住宅需求量预测的灰色马尔柯夫模型及应用

统计数据显示出非平稳的特征时,采用一般的预测方法往往精度不高,考虑到GM(1,1)模型和Markov链预测的特点,用GM(1,1)模型进行趋势预测,用Markov链预测反映数据序列的非平稳特征,将二者有机结合起来,对住宅的需求量作预测.文章应用该模型对1992～2002年间某城市住宅的数据进行了检验,经验证预测精度较高.     

航空活塞发动机大修成本的GM(1,1)优化预测模型

以某台Lycoming型航空活塞发动机2009年-2013年的大修费用为时间序列样本,对其进行准光滑检验和准指数规律检验,表明可以建立GM(1,1)模型。建立常规GM(1,1)模型,求得关联度、方差比、小误差概率等指标均为一级精度,但第7次预测的相对误差较大(5.22%)。为了得到较高预测精度,采用新陈代谢GM(1,1)优化模型,结果表明第7次预测的相对误差减小到0.18%,其余指标均保持一级精度。新陈代谢GM(1,1)模型适用于航空活塞发动机的大修成本预测。     

改进灰色预测模型在对地攻击弹药需求预测中的应用

针对战时航空兵编队对地攻击的弹药需求问题,研究了灰色预测模型在弹药需求预测中的应用问题。首先,分析了影响弹药需求预测的主要因素;其次,分析了基本GM(1,1)模型存在的问题,提出了一种新的改进参数和时间响应序列的GM(1,1)模型;最后,分别用基本GM(1,1)模型和改进的GM(1,1)模型对一组弹药需求数列进行比较分析。结果表明,相对于基本GM(1,1)模型而言,改进的GM(1,1)模型的相对误差较小。     

材料腐蚀预测数学模型的研究

分别用灰色 GM( 1,1 )模型、动态数据双向差分模型对腐蚀试验数据进行了拟合和预测。结果表明 :灰色 GM( 1,1 )模型对腐蚀数据有较好的拟合和预测精度,且对数据有较好的适应性;动态数据双向差分模型对波动不大的腐蚀数据有较好的拟合和预测精度,对波动较大的腐蚀数据其拟合和预测的误差较大。并将两种模型和大气腐蚀研究中常用的幂函数模型进行了比较。     

基于灰色马尔可夫模型的公务航空市场需求预测

当前中国公务航空在快速发展的同时也受到多方面因素的制约,针对此特点,结合灰色预测与马尔可夫链理论的优点,尝试对中国公务机的需求量进行预测。首先对原始时间序列进行改进处理,建立了GM(1,1)模型,然后用马尔可夫模型对预测值予以修正。实验结果表明,改进后的灰色马尔可夫模型预测精度有了进一步提高,能较好地应用于中国公务机市场需求量的预测,且改进方法便于操作,有较高的实用性。     

灰色系统理论在年用电量预测中的应用

年用电量系统具有灰色系统的特征,因此,可以用灰色系统模型对年用电量进行预测.运用灰色模型(GM(1,1))对年用电量做出预测,并与传统方法进行比较,结果证明GM(1,1)模型优于传统方法,是一种有效的预测年用电量的模型。     

基于组合预测模型的飞行器健康预测

针对飞行器健康状况难以准确预测的问题,结合GM(1,1)模型和MGM(1,n)模型的各自优点,提出了基于组合预测模型对飞行器健康信息进行预测的新方法.首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行五级sym4小波分解,分别提取其第五层小波分解系数的绝对值平均值、标准差和奇异值三种特征向量;然后分别用GM(1,1)模型和MGM(1,n)模型对绝对值平均值进行预测,利用BP神经网络将这两种模型的预测结果作为输入、原始数据作为输出进行组合预测.实验表明,这种组合预测方法可以很好地实现对飞行器关键部件故障信息的准确预测,其预测准确度明显高于单一预测模型,从而证实了该方法的有效性.     

弹载电子设备寿命预测方法研究

介绍了寿命预测的基本概念及目前较常用的几种预测方法,分析了这几种方法的优缺点。着重描述了具有"少数据建模"特点的灰色GM(1,1)预测模型的建模方法及后验差精度检验方法,最后应用此模型解决了某型号弹载电子设备寿命预测的问题。     

一种解决经验模态分解端点效应的边界延拓法

用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。     

基于灰色神经网络的疲劳裂纹预测方法研究

为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法。将灰色GM（I,1）模型向BP网络映射,建立了一维灰色神经网络GNNM（1,1）模型。基于灰色GM（1,1）模型的发展系数和灰作用量给出了GNNM（1,1）模型初始权值。应用建立的GNNM（1,1）模型预测了某不锈钢构件腐蚀疲劳裂纹的扩展,并与GM（I,1）模型的预测结果进行了对比,表明GNNM（1,1）模型具有更高的预测精度和模型精度。     

基于改进的灰色RBF模型的初始备件预测研究

针对初始备件故障规律不稳定和历史消耗数据少的特点,将遗传算法、GM（1,1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1,1）模型参数进行动态寻优,并利用RBF网络对预测值进行残差修正。最后,通过采集新机部队某初始备件上半年的消耗数据,对该模型进行了实例仿真。结果表明：改进...     

基于K线理论的股票灰色预测方法研究

文章将GM(1,1)模型用于股票预测,提出了基于K线理论的股票灰色预测方法,并通过预测实例说明了其有效性.     

基于灰色理论的自适应多参数预测模型

故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。     

基于灰色理论的飞机结构疲劳寿命预测

对飞机结构疲劳寿命进行预测研究,具有重要的军事意义与凸显的经济价值,本文以某型军用飞机关键结构部件——水平尾翼为具体研究对象,采用通过飞机结构疲劳寿命试验专用平台得到的水平尾翼疲劳寿命的真实试验数据,运用灰色相关理论建立非等间距GM（1,1）模型,应用此模型预测飞机结构部件的疲劳寿命,并通过试验对所建模型的准确性与有效性进行验证。试验表明,非等间距的GM（1,1）模型能准确地预测飞机结构部件的疲劳寿命,降低TOM（1,1）模型的预测误差,拓宽‘TGM（1,1）模型在飞机结构疲劳寿命预测领域的应用范围,具有很好的工程实用价值。     

非等间距GM(1,1)模型研究

非等间距GM(1,1)模型是灰色理论中的重要组成部分。文章分别从数据变换生成方法、建模方法、背景值优化、初始条件优化、模型参数估计方法的优化、其他要素的优化和模型的拓展7个方面对近年来非等间距GM(1,1)模型的研究进展进行比较全面的梳理,明确了有待进一步研究突破的问题,并对非等间距GM(1,1)模型未来的研究方向和重点提出建议。     

基于灰色理论的导弹装备故障间隔时间预测

导弹装备的故障间隔时间是其可靠性参数的重要指标,通过分析导弹装备的特点,建立了故障间隔时间预测模型.考虑到导弹装备的故障数据量有限,用一般方法准确地预测很困难,因此提出用灰色预测模型进行预测的方法,建立了GM(1,1)预测模型并用数据进行验证.验证结果表明该方法具有很好的预测精度,可用于装备故障间隔时间的预测和估算.