检索结果-南通市图书馆

基于GM(1,1)背景值重构的可靠性预测模型

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2020年第24期50卷 134-140页

作者：蒋玉婷程世娟西南交通大学数学学院统计系四川成都611756

分析GM(1,1)模型,提出用复化Cotes公式和牛顿插值法重构GM(1,1)背景值,并对改进模型模拟精度进行检验,与传统梯形公式构造背景值的预测模型相比,改进模型从1次代数精度优化到6阶收敛并且无明显震荡现象产生.将改进的GM(1,1)模型运用到... 详细信息

分析GM(1,1)模型,提出用复化Cotes公式和牛顿插值法重构GM(1,1)背景值,并对改进模型模拟精度进行检验,与传统梯形公式构造背景值的预测模型相比,改进模型从1次代数精度优化到6阶收敛并且无明显震荡现象产生.将改进的GM(1,1)模型运用到某部件的腐蚀寿命预测中,理论分析与应用实例都说明本文提出的改进方法具有有效性.

关键词： GM(1,1)模型复化Cotes公式背景值重构可靠性预测

基于非齐次指数函数的灰色预测模型背景值重构方法研究

在线全文

学校读者我要写书评

暂无评论

工程勘察 2014年第7期42卷 64-68页

作者：杨建文杨德宏罗文生昆明理工大学国土资源工程学院昆明650093

灰色模型背景值重构是从变形数据本身出发,考虑数据波动性而引起的模型偏差对预测结果的影响,对背景值的构造形式加以改进。本文针对齐次指数函数的背景值拟合法存在的不足,提出了一种基于非齐次指数函数的背景值重构方法。其核心思想... 详细信息

灰色模型背景值重构是从变形数据本身出发,考虑数据波动性而引起的模型偏差对预测结果的影响,对背景值的构造形式加以改进。本文针对齐次指数函数的背景值拟合法存在的不足,提出了一种基于非齐次指数函数的背景值重构方法。其核心思想是充分考虑u/a的影响,将原始数据的1-AGO序列抽象为非齐次指数函数。该方法建模简单,计算方便,能够有效地提高拟合、预测精度。且不受0<-a<2的限制,在-a≥2的情况下也能保持良好的拟合、预测效果。

关键词： GM(1,1)模型齐次指数函数非齐次指数函数背景值重构拟合、预测

在线全文

学校读者我要写书评

暂无评论

灰色Verhulst模型的改进及其应用

化工学报 2010年第8期61卷 2097-2100页

作者：戴文战熊伟杨爱萍浙江理工大学自动化研究所浙江杭州310018 浙江财经学院浙江杭州310018

灰色Verhulst模型的精度依赖于背景值和结构参数。本文提出了一种改进的灰色Verhulst模型。首先分析了传统的灰色Verhulst模型产生误差的原因,从背景值定义出发,推导了用原始数据生成的背景值公式;其次,基于灰色系统信息覆盖原理,提出... 详细信息

灰色Verhulst模型的精度依赖于背景值和结构参数。本文提出了一种改进的灰色Verhulst模型。首先分析了传统的灰色Verhulst模型产生误差的原因,从背景值定义出发,推导了用原始数据生成的背景值公式;其次,基于灰色系统信息覆盖原理,提出了一种结构参数优化方法;最后,应用本文方法建立了我国天然原油生产量的灰色Verhulst模型。实例表明,模型具有很高的精度。

关键词：背景值重构灰色Verhulst模型信息覆盖预测

基于有理插值公式GM(1,1)模型的背景值构造新方法与应用

在线全文

学校读者我要写书评

暂无评论

中国传媒大学学报（自然科学版） 2014年第4期21卷 37-41页

作者：晋斌张辉中国传媒大学理工学部北京100024

本文通过分析GM(1,1)模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,进而有效地提高模型的预测精度和适用性,最后将此方法应用到我国人均能源消耗量预测建模中,理论分析和应用实例表明了文章所提方法的有... 详细信息

本文通过分析GM(1,1)模型中的背景值,提出了用有理插值和数值积分中的梯形公式及外推法重构背景值,进而有效地提高模型的预测精度和适用性,最后将此方法应用到我国人均能源消耗量预测建模中,理论分析和应用实例表明了文章所提方法的有效性。

关键词：灰色系统 GM(1, 1)模型背景值重构有理插值

基于粒子群优化算法的灰色预测模型GM(1,1)改进

在线全文

学校读者我要写书评

暂无评论

沈阳农业大学学报 2012年第2期43卷 253-256页

作者：何剑宇辽宁现代服务职业技术学院沈阳110164

为了提高灰色预测模型GM(1,1)在复杂系统模型中的预测精度,从原始数据和预测值两个方面对灰色GM(1,1)模型进行改进。根据原始数据的信息特点对模型作补充定义;预测值改进则利用背景值重构和粒子群优化算法对传统GM(1,1)模型的预测值进... 详细信息

为了提高灰色预测模型GM(1,1)在复杂系统模型中的预测精度,从原始数据和预测值两个方面对灰色GM(1,1)模型进行改进。根据原始数据的信息特点对模型作补充定义;预测值改进则利用背景值重构和粒子群优化算法对传统GM(1,1)模型的预测值进行改进,求出最佳预测值。结果表明:改进GM(1,1)模型的平均残差和相对残差都远远小于传统模型,其预测效能和可信度都有大幅提高。

