等维动态递补灰色模型改进及应用研究

针对等维动态递补灰色模型对波动性数据预测的局限性,提出了缓冲算子等维动态递补灰色模型,改进了原有模型对波动性数据预测误差较大的问题。利用成都市2008—2013年的用水统计资料,在验证了模型的实用性后,分别建立了传统的GM(1,1)模型、等维动态递补GM(1,1)模型以及带有弱化缓冲算子的等维动态递补GM(1,1)模型,对成都市2016、2020、2025年各类用水量进行预测分析。结果表明,改进后的模型预测精度高,实用性好,能给成都市未来的水资源规划与管理提供可靠的依据。     

波动水资源数据灰幂模型预测中的维数选择

针对GM(1,1)幂模型预测中如何选择合适的样本维数提高模型精度问题,探讨小样本波动统计序列光滑度的判断方法及其对GM(1,1)幂模型预测结果的影响,利用GM(1,1)幂模型白化计算公式完成最小二乘准则下的参数计算,在此基础上构建序列统计数据预测计算模型,将其应用于城市用水量波动统计数据预测,并进行GM(1,1)幂模型样本维数预测精度探讨,计算结果验证了波动统计序列光滑度与GM(1,1)幂模型预测精度的关系,为小样本波动统计序列建模和预测提供了一种计算方法。     

灰色系统与多元逐步回归耦合模型在年用水量预测中的应用

探讨了将多元回归分析模型和灰色系统GM(1,1)耦合应用于北京市总用水量预测的方法和技术.对北京市1980～2001年的序列资料,利用灰色系统的关联度分析和逐步回归的思想,通过比较和选择,建立了多元线性逐步回归方程;将用GM(1,1)模型拟合反推得到的预测值带入方程求出总用水量的未来值.结果表明:人均日生活用水量和工业用水量是影响北京市总用水量变化的主要因素.灰色系统与多元线性回归的耦合模型用于对城市总用水量的预测是行之有效的.     

考虑紊流效应的深度平均二维模型在澜沧江水质预测中的应用

采用可靠的水动力水质模型对水质进行预测是水污染治理的有效措施。常用的深度平均二维浅水模型因忽略了紊流项的影响,难以准确模拟水流运动,会对水质预测造成影响。鉴于此,本研究构建了考虑紊流效应的二维水动力水质模型,以南木冷河汇入澜沧江段为研究对象,分析不同排污情景下的污染物浓度变化。结果表明,构建的二维水动力水质模型在研究区域具有较好的适用性,排污口设置对水功能水质达标存在不利影响。本研究可为澜沧江水环境保护提供科学依据。     

灰色动态模型群法在河流水质预测中的应用初探

在对原始数据序列对数变换的基础上，依据灰色系统理论，构造了由6个GM（1，1）模型组成的灰色动态模型群，并用于淮河干流枯水期氨氮浓度变化趋势预测。研究表明，灰色动态模型群法能够充分利用近期水质资料信息预测水质变化趋势；相对单个GM（1，1）模型，灰色动态模型群法能有效改善随机波动数据序列的拟合效果，提高预测精度。     

灰色动态规划方法在水库调度中的应用研究

在普通动态规划方法的基础上融合了灰色系统的思想,利用区间比较的可能度公式及可能度矩阵解决区间灰数的排序问题,并在此基础上提出了灰色动态规划方法.论文结合径流预报不断更新的工程实际情况,建立了预报调度的灰色动态规划模型,该模型综合了确定型动态规划方法和随机型动态规划方法的优点.最后文章通过一个算例说明了算法的合理性和可行性.     

分形理论及其在道路交通事故预测中的应用

基于分形理论,用功率谱分析方法对道路交通事故时间序列进行可行性研究,得出的结论是:在统计意义上,道路交通事故时间序列具有自仿射性,可以用分形理论进行进一步的研究。在此基础上将R/S分析方法应用于道路交通事故预测中,得到道路交通事故的发展趋势和分形维数,结果表明未来几年全国的道路交通事故有继续减少的趋势     

灰色神经网络在地下水动态预测中的应用

以周至201号井为例,选取降雨量、蒸发量、单位面积的引灌水量及人工开采量4个地下水位的主要影响因素为预报因子,地下水位作为输出样本,建立BP神经网络模型。以2002-2011年4个序列的数据分别建立新陈代谢GM(1,1)模型,得到2012-2014年的预测值。再将各新陈代谢GM(1,1)模型得到的4个预报因子的预测值作为BP神经网络的输入,得到的输出即为最终2012-2014年地下水位的预测值。结果表明,灰色理论和BP神经网络耦合模型具有较高的预测精度,可为地下水的动态预报提供参考。     

