色组合预测方法。根据我国道路交通事故的发展情况,建立了GM(1,1)模型和Verhulst模型相结合的组合预测模型,运用最优加权法确定了组合预测模型的权重系数。利用2001—2007年我国道路交通事故数据死亡人数数据,对建立的灰色组合预测模型进行了预测。预测结果表明,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。     

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，N）灰模型预测企业主动性安全投入

本文基于GM（1,N）灰模型对企业主动性安全投入总量进行预测,研究把企业安全整体情况或整体表现作为一个“灰系统”对待时,依据该系统的特征量,来对企业主动性安全投入进行预测,为我国企业进行安全投入时提供决策依据。     

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。