灰色模型GM（1,1）对尘肺病例预测研究

应用灰色系统一阶单变量模型[Grey Model(1,1)、下称GM(1,1)]、对全局1985～1991年每年的尘肺病例数进行拟合预测。预测值与实际值的拟合效果为一级,P>0.95、C<0.35。并对1992～1991年尘肺的发病人数进行了外推预测,结果尘肺发病人数每年以8例左右的速度在增加。因此,粉尘作业场所的劳动条件改善,尘肺病的预防与控制仍然是我局目前主要任务,必须引起我们的高度重视。     

灰色关联预测及其在变形预测中的应用

提出了多点关联预测的必要性,并且在GM(1,n)模型的基础上进行扩展得到了灰色关联预测模型.介绍了灰色关联预测模型的建模方法、参数求解、精度评估以及程序流程.在一个隧道地面沉降预测的工程实例中,分别用灰色关联预测模型以及单点灰色模型进行预测并且对结果进行了比较,发现在预测精度方面灰色关联预测模型较单点模型有了较大的提高.     

用GM模型对铁路机务段进行行车安全的宏观预测

本文应用灰色系统理论的灰色预测模型(GM),对铁路机务段进行行车安全预测,把机务段行车安全视为灰色系统,将机车走行100000km平均发生的事故数视为灰色量,并将逐年的事故数视为离散函数的时间序列数据,应用GM模型进行行车事故预测,并以某机务段为例进行预测,其预测结论与实际情况完全相符,证明了GM模型的可行性和准确性。     

高速铁路路基施工期沉降量的灰色预测模型及应用

为正确估算高速铁路无碴轨道路基施工期的沉降量,以京津客运专线工程为例,分别采用传统灰色预测模型和修正灰色预测模型对路基的沉降变形进行预测.研究结果表明:一方面,因为修正灰色预测模型对原始资料中已有信息的利用更加充分,所以,模型的精度更高;另一方面,修正灰色预测模型突破了传统灰色预测模型等间隔时序系统的限制,拓宽了模型在实际预测中的适用范围.因此.在实际应用中,推荐采用修正的非等时距灰色预测模型.     

灰色数列模型对水泥粉尘容许浓度的研究

应用灰色数列模型寿命表法对接尘工人连续工作３０年，控制尘肺患病率在１％的条件下，水泥粉尘作业场所的粉尘容许浓度为１６．８ｍｇ／ｍ３。同时采用直线与曲线回归进行拟合预测，选择相关指数较优的模型对数回归，现场水泥粉尘容许浓度为２４．３ｍｇ／ｍ３。灰色数列模型、对数回归方程与实际概率单位误差分析，ＧＭ（１，１）的误差较小，拟合度较好，现场粉尘容许浓度合理严格。     

改进的动态灰色模型在高铁路基变形预测中的应用

在分析灰色预测理论的建模机理和已有动态预测模型研究成果的基础上,从级比检验、背景构造值及残差等方面分别对动态新陈代谢模型进行了改进以提高预测精度,并通过工程实例的部分数据验证其改进效果,而后将其应用于工程中不同位置测点沉降变形的实时预测与分析。研究结果表明:建立的改进动态灰色新陈代谢预测模型群,精度较高,即使对于波动较大的测点,其预测也具有一定的参考价值,适用于高速铁路路基沉降变形的实时预测。     

基于无偏灰色组合动态模型的铁路客运量预测研究

针对目前铁路运输客运量预测在精度方面的不足，提出一种无偏灰色组合动态预测模型，应用于现有铁路客运量的预测。通过借鉴无偏GM(1,1)模型直接建模思想，对传统的灰色Verhulst模型作出改进，即对原始序列作倒数生成，运用新生成的倒数序列建立无偏灰色Verhulst模型，以消除传统的灰色Verhulst模型自身的一些偏差；为进一步提高模型的拟合精度及收敛速度，引入马尔科夫链方法对无偏灰色Verhulst模型的拟合结果进行修正，同时兼顾数据序列具有一定的时效性，构建出无偏灰色组合动态客运量预测模型。以我国兰青铁路某区段2010—2019年共10年的客运量数据作为原始数据，验证模型的可靠性与准确性，并与传统EDGM(1,1)模型、灰色Verhulst模型和无偏灰色Verhulst模型作对比，结果表明，本文模型在预测精度方面更凸显优势，能有效提高预测结果的准确性。     

等维灰数递补技术在隧道地表沉降预测中的研究与应用

基于等维灰数递补数据处理技术,建立了等维灰数递补GM(1,1)模型,对洞口山体沉降进行预测和模拟,以判定洞口山体的稳定性。结果表明:等维灰数递补数据处理技术充分利用了系统响应的最新信息,降低了预测系统的灰度,提高了模型的预测精度,预测结果可靠,与常规灰色预测模型相比,该法更具有实用价值。     

灰色预测模型及其在沉降预测中的应用

探讨灰色预测模型,即GM预测模型的基本概念、建模方法,以及GM在沉降预测中的应用.     

