非等间距GM(1,1)模型背景值的优化

基于背景值是影响灰色建模精度的重要因素之一,本文对非等间距GM(1,1)模型中的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,提出了一种重构非等间距GM(1,1)模型背景值的方法。实例表明利用优化的背景值计算公式建立的非等间距GM(1,1)模型显著地改善了模拟和预测精度。该背景值不仅适合于非等间距建模,也适合于等间距建模,具有精度高、适用性强的特点。     

基于区间灰数列的GM(1,1) 模型(GMBIGN(1,1))研究

GM(1,1)模型在灰系统的理论与应用研究中占有十分重要的地位,然而目前的GM(1,1)模型只能适用于对白化数表征的数列进行预测,而对于现实中存在的区间灰数表示的数列却无能为力.本文运用有关标准区间灰数的最新研究成果,构建了基于区间灰数表征的GM(1,1)模型GMBIGN(1,1)(GM(1,1)Based on Interval GreyNumber,GMBIGN(1,1)),并给出了其解析解.在此基础之上,本文以某地区某种能源价格区间变动情况这一现实经济问题为背景,建立了该地区某种能源价格区间变动的GMBIGN(1,1)模型,并对其进行了仿真与误差分析,效果良好.     

无偏GM(1,1)幂模型其及应用

基于GM(1,1)幂模型的模拟误差分析,本文提出了无偏GM(1,1)幂模型及其参数优化方法.从理论上证明了无偏GM(1,1)幂模型对传统GM(1,1)幂模型及其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性,其参数优化方法可以准确识别原始数据所蕴含的参数特性,完全消除了GM(1,1)幂模型自身固有的偏差.其建模过程避免了传统方法由差分方程向微分方程的跳跃导致的误差,应用范围覆盖了无偏GM(1,1)模型和离散灰色模型.数值模拟和实例分析表明,无偏GM(1,1)幂模型使得传统模型的模拟与预测精度得到了显著的改善.     

剩余类环上矩阵的秩性质探讨

在高等代数中,一般都在数域(如有理数域、实数域)上讨论矩阵的性质.有限域上矩阵的性质可以类似讨论,但它们有一定的区别,因为有限域与数域的结构不相同.推广地,我们将讨论一般剩余类环Zm(m是合数)上的矩阵的性质.可以看出,剩余类环Zm(m是合数)上的矩阵的性质与数域、有限域上矩阵的性质有很大差别,因为Zm(m是合数)是一个零因子环.Z'm表示环Zm中的可逆元集合.     

基于区间灰作用量的GM(1,1)均值差分模型解的非唯一性研究

GM(1,1)是结构信息不完全的灰色预测模型，但当前其模拟及预测结果的实数形式不满足灰色理论解的非唯一性原理。文章从GM(1,1)网络模型出发，分析了灰作用量的背景与内涵，还原了影响因素不确定条件下灰作用量的区间灰数形式，构建了具有非唯一解的新型GM(1,1)均值差分模型。新模型具有更加完善的体系结构，同时能实现对传统 GM(1,1)均值差分模型的完全兼容。应用新模型对我国电力能源消费量进行建模，结果显示其建模结果的合理性优于传统 GM(1,1)模型。本研究成果对丰富灰色预测模型理论框架、完善灰色预测模型结构体系具有积极意义。     

基于改进灰色理论的城市物流量预测——以浙江龙泉为例

市域物流量受多方面因素影响,很多因素我们无法确切掌握,具有灰色系统的特征.本文使用改进的GM(1,1)模型对龙泉市物流量进行测算,通过残差检验与后验差检验证明了模型具有较高精度,研究了改进的GM(1,1)模型适用范围.通过与移动平均法、指数平滑法、标准GM(1,1)模型对比,证明了改进的GM(1,1)模型的优越性.对浙江省龙泉市2008-2012年的物流量进行动态预测,为政府部门制订物流规划提供了参考依据.     

GM(1,1)模型时间响应函数的最优化

GM(1,1)是灰色系统理论的核心内容之一。本文利用"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,从而构建了GM(1,1)的时间响应函数的最优模型。经大量的数据模拟和与GM(1,1)对比,发现优化的GM(1,1)模型的模拟精度和预测精度均较高。     

提高灰色GM(1,1)模型精度的微粒群方法

改变背景值插值系数和边值是提高灰色GM(1,1)模型精度的途径之一。对于满足灰色GM(1,1)建模条件的序列,利用微粒群算法,给出了通过优化背景值插值系数和边值提高灰色GM(1,1)精度的新方法。给出了计算实例。计算表明,应用此方法可以提高灰色GM(1,1)模型的精度。     

基于新改进GM(1,1)模型的中国企业债券融资发展预测

我国企业债券市场明显滞后于整个资本市场的发展,加快发展企业债券市场的呼声日高。但是去除企业债券发展的束缚是一个渐进的过程。在此背景下,本文对我国企业债券融资发展进行定量预测。考虑到影响我国企业债券发展的因素较多且不确定,笔者采用灰色系统GM(1,1)模型进行预测。GM(1,1)模型是有偏差的灰指数模型,其精度取决于背景值的构造形式和初始条件的选取。已有的研究文献均是从一个侧面单独改进GM(1,1)模型,这里,笔者提出一种同时优化背景值和初始条件的新GM(1,1)模型。笔者发现新优化GM(1,1)模型比单独优化背景值或单独优化初始条件有更高的模拟精度。在此基础上,利用新改进GM(1,1)模型对我国2010年之前的企业债券余额进行了预测。     

