基于GM(1,1)的残差修正模型的电梯故障率预测

为研究某城市某品牌电梯故障率发展趋势,建立了该城市该品牌电梯故障率的GM(1,1)灰色预测模型,并对所建模型进行了数据检验,检验结果表明该预测模型的预测精度波动较大。为了提高GM(1,1)灰色预测模型的预测精度,利用对模型进行数据检验时得到的残差序列,建立GM(1,1)灰色预测模型的残差修正模型,利用该残差修正模型对原预测模型进行修正。利用经残差修正模型修正后的故障率预测模型对该城市A品牌电梯的故障率进行预测,结果表明:1)残差修正模型对原模型修正后的相对误差与修正前相比有升也有降,但精度有所提高且趋于稳定,表明残差修正模型有利于提高预测精度;2)利用所建立的故障率预测模型求得的预测故障率与实际故障率相比,相对误差不超过8.010%,表明该故障率预测模型的预测精度较高;3)修正模型预测值表明,在现有状态下该城市A品牌电梯的故障率呈上升趋势,应加强该品牌电梯的检维修与管理。     

基于灰色马尔可夫的道路交通事故预测

探讨灰色马尔可夫模型在道路交通事故中的具体应用。灰色模型适用于短期、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。灰色马尔可夫模型结合了灰色GM(1,1)模型和马尔可夫理论的优点,利用灰色模型进行长期预测,再利用马尔可夫链理论进行波动状态预测,最后得到期望值。该模型克服了随机波动性数据对道路交通事故预测精度的影响,提高了灰色预测的准确度。实例结果,证明灰色马尔可夫GM(1,1)模型具有较好的应用价值,为道路交通安全管理提供了有用依据。     

陕西省火灾事故的灰色预测

使用灰色GM(1,1)模型对陕西省2005～2011年的火灾数据进行灰色建模,对模型的检验结果显示模型有很好的精度。在此基础上对陕西省2012～2015年的火灾事故发生数、火灾事故伤亡人数以及火灾事故损失进行预测。结果表明,未来四年陕西省火灾事故发生起数和火灾事故伤亡人数有降低的趋势,火灾损失额有增长的趋势。预测结果对于火灾事故的管理和政策的制定有重要意义。     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

改进的灰色马尔科夫模型在飞行事故率预测中的应用

基于灰色理论和马尔科夫理论,建立传统的灰色预测模型和灰色马尔科夫预测模型;对传统灰色预测模型的背景值和初值的构造存在一定的误差进行改进,并用改进后的新模型对飞行事故率预测的结果与传统的灰色马尔科夫模型进行对比;仿真结果表明:改进后的灰色马尔科夫模型预测精度有了进一步的提高并验证了算法的有效性。     

基于灰色新陈代谢马尔可夫模型的飞行事故预测

灰色预测适用于时间短、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。笔者结合灰色新陈代谢GM(1,1)模型和马尔可夫链理论的优点,建立飞行事故预测模型。模型去掉已失去参考价值的历史老信息,补充新信息,克服了随机波动性数据对飞行事故预测精度的影响,提高了灰色预测的应用水平。实例预测1973—2008世界飞行事故,其结果证明了灰色新陈代谢马尔可夫GM(1,1)模型预测精度较高,可用于飞行事故预测,具有较强的科学性和实用性。     

金竹山土朱煤矿开采地表沉降规律与灰色预测模型研究

针对金竹山矿业公司土朱煤矿煤层赋存条件,依据采动理论的裂缝垂直分带模型,分析地表沉降和塌陷的机理;提出在采煤活动阶段应进行地表实际位移观测,经数据处理后得到地面沉降曲线,以确保地面人类活动的安全;在采煤活动后阶段则实施灰色预测地面沉降,即通过采煤活动阶段的地表实际观测数据为历史原始数据序列,建立灰色Logistic模型;并对采煤活动后阶段的地面沉降进行预测。精度检验表明:灰色Logistic模型预测精度高,利用该模型预测地面沉降可减少地面沉降监测经费和实时提供预警信息,以确保开采区域内人们生命财产安全。     

