Gray bootstrap method for estimating frequency-varying random vibration signals with small samples

During environment testing, the estimation of random vibration signals （RVS） is an important technique for the airborne platform safety and reliability. However, the available meth- ods including extreme value envelope method （EVEM）, statistical tolerances method （STM） and improved statistical tolerance method （ISTM） require large samples and typical probability distri- bution. Moreover, the frequency-varying characteristic of RVS is usually not taken into account. Gray bootstrap method （GBM） is proposed to solve the problem of estimating frequency-varying RVS with small samples. Firstly, the estimated indexes are obtained including the estimated inter- val, the estimated uncertainty, the estimated value, the estimated error and estimated reliability. In addition, GBM is applied to estimating the single flight testing of certain aircraft. At last, in order to evaluate the estimated performance, GBM is compared with bootstrap method （BM） and gray method （GM） in testing analysis. The result shows that GBM has superiority for estimating dynamic signals with small samples and estimated reliability is proved to be 100% at the given confidence level.     

灰色系统关联模式综合评价燃气轮尖峰负荷电站

在综合燃气轮机尖峰负荷电站各性能指标的基础上，用灰色系统关联模式进行讨论和分析，以排除人为的主观任意性，可取得满意的结果。     

西安市工业废气排放总量的灰色预测模型

通过使用灰色模型预测了西安市2009-2015年的工业废气排放总量.预测结果经过残差检验、关联度检验和后验差检验,误差在允许范围内.可以有效地为西安市制定大气污染控制政策和规划提供参考数据.     

财务信息对上市公司流动性的影响

流动性是企业的生命。保持适度的流动性，对于维护企业资产的安全、提高企业的经营效益具有十分重要的作用，因此，防范流动性风险是每一个企业所必须注意的课题。文章通过灰色关联分析方法，从财务信息角度出发，选取盈利能力指标、资本结构指标、偿债能力指标、营运能力指标、成长能力指标及现金流量指标等共计17个财务指标，分析其对上市公司流动性影响，发现不同的财务信息指标对于各不同上市公司和行业流动性的影响均不同。     

基于云映射的多粒度语义决策属性识别

异类多传感器多属性目标识别中的描述性语义和决策属性信息无法直接进行识别判定,为此基于粒层转化的思想,提出了一种语义和决策属性识别方法。首先构造云映射函数,将语义和决策属性粒层统一到区间粒层,再根据灰色关联的思想计算区间化后的语义和决策属性信息与数据库之间的区间关联度,实现了不等粒层属性的粒度计算,最后采用证据推理进行了识别判定。结合语义和决策属性识别算例及对比分析,验证了所提出方法在异类数据模糊转化处理和识别上的有效性。     

复杂网络的灰点及灰度分析(英文)

依据对复杂网络和灰色系统理论的相关分析,提出了复杂网络中的灰点问题,认为灰点分为存在而未知的灰点和演化灰点两类,并给出了相关定义。进一步给出复杂网络灰度问题的相关描述,将网络灰度分为相对灰度和绝对灰度,并分别进行了证明。