灰色系统方法在城市生活垃圾量预测中的应用

利用灰色关联分析方法分析了影响城市生活垃圾量的因素，建立了生活垃圾量的ＧＭ（１，１）预测模型，预测了未来的城市生活垃圾量。该法具有较高的精度，简便，可行。     

基于改进灰色模型的管壁蜡沉积厚度预测研究

为对含蜡原油管道中的蜡沉积厚度进行准确预测,在函数cot(x2)变换的基础上,结合平移变换思想,利用cot(x2+c)变换建立新的改进GM(1,1)模型。以现场管道结蜡数据和室内环道结蜡数据为例,对比改进GM(1,1)模型、基于函数cot(x2)变换建立的GM(1,1)模型及传统GM(1,1)模型之间的预测精度,并分析平移量c对改进GM(1,1)模型预测精度的影响。结果表明:改进GM(1,1)模型的预测精度最高,其次是基于函数cot(x2)变换建立的GM(1,1)模型,而传统GM(1,1)模型的预测精度最低;随着平移量的增大,改进GM(1,1)模型的平均相对预测误差呈现出先减小后增大的趋势,因此合理的平移量有助于模型精度的提高。应用改进GM(1,1)模型来预测管道蜡沉积厚度是可行的,该方法可为含蜡原油管道蜡沉积厚度的准确预测提供参考和借鉴。     

山西省CO2排放影响因素研究及情景分析

山西作为我国的能源大省,其碳排放强度更是持续位于全国最高水平,分析山西省CO₂排放影响因素,探究其发展模式,对于山西省的低碳发展意义重大.基于STIRPAT模型,将山西省能源CO₂排放的影响因素确定为人口、城镇化率、人均GDP、第二产业占GDP比重、能源强度.在岭回归拟合分析的基础上,利用灰色GM（1,1）模型对山西省CO₂排放驱动因素值进行预测,以提高能源CO₂排放预测的准确性,并结合情景分析方法,为山西省的CO₂减排设计了10种不同的发展情景.结果表明:①人口对山西省CO₂排放影响最大,其次是城镇化率和第二产业占GDP比重.②在当前经济发展阶段,能源强度和人均GDP等因素对山西省的CO₂排放影响不大,但能源强度对CO₂排放的抑制作用不可忽略.③山西省CO₂减排最佳的情景方案为适当控制人口数量和城镇化进程、加快产业结构的转型和技术的革新、降低第二产业占GDP比重和能源强度,并且大力推广新能源和清洁可再生能源的开发使用以优化能源消费结构.在该情景下,山西省2020年的CO₂排放量可以控制在5.16×108 t.      

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。     

西安市大气环境质量评价及变化趋势预测

选用SO2、NO2、PM10作为评价因子,采用时间序列的方法对西安市2009年-2014年大气环境质量进行分析评价.结果表明:2009年-2012年西安市空气质量达到了国家二级标准,SO2和NO2的年平均含量下降,2013年都略有上升,但总体上呈下降趋势,而颗粒物的年平均含量呈上升趋势且为影响该市空气质量的主要污染物,主要污染时间为1季度和4季度;利用GM(1,1)模型,预测2015年空气质量变化趋势,提出2015年应该采取措施降低颗粒物的含量,提高本市空气质量.     

废气排放量灰色建模新法初探

在研究和指出灰色建模常规方法理论缺陷的基础上,结合某化工厂废气排放预测实践,初步探讨和提出了将原始动态数据序列经过线性或指数变换,采用黄金分割法选取背景值的直接建模方法。初步研究表明,该方法较灰色建模常规方法在改善序列随机性、提高预测精度等方面,具有较明显的优越性和合理性,拓宽了GM(1,1)模型在环境科学领域中的应用范围。      

东北玉米热量指数预测方法研究(Ⅲ)——GM(1,1)预测方法

GM(1,1)是开展时间序列环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的GM(1,1)预测模型,各模型的平均预测精度虽低于逐步回归统计模型,但也都达91%以上,可以应用该模型的预测结果指导农业生产。     

大同矿区煤的导热系数灰色关联分析及预测

为分析煤质指标及密度对导热系数的影响作用,选取了山西大同矿区的不同煤质煤样,进行导热系数测定实验,应用灰色系统理论对导热系数与影响因素进行灰色关联分析,建立导热系数与主要影响因素的GM(1,4)灰色预测模型,进行导热系数预测。结果表明:固定碳、密度和水分是影响煤导热系数的主要因素;根据得出的主要影响因素建立的GM(1,4)预测模型平均相对误差为4.5%,预测精度较高,能够用于导热系数的预测。