基于灰色神经网络的民航事故征候预测模型研究

通过对民航事故征候的分析和预测,掌握民航事故征候的发展趋势,并据此提出相应的安全措施以预防事故发生。在灰色预测基础上,结合神经网络理论,分析民航事故征候的特点,提出民航事故征候的串联灰色神经网络组合预测模型。首先,运用灰色理论弱化数据序列波动性,然后利用神经网络非线性信息处理能力构建模型。同时,根据最近10年民航事故征候统计数据,分别对灰色预测模型、神经网络模型和灰色神经网络模型进行检验,并预测未来3年的民航事故征候数量。利用Matlab软件进行预测仿真,对3种预测方法的精度和特点进行分析和比较。结果表明:民航事故征候的灰色神经网络模型预测精度高于单一的灰色预测模型或神经网络模型,并且所需样本少,运算简便,易于实现。     

基于R/S分析的矿井涌水量灰色预测

矿井涌水量序列具有分形和灰色特征,将R/S分析与灰色系统理论相结合,提出了R/S灰色预测模型以预报矿井涌水量。并以龙门矿为例,对其矿井涌水量进行了R/S分析,确定了Hurst指数和平均循环周期;还在一个周期内进行了涌水量灰色预测。结果表明:龙门矿矿井涌水量平均循环周期为10个月;原本无法进行灰色预测的矿井涌水量序列,经R/S分析后不但可以进行灰色预测,而且预测精度达97.54%,明显高于成熟模型—灰色马尔科夫预测模型的精度。该方法拓宽了分形和灰色理论在涌水量研究中的应用范围。     

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%。     

城市燃气事故灰色预测模型及其应用

城市燃气系统是一个动态的不确定性系统,燃气事故发生具有随机性.运用灰色理论预测城市燃气事故,以上海市市北地区燃气死亡统计数据为原始数据,建立灰色预测模型,同时对模型的可靠性和准确性进行了检验.根据灰色理论模型GM(1,1)建立的城市燃气死亡事故预测模型为X(1)(k+1)=1962e0.048k.模型检验结果表明,关联度r=0.682 5>0.6,通过关联度检验;模型预测精度σ=97.8%达到最好;后验差比C=0.42,P=1,对照灰色预测精度检验等级标准,检验精度达到Ⅱ级,接近Ⅰ级.研究表明,城市燃气死亡事故预测模型还可用于安全工作成效性评价.     

初值修正和函数变换的改进灰色模型在管道腐蚀深度预测中的应用

为了准确预测管道的腐蚀深度，借助灰色理论建立了改进GM(1, 1)模型。针对传统灰色模型的不足，引入反双曲正弦函数变换方法建立了改进模型一，并在此基础上提出了一种基于初值修正结合反双曲正弦函数变换的改进模型二，通过实例对比分析了改进模型和传统模型预测管道腐蚀深度所得结果的差异。室内试验测试数据和实际管道检测数据的计算结果表明：传统模型预测所得的平均相对误差(分别为5.300%和13.617%)均较大，因此模型的精度较差；改进模型一预测所得的平均相对误差分别为2.345%和2.639%,其预测精度较传统模型有大幅度的提高，因此该模型适用于腐蚀深度的准确预测；对改进模型一采用初值优化方法后，所得改进模型二的预测精度进一步提高，其提高的程度较为有限；总体来看，所建改进模型能够满足管道腐蚀深度预测的精度要求，具有较强的推广应用价值。     

弱化缓冲算子修正的民航不安全事件离散灰色预测

为了掌握民航不安全事件的发展状况,并据此制定民航企事业单位的安全绩效考核指标,在民航不安全事件灰色预测的基础上引入离散灰色预测和弱化缓冲算子理论,基于中国民航2004—2013年不安全事件数据建立了弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型。通过中国民航2014—2015年不安全事件数据对模型进行检验,结果表明,弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型的预测精度明显高于灰色预测(GM(1,1))模型和离散灰色预测(DGM(1,1))模型,其中2阶平均弱化缓冲算子修正的离散灰色预测(DGM(1,1))模型预测精度最高,采用该模型对2016—2020年我国民航不安全事件数进行了预测,预测结果为14 095、14 910、15 773、16 685、17 650。     