不同时间尺度GM(1,1)模型对城市生活污水排放量预测的影响

研究城市生活污水排放量,有利于解决城市周边的水环境污染问题,实现水资源的可持续利用.运用1986-2010年城市生活污水排放量数据建立一系列不同时间尺度的灰色GM(1,1)模型,探讨不同时间序列建模对于模型精度的影响.研究表明,距离预测现状年越近,建模时间尺度为15 a的模型精度越高,进而对我国2011-2015年城市生活污水排放量进行预测,并与滚动法预测模型的成果对比.预测结果表明,2011-2015年城市生活污水排放量逐年增加,到2015年我国城市生活污水排放量在499.21-515.19亿t之间,比2010年增加了31.44％～35.65％.     

改进的灰色动态模型在五家渠市需水预测中的应用

五家渠市地处乌鲁木齐河、老龙河等流域的下游,现面临着上游来水日趋减少、水质恶化与新增用水需求不断增长的多重挑战,因此,拟对五家渠市的需水进行预测研究,为合理配置五家渠市水资源,解决工农业用水矛盾提供重要依据。采用改进的灰色动态模型对五家渠市各用水部门不同规划水平年(2015、2020、2030年)的需水进行预测,结果表明,该模型克服了变量多的不利影响,便于实际应用,预测结果满足长期需水预测的精度要求。     

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。     

基于马尔可夫过程的改进残差灰色

洪涝是对人类社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡。介绍了传统残差灰色模型的基本原理和建立方法;并介绍了马尔可夫预测法,它是应用概率论中马尔可夫链的理论和方法来研究分析有关数据的变化规律,并由此预测未来变化趋势的一种方法。针对灰色残差模型中存在的问题对该模型进行了改进,运用马尔可夫状态转移矩阵来判断残差预测值在k>n时的符号,提高了预测精度。用辽阳地区50年的年降水量作为历史数据,取定灾变序列,建立涝灾预测模型,结果表明,新模型算法简单,精度较高,比传统的灰色模型效果更好,为涝灾预测提供一种行之有效的方法,对防灾减灾具有极其重要的现实意义。     

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.     

新疆兵团农机总动力预测模型的研究

为了提高新疆兵团农机总动力预测模型的精度,获得更加可靠的预测结果,针对回归模型的多重共线性问题及灰色模型仅含有指数增长趋势的问题,基于2007-2014年农机动力的相关数据,建立了主成分回归和灰色回归两种预测模型。对两种模型的预测精度进行比较分析,结果表明:主成分回归模型和灰色回归模型预测值的平均相对误差分别为0.57%、0.46%,灰色回归预测模型的精度较高,可以较真实地反映新疆兵团农机总动力的变化趋势。应用该模型进行预测,得到了新疆兵团农机总动力未来5年的预测值。     

应用灰色新陈代谢GM(1,1)模型预

研究了灰色系统理论在中长期城市需水量预测中的应用。由于常规GM(1,1)模型被用于预测时，精度较高的仅仅是最近的几个数据，越往未来发展，该模型的预测意义就越弱。针对常规GM(1,1)模型存在的不足，建立了灰色新陈代谢GM(1,1)需水量预测模型。并利用此模型对北方某缺水城市未来10年的需水量进行了预测。结果表明：模型精度较高，预测误差较小。对于中长期城市需水量预测这样复杂的问题, 灰色新陈代谢预测模型具有预测精度高、简捷实用等优点，该方法可作为中长期城市需水量预测预测的工具之一。     

基于人工神经网络土壤墒情动态预测模型应用研究

快速、准确地测定土壤墒情对作物生长发育及节水灌溉具有重要的意义。在2011-2012年的实测墒情资料的基础上,系统分析了三义寨灌区土壤墒情的时空分布规律;基于人工神经网络(ANN)理论构建了灌区不同埋深条件下土壤墒情的数值预报数学模型,模型计算值与实测值吻合较好,能够准确预测三义寨灌区不同埋深条件下的土壤墒情分布情况,为大型引黄灌区精细化灌溉模式应用提供了技术支撑。     

灰色GM(0,N)模型在土壤田间持水量预测中的应用

基于田间持水量测定试验数据及土壤理化参数测定试验数据,运用灰色预测理论对田间持水量与土壤理化参数的关联度进行分析,建立以土壤密度、土壤粉粒质量分数、土壤黏粒质量、土壤有机质质量分数为输入变量的GM(0,N)土壤田间持水量预测模型。对所建模型进行残差检验、关联度检验、后验差检验证明所建模型是可行的,实现了少数据、贫信息情况下利用土壤常规理化参数对土壤田间持水量的预测。