灰色系统GM（1，1）与多元回归分析耦合用于拉萨市大气NO2的预测

根据拉萨市（1992—1998年）NO2、全市工业总产值和平均车流量的历史资料，用灰色系统GM（1-1）与多元回归分析模型耦合预测拉萨市大气中NO2的浓度。结果表明，到2010年拉萨市大气中NO2浓度将是1992年的6．3倍，大气中NO2浓度呈上升趋势。预测值表明，这种预测方法是可行的，可为政府管理和制定规划提供科学依据。     

用灰色系统理论GM(1,1)模型预测牡丹江市废水排放量

本文用灰色系统理论的单序列一阶线性动态模型——GM(1,1)模型预测牡丹江市废水排放量未来的变化趋势是逐年增加,到2000年,废水排放量14192.5万吨.经过残差、后验差的检验和关联度分析,该模型具有较高的精度,最大误差为0.486％,可作为牡丹江市废水排放量的一级预测模型.     

广州市硫酸盐化速率的灰色GM(1,1)预测

以广州市近7a的硫酸盐化速率年平均值为基础,运用灰色系统理论,建立了广州市硫酸盐化速率年均值的灰色预测模型.用该模型对广州市2005年、2006年、2007年硫酸盐化速率年平均值进行预测,所得结果分别为0.4228、0.4149、0.4070mgSO3/100cm2·碱片·d.     

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。     

珠江广州河段高锰酸盐指数的灰色GM(1,1)预测

掌握珠江河水中污染物变化规律,对其进行预测研究,对于整治珠江广州河段,更好地为环境管理部门服务具有十分重要的意义.以珠江广州河段近5年的一项主要污染指标高锰酸盐指数监测数据为基础,采用灰色系统理论中的预测方法,阐述了模型原理,建立了珠江广州河段高锰酸盐指数的灰色预测模型,并对模型精度进行检验.用该模型对珠江广州河段2005年、2006年和2007年的高锰酸盐指数进行了预测,其结果分别是4.82,4.92和5.03.     

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...     

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。     

大气环境污染的灰色预测初探

本文以大同市大气环境中的ＴＳＰ、ＳＯ２、ＮＯｘ三项近年来的监测含量，引用灰色系统理论ＧＭＩ—１模型进行灰色预测探讨。预测结果基本反映了大同市大气污染的现状和性质。说明运用这一理论做大气环境污染的预测、预报是适用的、可行的，但有些问题还需进一步去认识，去研究。     

灰色模型理论在哈尔滨市大气污染物NO2预测中的应用

根据哈尔滨市大气污染物NO2 2002-2006年监测数据,利用灰色系统理论建立了NO2的GM（1,1）模型,对GM（1,1）模型的计算结果和精度进行了分析,并通过该模型得出了2009年NO2的预测值是0．040mg／m3。结果表明：到2009年世界大学生冬季运动会在哈尔滨召开时NO2浓度可以达到国家二级标准。     

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     

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。     

深海压力–流速耦合环境下基于灰色系统理论的有机涂层寿命预测研究

目的 建立深海压力–流速耦合环境下有机涂层的寿命预测模型,并预测有机涂层在该环境下的服役寿命。方法 首先针对涂层的湿态附着力变化结果,基于灰色系统理论,建立湿态附着力的GM(1,1)模型。随后再基于耦合环境下的试验结果,建立涂层水传输的扩散模型。最后,在此基础上,利用灰色关联分析方法,计算这2种失效影响因素在涂层失效过程中所占的权重因子,并基于这2个影响因素建立涂层失效的数学模型。结果 经过数学统计验证和试验结果对比验证,该模型精度良好,可靠性高。结论 该模型能够对深海压力–流速耦合环境下有机涂层的寿命进行准确预测。     

福建省工业废气排放量的因子分析与灰色预测

随着工业化进程的不断加快,工业化带来了经济腾飞,同时也带来了环境问题。工业排放的废气量逐年上升,对大气环境质量构成巨大威胁。如何有效的管理工业废气的排放,首先就要求在未来短时间范围内对工业废气的排放量做出正确的预测。运用灰色关联度方法,定量分析了福建省工业废气排放量的影响因子。利用灰色系统理论建立了工业废气排放量的GM(1,1)模型,并与多元线性回归模型对比,证实该模型具有一定的可行性和使用性,为福建省工业废气的分析预测和治理提供依据。     

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.     

恒温加速退化试验的灰色预测

针对恒温加速退化试验数据处理中的贫数据问题,利用灰色建模所需数据量少的优势,提出了加速寿命的灰色预测方法.将灰色GM(1,1)模型与阿伦尼乌斯方程相结合,提出了加速退化试验有效性判断依据和常温贮存寿命外推方法,并在某型三极管的加速退化试验数据处理中进行了成功应用.将此外推方法与曲线拟合方法进行了比较,结果表明该模型具有...     

灰色系统理论对大气环境质量评价和预测

把大气环境看作是灰色系统,考虑到青岛市大气环境的实际情况,利用灰色统计决策对青岛市的大气环境质量数据进行分析,得到大气环境质量保持在尚清洁水平;利用GM（1,1）模型对SO2、NO2、PM10进行模拟预测,短期预测结果表明,青岛市SO2、PM10的浓度呈下降趋势,NO2的浓度呈上升趋势。     

利用灰色模型预测打桩噪声和振动的传播

建筑打桩施工的噪声和振动,由于在实际传播过程中的未知因素很多,难以建立较高精度的物理预测模型。该文利用灰色系统理论建立GM(1,1)预测模型,用现场实测数据构成原始序列,以原始数据进行累加生成,计算打桩施工噪声级和振动级按坐标分布的预测值,其结果与实测基本相符,预测精度达到一级。      

北京城市塑料垃圾年产量的模拟预测及其影响因素分析

揭示城市塑料垃圾年产量及影响因素、预测其发展趋势对于城市生活垃圾收集系统的优化、处理技术的合理选择和降低环境影响具有重要意义.本研究基于1989年以来北京塑料垃圾占比、城市生活垃圾产量数据和社会经济数据,利用赤池信息量准则（AIC）和灰关联度法研究了北京城市塑料垃圾占比的年变化趋势和城市塑料垃圾年产量的主要影响因素.通过多元线性回归模型（MLR）、灰色系统模型GM（1,1）和BP神经网络模型对北京城市塑料垃圾年产量进行了模拟预测.结果表明,北京城市塑料垃圾占比由1989年的1.88%,增加到2012年的14.87%.基于AIC准则预测2013—2050年北京城市塑料垃圾占比增长趋势较平缓、稳定在14%~19%之间.2000—2012年北京市城市塑料垃圾年产量由40.2×10⁴ t增加到121.1×10⁴ t,年增长15.5%.人均可支配收入是影响北京城市塑料垃圾年产量的最大社会经济因素,而常住人口的影响较低.BP神经网络是模拟预测北京城市塑料垃圾产量的最佳模型,其模拟预测结果表明：2013年后北京市塑料垃圾年产量随时间呈不规则的非线性增长趋势,到2025、2035、2050年北京城市塑料垃圾产量将分别达到335、488和859×10⁴ t,将对北京城市生活垃圾处理处置与防控管理带来巨大挑战.