灰色系统研究进展（2004--2014）

从灰数及其运算、灰色序列算子与灰色预测模型、灰色关联分析与灰色聚类评估模型、灰色决策模型、灰色组合模型和灰色控制几个方面介绍了灰色系统理论2004—2014年的研究进展及部分应用成果。梳理了基于"核"和灰度的灰数运算法则、一般灰数的概念、灰度合成公理及缓冲算子的一般形式,总结了4种GM(1,1)基本模型,即均值GM(1,1)模型(EGM)、离散GM(1,1)模型(DGM)、均值差分GM(1,1)模型(EDGM)、原始差分GM(1,1)模型(ODGM),及其适用的序列类型。介绍了灰色相似关联度、灰色接近关联度、三维灰色绝对关联度,以及基于中心点和端点混合三角白化权函数的灰色聚类评估模型、多目标加权智能灰靶决策模型、两阶段综合测度决策模型、灰色博弈模型、灰色投入产出模型,并且阐述了分布型、中立型和中立-分布型灰色随机时滞系统的指数鲁棒稳定性等新概念、新模型、新方法。同时提出了有待进一步研究解决的问题。     

基于多变量灰色数列模型的民航客运量预测

通过增加白信息量降低预测系统的灰度,以灰色GM（1,1）和GM（1,N）模型为基础,提出了多变量灰色数列预测模型——PGM（1,N）模型,并将PGM（1,2）模型用于实例。结论为利用多变量灰色数列预测模型适宜,预测精度较高。     

灰色系统模型研究进展(英文)

针对灰色系统模型的研究进展进行了综述,介绍了一般灰数的概念、灰色序列算子和一些常用的灰色系统模型,包括灰色绝对关联度模型、灰色相对关联度模型、基于端点三角白化权函数的灰色聚类评估模型、基于中心点三角白化权函数的灰色聚类评估模型、GM(1,1)预测模型以及多目标加权灰靶决策模型。     

香港国际机场航空交通量的无偏灰色马尔科夫预测

针对香港国际机场航空交通量的灰色性和随机波动性,本文采用无偏灰色GM(1,1)代替传统灰色GM(1,1)模型,分析了2001—2012年香港机场航空交通量的数据,预测出2013年香港机场的航空交通量,然后用加权马尔科夫模型对预测结果进行优化。利用Matlab计算得后验差检验C值小于0.35,P值为1,拟合精度等级为好,表明动态无偏灰色马尔科夫能消除传统灰色GM(1,1)模型的固有误差,提高预测精度。加权马尔科夫模型对灰色预测结果优化得2013年香港航空交通量在352 241~370 780架次之间。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

基于灰色时序的航空发动机磨损故障预测模型

把时序AR(n)预测模型和灰色GM(1,1) 预测模型两者有机结合起来,形成新的灰色时序模型的预测模型.以发动机光谱为例,经过实测数据检验,显示了其更好的预测效果.     

不同灰色模型在民航旅客量预测中的适用性浅析

民用机场旅客业务量受到经济、旅游、外贸、人口、综合交通、对外交往等诸多因素的影响,属于信息不完全的灰色系统。本文将GM(1,1)、GM(1,2)和GM(2,1)模型分别应用于北京地区民航旅客业务量预测,初步探讨各模型的适用情况,认为近期预测宜选GM(1,1)或引入GDP指数的GM(1,2),远期可考虑GM(2,1)。     

基于灰色理论的民航旅客运输周转量预测

对近年来民航旅客运输周转量数据进行收集整理,运用灰色预测方法,建立GM(1,1)预测模型,对未来的旅客周转量进行预测。该方法具有系统性、联系性和动态性的特点。经精度检验表明,该模型的精度等级为好。     

灰色GM(1,1)模型在预测钢产量中的应用

采用灰色理论中的GM(1,1)模型,用MATLAB语言编程,以国家统计局统计的2001～2005年的钢产量为原始数据列,对该数据列进行实例分析、检验,进而用该模型预测出未来年度钢产量,为政府有关部门和相关企业正确决策提供科学依据。     

基于灰色系统GM（1，1）模型的疲劳寿命预测方法

将疲劳现象视为存在于一个灰色系统中,提出了运用灰色系统理论,通过建立灰色系统GM(1,1)模型预测构件疲劳寿命的新方法。对某试件的实验数据进行分析和计算。结果表明,该方法使疲劳寿命预测误差由原来的61.4%减小到24.1%,预测结果偏于安全,说明该方法具有较好的预测精度和工程实用价值。     

常用预测方法应用分析

本文针对GM（1，1）的预测方法，介绍了其原息模型、新息模型和等维新息模型的建摸方法，比较分析了基于GM（1，1）的各种预测模型应用的可靠性问题。     

Partial Improvement of Traditional Grey-Markov Model and Its Application on Fault Prediction

Modeling experiences of traditional grey-Markov show that the prediction results are not accurate when analyzed data are rare and fluctuated.So it is necessary to revise or improve the original modeling procedure of the grey-Markov(GM)model.Therefore,a new idea is brought forward that the Markov theory is used twice,where the first time is to extend the original data and the second to calculate and estimate the residual errors.Then by comparing the original data sequence from a fault prediction case with the simulation sequence produced by the use of GM(1,1) and the new GM method,results are conforming to the original data.Finally,an assumption of GM model is put forward as the future work.     

基于GM(1,1)模型的小样本测量数据不确定度评定方法

测量不确定度一般来源于随机性和模糊性,分为A类标准不确定度和B类标准不确定度.测量不确定度往往由统计方法或非统计方法求得标准不确定度后再合成得到.灰色系统理论对样本量没有严格要求,不要求服从任何分布.可以解决统计方法需要的一定数量测量数据且需知道其统计分布规律在实际中很难做到的问题.本文利用灰色系统理论的GM(1,1)模型给出求解标准差的新方法.以此来评定A类标准不确定度,对测量数据的数量和分布规律元特殊要求,适合小样本测量数据的不确定度评定.该方法对于提高测量效率具有重要参考价值.     

灰色系统理论在逆向工程测量数据处理中的应用

逆向工程中测量数据的处理是一个十分重要的环节。本首次将灰色系统理论应用于逆向工程中测量数据的处理，提出了几种基于灰色系统理论的数据处理方法。通常在测量数据中会有一些异常数据，如果将这些异常数据剔除就会留下空穴。中对数据滤波后产生的空穴采用灰色生成方法以及GM(1，1)模型生成新的数据点来填补。对由于测量误差带来的非均匀测量数据采用均值生成、级比生成和光滑比生成等方法进行光滑处理。     

基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。