永康市电力电量的灰色预测

永康市电力电量的灰色预测张瑶浙江省永康市供电局（３２１３００）一、灰色系统建模的特点灰色系统建模预测是近年来发展起来的预测方法。灰色理论认为一切随机样本量是在一定范围内变化的灰色量，将随机过程看作是在一定幅区间和一定时区间变化的灰色过程。对灰色量不是...     

灰色关联度组合模型在涝灾预测中的应用

传统灰色预测模型在涝灾预测中有较多应用,但其预测精度较低。为提高模型的预测精度,在传统灰色预测模型基础上加入灰色关联度分析,从灰色关联度的角度发现数据之间的依赖关系,运用灰色预测模型预测数据的发展走向。以沈阳市1960-2010年涝灾年份数据为依据,建立灰色关联度组合模型,应用结果表明,该模型比传统灰色预测模型效果好,为涝灾预测增添了新手段。     

GM（1,1）模型在电力系统中长期负荷预测应用

文章简要地介绍了电力系统负荷预测的意义,对负荷预测中的灰色预测方法进行了深入的研究,通过对灰色理论预测方法建模并对电力系统负荷进行预测,得到了GM（1,1）模型灰色预测方法能够准确的实现对负荷的预测。     

GM(1,1)模型在电力系统中长期负荷预测应用

文章简要地介绍了电力系统负荷预测的意义,对负荷预测中的灰色预测方法进行了深入的研究,通过对灰色理论预测方法建模并对电力系统负荷进行预测,得到了GM(1,1)模型灰色预测方法能够准确的实现对负荷的预测。     

联合收获机喂入量灰色预测模糊PID控制

针对联合收获机控制系统的非线性、复杂性,将灰色预测理论和模糊PID控制设计思想相融合,建立了灰色预测数学模型,设计了灰色预测模糊PID控制器,并将其应用于喂入量的控制.仿真表明,灰色预测模糊PID控制算法可以提高传统PID控制和模糊PID控制的质量及鲁棒性,改善系统性能,获得较好的控制效果.     

联合收获机前进速度灰色预测模糊控制系统

分析了联合收获机的工作过程,针对其工作过程中的非线性、时变、大滞后特性,提出了采用灰色预测模糊控制方法对联合收获机的前进速度进行自动控制,使其负荷保持稳定.分析了预测控制和模糊控制相结合的必要性和重要性,设计了基于灰色预测模糊控制的联合收获机前进速度控制装置,建立了灰色预测模糊控制模型,并进行了仿真和试验.仿真结果表明,运用灰色预测模糊控制算法能使控制系统的调整时间更短、超调量更小、控制性能更加优越.     

灰色预测与模糊PID的恒温水浴协同温度控制

为解决传统农业温控系统存在的大惯性、时变非线性和纯滞后性问题,以恒温水浴温度调控系统为研究对象,建立温度调控机构的一阶加纯滞后数学模型。充分考虑PID控制、模糊控制与灰色预测控制各自的优点,仿真评估灰色预测算法预测系统温度的相对残差均值为4.73×10^-6,方差比为0.001 8,反映出模型预测的可靠性很高;设计将模糊PID作为主控制器,灰色预测算法作为辅助控制器的协同温度控制模型。仿真试验结果表明：灰色预测—模糊PID控制器的超调量相对于传统PID控制器下降0.35%,相对于模糊PID控制器下降0.18%;灰色预测—模糊PID控制器的调节时间相对于传统PID控制器缩短232.8 ms,相对于模糊PID控制器缩短204.9 ms;灰色预测—模糊PID控制器的稳定温度值相对于传统PID控制器减小3×10^-3℃,相对于模糊PID控制器没有发生变化;对于相同的扰动信号,灰色预测—模糊PID控制器的调节时间相对于传统PID控制器缩短252.3 ms,相对于模糊PID控制器缩短248.2 ms。灰色预测与模糊PID的恒温水浴协同温度控制与传统PID、模...     