灰色预测模型在能源消费需求预测中的应用

以我国1998—2008年度5种能源实际消费数据分别作为原始离散数据序列,利用非线性理论中的灰色建模原理,以关联度分析和残差辨识为基础,应用缓冲算子三公理原理对各能源消费的原始序列进行二阶弱化(D2)得序列X(0)。再通过生成处理和倒数变换获得序列X(1),借助灰色系统理论数据处理软件、Originapro作图软件和Matlable计算软件求得各模型的待辨参数a,b和c后,获得基于贫信息的传统GM(1,1)模型、基于原始数据具有绝对误差的灰色CompertzI和具有相对误差的灰色CompertzII模型。通过残差检验发现,建立的15种预测模型的预精度在85%～98%,属好的预测模型,预测数据可靠。用其预测我国2015年度的能源需求发现,煤炭占总量的66%～70%,说明煤炭依然是未来能源中的主体能源,高效开发与科学利用是未来的重点,同时也揭示:高消费有限的不可再生能源,意味着主体资源即将枯竭,开发新能源已成未来社会稳定与发展的重大课题。     

基于MATLAB的灰色预测系统及其对抽采瓦斯钻孔流量的数值模拟

研究钻孔瓦斯流量的变化及其变化趋势对抽采煤层瓦斯涌出量及钻孔瓦斯涌出初速度等参量的判定具有较大的实用价值。笔者将煤层抽采瓦斯钻孔看作一个灰色系统,利用灰色系统理论,以原始时间序列数据为基础,建立抽采瓦斯钻孔流量的模拟和预测GM(1,1)模型。针对数值模拟中大量的矩阵计算,利用MATLAB软件编制高效的计算机程序,实现了对抽采瓦斯钻孔流量的模拟和预测。为了检验模型模拟和预测结果的精度,选择了合理的误差检验模型。通过工程实例证明了GM(1,1)模型可信度较高,关联度较好,均方差比值为一级,拟合优度高。对瓦斯抽采设计和矿井安全生产具有一定的指导意义。     

基于灰色神经网络组合模型的矿山安全事故预测分析

本文在分析灰色预测方法和神经网络预测方法所具有的互补优势的基础上,提出修正灰色预测残差序列的方法,计算其拟合结果,排除系统数据受到的冲击和干扰,建立基于灰色神经网络组合算法的模型,进而提高预测的精度。将此方法运用于矿业安全事故预测分析中,建立了多个预测模型,比较得出灰色神经网络组合预测模型的最优性,为矿业安全事故的预测研究提供了一种可行性途径。     

火灾风险模型的建立及其应用

引入传统GM(1,1)模型、无偏灰色模型和加权灰色模型进行火灾风险模拟预测,以平均绝对误差、平均相对误差、后验差比值和小误差概率4个指标综合评价模型模拟精度。以2012—2016年火灾起数为原始数据列,建立了火灾风险传统灰色GM(1,1)模型、火灾风险无偏灰色模型和火灾风险加权灰色模型,3个模型精度检验等级均为"好"。当精度检验等级相同时,火灾风险无偏灰色模型的平均绝对误差、平均相对误差最小。运用3个模型预测2017年和2018年火灾起数,火灾风险无偏灰色模型的预测结果最精确,为火灾风险预测提供了新的途径。     

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%。     

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。     

基于集成学习的改进灰色瓦斯浓度序列预测*

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度。结果表明:瓦斯浓度时间序列近似线性时,基于集成学习的改进灰色瓦斯浓度预测算法优于传统灰色瓦斯浓度预测算法,使瓦斯浓度预测值和实际值的均方根误差降低,均方根差最大降低2.25%。研究结果可有效提瓦斯浓度预测精度。