关键词： GM(1,1)模型背景值重构粒子群优化算法

在线全文

学校读者我要写书评

暂无评论

基于改进灰色混合模型的可靠性预测问题研究

基于改进灰色混合模型的可靠性预测问题研究

作者：蒋玉婷西南交通大学

学位级别：硕士

随着科学技术的飞跃式发展和新型材料的推陈出新,可靠性在产品生产中占有越来越重要的地位,对于高可靠性、长寿命的产品,要快速地评定实际贮存环境中的可靠性水平就需要进行加速寿命试验用来进行寿命预测.近年来,寿命预测技术突飞猛进发... 详细信息

随着科学技术的飞跃式发展和新型材料的推陈出新,可靠性在产品生产中占有越来越重要的地位,对于高可靠性、长寿命的产品,要快速地评定实际贮存环境中的可靠性水平就需要进行加速寿命试验用来进行寿命预测.近年来,寿命预测技术突飞猛进发展,其方法大约可以分为两种:基于物理失效模型和数据驱动.对于高可靠性产品而言,数据驱动的预测方法不依赖于产品的失效机理.其一般包括基于统计模型的方法、基于可靠性函数的方法以及基于人工智能的方法受到越来越多的关注.本文基于传统统计模型的要求大量数据、个体独立、样本服从某种典型分布的缺陷提出了利用灰色系统理论来进行寿命预测.针对传统GM（1,1）模型预测精度不高的问题,采用了指数平滑法对背景值进行优化,建立了IGM（1,1）模型,此改进方法主要运用几何法作为初始改进公式,以背景值的积分精度作为此次改进的切入点进行分析,然后,在失效数据量小、加速模型难以确定的情况下,基于灰色预测理论对服从Weibull分布的恒加寿命试验数据进行了分析,采用与应力有关的权重生成背景值补充缺失数据,建立等间距灰色预测模型,从而对加速寿命预测模型参数进行了修正.算例分析表明:通过灰色预测理论,加速试验数据评估模型得到的结果精确度高,多次分析传统GM（1,1）后,提出用复化Cotes公式和三次牛顿插值法来重构背景值,精度提升的同时也要防止数据产生震荡,利用复化Cotes公式的六阶收敛作为目标来进行精度的提升.并对改进模型模拟精度进行检验,与传统梯形公式构造背景值的预测模型相比,改进模型从1次代数精度优化到6阶收敛并且无明显震荡现象产生.在进一步的研究中发现在本来样本数据量不够的情况下,在GM（1,1）模型的建模中还浪费了初始值所包含的内容,因此为了将初始值的数据信息最大化利用,对其进行优化,将新得到的初始值再建模.将IGM（1,1）模型运用到实例分析中,理论与实际结果都说明提出的方法具有有效性.研究小样本寿命预测时,发现还可以运用时间序列分析,神经网络模型来进行统计分析,而且在实际问题的解决过程中,数据预测并不仅仅是简单的某一种方面的问题,如果将一些具有不同方面有点的预测方法结合起来,发现可以更好地提高预测精度.因此,本内容分析灰色模型与ARMA模型发现都与时间有关,组合灰色-ARMA模型来进行可靠性评估且提高预测精度.对两种模型的组合方式进行深入的研究,在现有预测模型的基础上,提出了一种基于改进的灰色GM（1,1）和ARMA（p,q）模型的组合模型.通过使用缓冲算子对数据进行预处理,建立了定权和变权IGM（1,1）-ARMA（p,q）组合预测模型,并将其应用于某型导弹的可靠性数据预测.理论分析和应用实例均表明本文提出的方法是有效的.结合实际中的数据非线性的特点,利用BP神经网络模型来修正IGM（1,1）模型残差,建立IGM（1,1）-BP神经网络模型,并验证模型的预测精度.以研究青藏铁路唐古拉南至安多区间冻土路基沉降变形监控数据为依据,提出一种基于灰色神经网络的路基沉降预测模型,利用BP神经网络训练由IGM（1,1）拟合得到的残差以此得到训练后的残差序列,进而得到IGM（1,1）-BP模型的预测值.通过实例对比,IGM（1,1）-BP神经网络混合模型预测精度相对较高,能有效的预测铁路冻土路基沉降,根据预测结果给出了对于沉降危险点的工程维护建议.

关键词：灰色GM(1,1)模型 ARMA(p,q)模型 BP神经网络模型组合模型复化Cotes公式背景值重构可靠性预测

改进GM(1,1)模型在滑坡变形预测中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

内蒙古煤炭经济 2022年第20期 12-14页

作者：蔡华江西省地质局实验测试大队江西南昌330002

基于灰色系统理论建立的一阶单变量GM(1,1)模型在滑坡变形预测中应用广泛,但是对高增长指数型滑坡变形时间序列的适应性较差。通过GM(1,1)模型建模原理分析表明,等权生成背景值是影响模型预测精度的主要因素之一。基于此,本文采用自动... 详细信息

基于灰色系统理论建立的一阶单变量GM(1,1)模型在滑坡变形预测中应用广泛,但是对高增长指数型滑坡变形时间序列的适应性较差。通过GM(1,1)模型建模原理分析表明,等权生成背景值是影响模型预测精度的主要因素之一。基于此,本文采用自动寻优定权法重新构造背景值,建立基于最佳权重构造背景值的改进GM(1,1)模型,并根据滑坡监测资料建立滑坡变形预测的传统GM(1,1)模型和重构背景值的改进GM(1,1)模型。结果表明,改进GM(1,1)模型对高增长指数型滑坡变形时间序列建模具有更高的拟合与预测精度,可用于滑坡变形短期预测预报。

关键词： GM(1,1)模型背景值重构滑坡变形预测高增长指数序列