河川径流预测方法比较研究

通过实际算例分析比较了灰色预测模型、小波分析法、小波神经网络和模糊神经网络河川径流预测方法,结果表明：灰色预测模型和小波分析法预测结果误差比较大且分布不均匀,小波神经网络和模糊神经网络预测结果明显好于灰色预测模型和小波分析法。     

灰色神经网络组合模型在庆安县年降雨量预测中的应用

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。     

基于灰色马尔柯夫链模型的浙江省名优茶产量预测

将灰色系统理论与马尔柯夫链结合在一起,建立了灰色-马尔科夫模型,并以此模型来对浙江省名优茶年产量进行预测,以达到科学指导生产、规划销售的目的。首先根据2000-2010年浙江省名优茶产量的统计资料,建立灰色系统GM(1,1)预测模型,并在此基础上运用马尔柯夫链理论对预测结果进行修正,得出更精确的预测结果。实例计算后发现,运用灰色马尔柯夫模型得到的预测结果较之单纯的GM(1,1)模型准确性有较大程度的提高。结果表明,灰色马尔柯夫模型更适用于对随机波动性较大的数列进行预测,此方法用于名优茶产量的预测是可行的。     

城市工业用水量的灰色马尔可夫预测模型

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.     

GM(1,1)模型在农村电力负荷预测中的应用

农村电力系统是一个含有许多不确定影响因素的灰色系统,而灰色模型法恰好是一种对含有不确定性因素的系统进行预测的方法,因此可将灰色模型法应用于农村电力系统负荷预测中。示例计算结果表明,用该方法预测电力系统负荷具有较高的预测精度。     

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.     

基于灰色动态模型群的需水预测研究

依据灰色系统理论,构造了一个由5个GM(1,1)模型组成的灰色动态模型群,并运用该模型对福建省泉州市用水量变化趋势进行了预测分析。研究表明,灰色动态模型群能够充分利用近期用水量信息预测未来用水量变化趋势;以模型群统计平均值作为最终预测值,避免了单一灰色模型容易利用不稳定信息的缺陷,使得预测精度更加准确,预测结果更为可信。     

改进灰色预测模型在灌溉用水量建模中的应用

灌溉用水量系统受诸多不确定性因素的影响,采用灰色预测方法对甘肃省灌溉用水量进行建模分析.通过对灰色GM(1,1)模型的预测精度的分析表明,GM(1,1)预测公式系数的选取存在缺陷.因此基于残差和为零准则,就预测公式系数C的选取问题提出新的计算方法,并对系数修正前后的模型分别建模.结果表明;改进灰色模型预测灌溉用水量与实际用水量更接近、精度更高.     

基于灰色残差-马尔可夫藕合模型的农业需水量预测研究

将灰色残差模型与马尔可夫预测模型结合起来,建立灰色残差-马尔可夫藕合模型来预测农业需水量.先用灰色GM(1,1)模型进行预测,预测精度较低,因此对GM(1,1)模型进行一定程度的改进,建立灰色残差GM(1,1)模型;再用马尔可夫预测模型来判断残差预测值的符号,以提高预测精度.最后用华东某城市2002-2008年的农业用水量作为历史数据进行了预测,结果表明预测精度明显提高.预测结果可以为研究区域今后的节水灌溉发展提供理论依据,来有效地指导今后该地区的节水灌溉.     

水库径流模拟的灰色神经网络方法

应用灰色理论与人工神经网络的特点,建立了灰色神经网络模型,对影响水库径流的各影响因素分别建立灰色模型,并将灰色模型模拟预测的数值作为神经网络的输入,水库年均径流量的原始数值作为神经网络的输出,训练得到最佳的训练结构.以某地区水库径流为例,根据其变化规律,应用灰色神经网络模型对其进行预测,结果表明,该模型拟合误差小,预测精度高,为研究区域的水资源综合规划提供了依据.     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。     

基于ZigBee的温室温度控制系统

为解决温室灰色预测模糊PID控制算法控制适应性差的问题,在灰色预测模糊PID控制算法的基础上,加入依据室外温度变化的模式控制算法,构建了由温度采集节点、中心节点、温度控制节点与PC机组成的ZigBee无线网络温度控制系统。在IAR Embedded Workbench IED和Visual C++6.0环境下,开发了ZigBee节点程序和上位机算法程序。对灰色预测模糊PID算法和改进控制算法进行了对比控制试验,并依据Harris理论对两种算法的控制精度进行了评价。试验结果表明:改进控制算法比灰色预测模糊PID算法控制精度提高了0.2℃。