基于Simpson公式改进的FAGM(1,1)模型及其应用研究

本文分析了传统FAGM（1,1）模型建模过程中存在的误差,提出了一种基于Simpson公式改进的FAGM（1,1）模型。首先,基于分数阶累加生成算子和分数阶累减生成算子建立分数阶FAGM（1,1）模型。其次,利用Simpson积分公式对FAGM（1,1）模型的背景值进行改进,建立SFAGM（1,1）模型。进一步,应用遗传算法确定SFAGM（1,1）模型的最优阶数以提高模型的预测精度。最后,以中国人均GDP为例,对比分析GM（1,1）模型、Simpson改进的GM（1,1）模型（SGM（1,1））、FAGM（1,1）模型、SFAGM（1,1）模型的模拟结果,并对"十三五"时期的人均GDP进行预测,其结果表明SFAGM（1,1）模型比GM（1,1）、SGM（1,1）、FAGM（1,1）在人均GDP的预测方面有更高的精度,"十三五"期间人均GDP年平均增长率为10.64%,到2020年达到83146.97元,是2010年人均GDP的2.69倍,以2010年的人均GDP为基准,到2020年将能够实现翻一番的目标。     

灰色组合预测模型及其应用

针对传统回归模型需要的数据量大且建模复杂等缺陷,提出了一种基于灰色关联度和GM(1,1)的灰色组合预测模型;从灰色关联度的视角寻找数据之间的依赖关系,运用GM(1,1)模型预测数据关系的未来发展趋势,进而建立因变量的预测模型;模型体现了回归分析基于事物因果关系的建模思想,同时又具有灰色理论小样本建模的特点;应用该模型对我国2007和2008年度的GDP进行预测,预测结果表明了该模型的有效性及实用性。     

Applications of extension grey prediction model for power system forecasting

Although the grey forecasting model has been successfully adopted in various fields and demonstrated promising results, the literatures show its performance could be further improved. For this purpose, this paper proves that the growth rate of the simulated value of the grey model GM(1,1) is a fixed value. If the growth rates of the primary sequence are equate, the fitted value deriving from GM(1,1) is the same as the primary sequence, otherwise greater error would occur. In order to overcome shortcoming of the fixed growth rates, extend the traditional GM(1,1) model by introducing linear time-varying terms, which can predict more accurately on non geometric sequences, termed EGM(1,1). Finally, compared with the other improved grey model and ARIMA model, experimental results indicate that the proposed model obviously can improve the prediction accuracy.     

优化离散灰色幂模型及其应用

考虑已有的灰色预测模型主要能对指数型发展系统或幂函数型发展系统进行模拟预测,本文构建了一种不仅能够模拟指数型和幂函数型的发展系统,并且能够体现出二者之间的相互作用关系的离散灰色幂模型;并针对初始条件对离散灰色幂模型模拟精度的影响,首先给出了离散灰色幂模型的建模步骤,然后以平均相对误差最小化为目标、参数之间的关系为约束条件,构建了离散灰色幂模型初始条件的优化模型,实现对离散灰色幂模型初始条件的优化。结果表明,优化的离散灰色幂模型使得平均相对误差在理论上达到了最小化,其模拟精度和预测精度都高于传统模型。最后,通过中国网络购物人数数据预测和仿真数据分析,说明了本文优化方法的有效性和适用性。     

一类调节强度可变的弱化缓冲算子及其应用研究

在灰色系统缓冲算子公理体系下,根据灰色系统的“新信息优先原理”,构造了一类调节强度可变的弱化缓冲算子,并对其特性进行了研究。针对不同的建模背景,通过调整缓冲算子的参数,可以生成具有不同弱化效果的序列。最后,利用本文提出的缓冲算子,对两个实际案例进行了建模计算,计算结果表明,这类新的弱化缓冲算子能够有效提高GM（1,1）模型的预测精度,解决定量预测结果与定性分析结论不符的问题。     

基于驱动因素控制的线性时变参数DLDGM(1,N)模型

针对传统GM(1,N)模型未考虑参数随时间变化的动态特征及未明确驱动因素作用机制的问题,首先引入线性时变参数以及驱动因素控制函数,构建基于驱动因素控制的线性时变参数DLDGM(1,N)模型,论证DGM(1,1)、NDGM(1,1)、TDGM(1,1)、DGM(1,N)、DCDGM(1,N)模型均是该模型在不同参数取值下的特殊形式;然后基于白化信息充分和匮乏的两种情况,给出驱动因素控制参数的识别方法;最后应用所提模型对河南省粮食产量进行预测,验证模型的有效性和实用性。     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。     

惯性灰色模型及其应用性质研究

研究灰色预测模型建模的演化过程，可以更好地了解模型的本质特征和状态变化。惯性灰色模型主要研究灰色预测模型建模的演化过程，了解系统变化状态。本文根据数据的力学特性，利用矩阵分析方法研究惯性灰色模型的建模步骤，简化文献［1］中惯性模型的结构参数和分量参数形式，总结求解各种数据序列的力学变换式，获取各种惯性灰色模型的建模机理。最后通过实例研究系统状态的演变过程，将惯性灰色GM(1,1)模型应用到交通流状态的判定中，得到三相交通流与三种惯性灰色GM(1,1)模型的对应关系。利用三种惯性模型模拟效果来准确判断交通流的状态，揭示交通系统实时特性，为交通规划、控制和优化提供可靠的理论依据。