共查询到17条相似文献,搜索用时 749 毫秒
1.
2.
3.
基于灰色GM(1,1)模型的库尔勒市农业用水量预测 总被引:3,自引:0,他引:3
介绍灰色理论建模原理和模型参数辩识方法,并以实例(库尔勒市2000-2006年灌溉用水资料)建立灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度达96.9%.用所建立的模型对库尔勒市2007-2011年农业用水量进行外推预测.结果表明,该灰色模型用于农业用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合. 相似文献
4.
5.
6.
7.
采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。 相似文献
8.
《中国农村水利水电》2016,(3)
将大坝位移监测量认为是一定范围内变化的灰色量。基于灰色理论,建立的大坝位移灰色预测模型,常被用于大坝位移实测资料序列的分析和预测。在对传统GM(1,1)预测模型构建原理论述的基础上,通过引入混合蛙跳算法,残差修正方法等,研究提出了基于改进非等间距GM(1,1)的大坝位移预测模型,结合工程实例,在对大坝位移原始监测资料分析的基础上,将改进GM(1,1)预测模型与传统GM(1,1)预测模型进行了对比分析。结果表明,改进GM(1,1)预测模型的预测精度有较大提高。 相似文献
9.
城市工业用水量的灰色马尔可夫预测模型 总被引:2,自引:0,他引:2
灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势. 相似文献
10.
以处于贵州黔东南的沅江水系为研究对象,以1960-2011年52年降雨量作为建模数据,开展该区域的年度干旱特征和变化规律研究。在旱情趋势预测时,选取灰色系统理论,以GM(1,1)模型建模,并采用残差检验和后验差检验对模型精度进行了检验,检验结果表明:所建立的模型,预测精度好。在此基础上,开展了干旱年预测分析,并对未来几年的干旱发生年份做出了预测。 相似文献
11.
鉴于粮食生产系统的复杂性和信息不完全性,在对粮食生产系统灰色关联分析的基础上,确定出影响粮食产量的主要因子,然后建立灰色GM(1,N)预测模型;应用同一原始数据和GM(1,1)预测模型进行了比较,证明GM(1,N)预测模型具有较高的预测精度,较好地拟合了粮食产量的发展趋势。 相似文献
12.
为解决固体废弃物煤矸石的大量堆积对环境带来了巨大挑战,将煤矸石作为粗骨料替代普通碎石,基于此研究了煤矸石掺量(0,10%,20%,30%)对混凝土抗压强度的影响,通过核磁共振技术测试不同掺量煤矸石混凝土各龄期微观孔隙发育规律,同时结合灰熵法探究不同掺量煤矸石孔隙结构参数与抗压强度的关系,并结合灰色系统理论建立GM(1,4)灰色预测模型.结果表明:煤矸石的掺入会降低混凝土抗压强度,T2图谱面积随煤矸石掺量增加而增加,小、微小孔隙占比较普通混凝土有所增加; 根据灰熵关联度研究,煤矸石混凝土强度与孔隙结构中束缚流体饱和度、孔隙率和孔径0.1~1.0 μm孔隙占比关联程度最高,分别为0.999 16,0.989 44,0.995 93,所建立的灰色关联模型GM(1,4)试验值与预测值相对误差均值为1.97%,具有良好的预测精度.研究可为煤矸石作为粗骨料应用于实际工程提供参考依据. 相似文献
13.
14.
为探究纳米SiO2粉煤灰混凝土孔隙结构对抗压强度的影响,取纳米SiO2掺量分别为1%,3%,5%和7%,粉煤灰掺量分别为10%,20%和30%,水胶比为0.35,将两者复掺进行试验.测定混凝土3 d,7 d和28 d立方体抗压强度.利用核磁共振技术、场发射扫描电镜和差热-热重技术,综合分析研究孔隙结构及微观形貌特征,通过灰关联熵分析法找出影响混凝土抗压强度的主、次因素,并建立GM(1,4)灰色预测模型.结果表明:两者复掺在混凝土发育阶段起到正耦合作用,宏微观关联分析可知,粉煤灰掺量20%、纳米SiO2掺量3%为最优;建立了混凝土抗压强度与(0,0.01] μm孔径占比、(0.01,0.10] μm孔径占比和束缚流体饱和度的灰色预测模型.GM(1,4)模型3,7和28 d的预测值与试验值的平均相对误差分别为3.28%,4.00%和2.64%,利用孔隙结构预测混凝土抗压强度有较好的精度.该研究可为纳米SiO2和粉煤灰在混凝土工程中的应用提供一定参考. 相似文献
15.
为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。 相似文献
16.
17.
基于灰色GM(1,1)的农业机械化水平预测模型 总被引:9,自引:0,他引:9
根据1986~2005年我国农业机械化综合水平统计数据,并对由于我国耕地面积统计滞后使得在机耕水平计算中存在误差进行了合理分析和修正,结合数据平滑处理,建立了基于灰色GM(1,1)的我国农业机械化综合水平预测模型.通过残差检验和后验差检验方法对预测结果进行了检验,模型拟合精度较好.采用模型对2006年我国农业机械化综合水平值进行预测,结果表现出较高的预测精度,进一步验证了所建模型的可行性.运用该模型对我国2007~2020年间农业机械化综合水平进行预测,结果表明到2020年我国综合机械化水平将达到68%左右.通过定性分析及与其他预测结果比较,模型表现出较好的预测能力. 相似文献