基于神经网络灰色模型的农田土壤湿度预测研究

为了提高农田土壤湿度预测的效果,采用神经网络灰色模型。首先灰色模型对农田土壤湿度数据建模,神经网络对误差进行校正;然后神经网络灰色模型考虑湿度数据之间的关联度,只对关联度值较大的单个预测模型进行组合预测;最后给出了算法流程。实验结果表明,随着农田土壤深度的增加,湿度数据预测值的相对误差以及波动性都在增加;多模型对比实验显示:对垂直深度70 cm和80 cm的土壤湿度预测值接近真实值,剩余预测偏差指标最小值为2.69、平均值为2.75,模型判定系数为0.98,结果优于其他预测模型指标。     

数控加工误差预测方法分析及预测建模

针对数控加工误差的复杂性特征,对加工误差的预测方法进行了分析,比较了传统预测模型理论和基于神经网络和支持向量机的智能预测模型的差异,并对预测建模过程进行了探讨。     

灰色神经网络模型在湖泊水质预测中的应用

应用灰色GM(1，1)预测模型和人工神经网络预测模型相结合而成的灰色神经网络模型，对湖泊高锰酸盐指数进行预测。此方法是用人工神经网络去把握灰色GM(1，1)所得到的预测值和实测值之间的未知关系，再进行新的预测。其特点是可行性强，且方法简便。通过准确地预测湖泊高锰酸盐指数可以为治理、控制湖泊营养化和综合利用自然环境资源、规划管理、决策提供重要的科学依据。     

灰色模型在电量预测中的应用

负荷预测是供电部门的重要工作之一，准确的负荷预测可以经济合理地安排电网内部发电机组的启停，制订设备检修计划，编制电网建设规划，保证社会正常的生产、生活用电，提高经济效益和社会效益。     

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。     

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。     

基于灰色模型的农业机械总动力预测

农业机械总动力是评价一个国家农业现代化程度的重要指标.根据2003-2007年我国农业机械总动力的历史数据,采用基于灰预测的指数增长模型对农业机械总动力进行了预测.在模型建立前,进行了级比平滑检验,认为数据具有建立灰预测模型的基础;模型建立后,又进行了相对误差检验、后验差检验和残差检验.检验结果表明,模型具有较高的精度,适合中长期预测.最后,根据该模型给出了2010-2012年我国农业机械总动力的预测结果,认为我国农业机械总动力将于2012年达到103222亿kW.     

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。     

基于灰色模型的水质预测

依据“1995年－2004年长江流域水质报告”中的数据和水质污染的特性，建立了灰色预测模型，并对长江水质进行分析，最后对长江水质未来10年的发展趋势做出预测分析．     

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.     

基于张量理论的数控机床误差补偿模型

为了进一步提高数控机床多体运动学误差模型的精度,提出了基于张量理论的机床误差补偿模型。首先面向数控系统列表插值补偿方式,提出了应用张量理论设定基础阶、扩展阶和误差阶来建立机床误差张量模型。然后,提出了采用设定机床信息、建立张量模型及设定检测参数3个流程实施误差补偿,并通过多元回归分析提出了采用4阶多项式拟合机床空间误差。最后,以某重型车铣复合机床实验为例,提出了分轴步进对角线法下的张量误差模型,采用球杆仪进行了圆度误差检测实验,结果表明该方法能够有效地提高机床精度,比多体运动学误差模型的补偿效果更优。     

基于灰色预测的模糊神经网络孵化控制系统

提出一种基于灰色预测的模糊神经网络控制策略,并应用在孵化过程控制系统中.运用灰色预测技术对孵化参数进行预测,方便后续控制,而模糊神经网络则控制过程的动态特性,保证孵化参数的精确和稳定控制.仿真结果表明,该系统能在50 s内将被控对象稳定,具有良好的动态和静态特性.     

基于马尔可夫边程的改进残差灰色灾变预测模型研究

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.     

基于灰色系统理论的不确定度模型

针对难以用传统的统计理论来估计不确定度的问题，以灰色系统理论为基础，提出了一种估计扩展不确定度的新方法，对正态分布，瑞利分布，三角分布及均匀分布等进行了计算机仿真实验。结果表明所提出的方法是切实可行的。     

基于灰色预测的农业机器人GPS导航系统硬故障隔离

采用卡方检验和灰色预测相结合的算法,综合利用卡尔曼滤波数据和GPS历史有效定位数据,在不增加额外传感器信息条件下,对农业机器人导航中常见的GPS定位数据突变故障进行了检测和隔离。实验结果表明,这类故障被有效隔离后,不会影响导航系统的正常工作。GPS定位数据的灰色预测残差小于10cm,当虚警率仅为0.05时仍可降低卡方故障检验的漏检率。     

测定应力集中系数的灰色建模方法

通过对带轴肩的扭转圆轴、带双凹槽的拉伸板条、带偏心孔的纯弯曲梁等几种典型构件在应力集中处进行应变电测，利用灰色系统理论对测试数据进行累加生成处理、模型识别，建立了应变分布的灰色模型，用该模型求出了应力集中处的应力集中系数。结果表明：与目前常用的数据处理方法比较，灰色建模方法具有所需测试数据少、预测精度高等优点，非常适用于构件应力集中系数的实时测定。     

基于参数辨识的并联机器人误差模型研究

误差模型是保障机器人定位精度的重要前提,本文提出了一种基于参数辨识的并联机器人误差模型验证方法。搭建参数辨识模型以获取机器人实际结构参数,使用偏微分理论建立实际误差模型,并对模型中的误差参数进行定量分析。随后将各误差参数对末端执行器位姿的影响映射到关节输入量上,从而驱动机器人执行误差模型验证实验。以3-PUU并联机器人为对象进行误差分析并开展实验验证,对比激光跟踪仪采集的末端执行器位置数据与误差模型分析结果,结果表明两者之间最大偏差为0.50mm,平均偏差在0.31mm以内,验证了所建误差模型的合理性与正确性。