矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与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相对瓦斯涌出量数据的平均预测精度达到96.74%。     

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%。     

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。     

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。     

基于等维新息灰色马尔科夫的地铁客流量预测*

为准确预测地铁客流量的发展趋势,采用等维新息灰色GM（1,1）预测模型与马尔科夫模型相结合的方式建立等维新息灰色马尔科夫模型,探讨等维新息灰色马尔科夫模型在地铁客流量预测领域的应用;运用平均相对误差、后验差比值和小误差概率3种指标对模型精度进行检验。结果表明:等维新息灰色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Ⅰ级（优）,优于传统灰色GM(1,1)模型和等维新息灰色GM(1,1)模型的预测精度,更加符合地铁客流的实际情况。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

基于最小二乘法的灰色 GM（1，1）改进模型在非煤矿山事故预测中的应用

根据灰色理论及其相关理论,通过对GM（1,1）模型中微分方程使用最小二乘法多项式拟合来求解,提出一种改进GM（1,1）模型。将改进模型的预测精度与原始模型进行了比较得出采用二次多项式拟合的改进模型预测精度高于原始模型,因此采用二次多项式拟合GM（1,1）改进模型。并将该改进模型用于我国非煤矿山事故预测中,对2008-2010年我国非煤矿山伤亡事故死亡率进行预测性计算并且与真实数据进行了比对,进一步验证了模型的可行性。     

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。     

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。     

基于灰色Elman神经网络的煤矿事故预测

随着煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻。针对煤矿事故的特点,根据我国1998～2007年煤矿事故数据,将灰色预测模型GM（1,1）与Elman神经网络预测模型相结合,建立煤矿事故预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,符合煤矿事故的特点。由此可对煤矿事故进行科学的预测与分析,为安全管理提供依据,以最大限度地减少事故的发生。     

基于灰色马尔科夫模型的机场安检危险品数量预测

机场安检的危险品数量具有动态、随机、非线性等特点,传统的GM(1,1)模型无法对其作出准确的预测。利用灰色GM(1,1)模型对2014年1—5月所查获的危险品数量进行计算、检验,并对6—8月的危险品数量进行预测。首先建立危险品数量的GM(1,1)模型,然后再对其预测值进行修正,结果表明,灰色马尔科夫模型的平均相对误差比灰色预测模型的平均相对误差减小了25.18%,表明灰色马尔科夫模型比单一的灰色预测模型的精度高,该模型是有效可行的,可为航空公司6—8月将要查获的危险品数量预测提供理论基础,以便引起相关部门的高度重视,并采取相应措施以保障旅客安全。     

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GMM模型的煤矿顶板事故致死人数预测

为了解决目前常用预测模型对随机波动性较大数据预测精度偏低的问题,文章在灰色预测GM(1,1)的基础上引入马尔可夫状态转移矩阵,建立了灰色马尔可夫预测模型(GMM),并将该法运用到煤矿顶板致死人数的预测中。经计算GMM模型的预测平均相对误差为1.181%,最大相对误差3.426%,与GM(1,1)法相比,后者精度分别提高了21倍和13倍。     

焊接结构失效事故征候的灰色马尔科夫预测

焊接结构的可靠性,是锅炉压力容器特种设备安全研究的重要内容。将事故征候的预测研究引入锅炉压力容器特种设备的焊接结构安全分析的研究领域,通过灰色预测理论模型GM(1,1)与马尔科夫链预测理论模型相结合,利用两者的优点,不仅提高了对波动性较大的随机变量的预测结果可靠度,同时延展了灰色预测的应用。结合应用算例,将灰色马尔科夫预测模型与传统的GM(1,1)在焊接结构失效事件的前瞻性预测中的应用进行了对比,灰色马尔科夫预测模型对焊接结构失效事件的预测精度在98%以上,且较GM(1,1)模型预测结果的精度平均提高了近4%,能够消除GM(1,1)模型的固有偏差。灰色马尔科夫预测模型符合对锅炉压力容器特种设备焊接结构安全研究的实际要求。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于GM-ANN模型的建筑物沉降量变化趋势预测方法

建筑物沉降观测结束之后,为降低和预防因地基不均匀沉降等因素造成的不安全事故发生率,准确预测建筑物沉降量变化趋势已引起相关科研单位的重视。首先,将人工神经网络数据分析与灰色GM(1,1)模型相结合,提出GM-ANN预测模型。然后,结合工程实例验证模型对监测沉降危险点数据变化的准确性,形成Matlab拟合曲线和预测趋势图。最终,结果表明仅考虑时间因素,GM-ANN模型明显优于灰色GM(1,1)模型,可使预测精度提高将近三倍。因此,利用GM-ANN预测模型可以对建筑物安全性进行有效预测。     

煤矿事故预测的马尔可夫SCGM(1,1)c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

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.     

基于组合预测优化模型的交通事故预测研究

为提高交通事故预测精度,基于熵值法构建UGM(1,1)-Holt组合预测模型,将滑动转移概率思想引入马尔科夫链模型,实现组合预测优化。应用该模型拟合分析2003—2011年湖北省交通事故死亡人数的历史数据,并以2012—2014年数据验证其有效性。通过实例对比UGM(1,1)模型、Holt指数平滑模型、组合预测模型和组合预测优化模型的预测精度。结果表明:相比前3种模型,提出的组合预测优化方法拟合值平均相对误差(MRE)为0.45%,3年预测值MRE为1.25%,能有效获取单一模型优势,预测精度更高。