灰色预测模型及其在沉降预测中的应用

探讨灰色预测模型，即GM预测模型的基本概念、建模方法，以及GM在沉降预测中的应用。     

基于Markov链修正的铁路运量灰色组合预测模型研究

预测模型的准确与否直接决定着未来经济规划与决策的有效制定。将灰色GM(1,1)-Verhulst组合预测模型与马尔可夫链方法相结合,同时引入信息熵理论的知识,提出基于Markov链修正的熵权法灰色组合预测方法,并以甘肃省2004年～2015年铁路客运量作为原始数据序列进行模型拟合,而且还以此为基础对甘肃省未来几年内的客运量发展趋势进行预测。结论:(1)在已知实际客运量年份内,该灰色组合预测模型的预测精度比单一灰色预测模型更高、更加准确;(2)采用马尔可夫链方法获得该组合模型的偏差规律,并依照此规律对预测结果进行修正,即由一个单一的预测数值修正成为区间和概率组成的预测范围;(3)通过比较2016年～2017年的客运量实际值、组合预测模型的单一预测值和Markov链修正的预测区间值,发现Markov链修正的预测结果与客运量实际值的吻合性良好,进一步验证此预测方法的可信性。     

基于灰色区间预测模型的轨道不平顺状态预测

轨道不平顺状态是影响行车安全的关键因素。轨道质量指数(TQI)是反映轨道几何状态变化的重要数据,是一个随时间变化的时间序列,具有随机性。为了更好地研究轨道状态的变化趋势,利用灰色区间预测模型,对单元区段范围内随时间变化的TQI进行建模,并与传统的非等间距GM(1,1)预测模型相比较。为了说明预测模型的有效性,采用京九线K467.8~K468单元区段实际数据进行验证,结果表明灰色区间模型的预测精度更高,对铁路轨道养护维修工作起到指导作用。     

电焊工尘肺新旧X线标准对照分析

为了更好地熟悉与掌握国家新颁布的尘肺x线诊断标准(GB-5906-86下称新标准),我们把按1963年原尘肺x线诊断标准(下称旧标准)诊断的电焊工尘肺,电焊工尘肺观察对象(O~+)用新的尘肺X线诊断标准进行诊断,并与原诊断对照分析。材料来源于我厂1975～85年经中国预防医学科学院劳动卫生与职业病研究所、黑龙江省职业病诊     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

新亚欧大陆桥连霍段铁路货运量预测研究

合理科学预测铁路货运量对铁路基础设施规划建设具有重要意义。概述新亚欧大陆桥连霍段现状及沿线经济发展情况,阐述回归预测模型和灰色预测模型原理,充分考虑以上2种预测模型优势,构建回归-灰色组合预测模型。在此基础上,通过对新亚欧大陆桥连霍段铁路货运量的预测,对回归预测模型、灰色预测模型和回归-灰色组合预测模型的预测结果进行比较分析,表明回归-灰色组合预测模型预测结果更能真实反映实际情况,可以为相关决策部门提供参考依据。     

铁路货场装卸作业量的灰色预测模型

介绍了灰色预测模型的原理及用GM^＊（1,1）模型进行预测的方法,以兰州北站为例,对其货场装卸作业量的历史数据进行处理,建立了装卸作业量的灰色预测模型,并对预测结果进行了精度检验,证明了预测模型的实用性.     

地铁轨道几何不平顺指标预测方法研究

充分考虑轨道平顺状态劣化的不确定性和异质性,基于灰色区间预测建模理论建立了轨道几何不平顺指标灰色区间预测模型。为验证模型的可靠性,根据北京地铁2号线10个典型单元区段在2017年2月至2019年2月之间的12次轨检车检测数据,以三角坑不平顺指标为例,利用所建模型进行模拟并将模型预测值与实际检测值进行对比。结果表明,该模型模拟结果精度检验合格且具有较高的预测精度,可以用于预测轨道几何不平顺指标。     

基于灰色系统理论的铁路客运专线路基沉降预测

基于灰色预测模型GM（1,1）模型、离散灰色预测DGM（1,1）模型和非线形离散灰色预测NLFDGM（1,1）模型,采用FORTRAN语言,编制了路基沉降预测程序GREYMODEL。将该程序应用于铁路客运专线路基典型断面沉降预测,并与实测结果进行对比。结果表明：DGM（1,1）模型作为GM（1,1）模型的离散形式,两种模型的预测结果比较接近,短期预测精度高,中长期预测精度低;结合等维信息建模,非线形离散灰色预测NLFDGM（1,1）模型具有极高的精度和稳定性,在路基沉降预测中推荐使用;并提出了若干关于提高灰色模型预测稳定性和精度的建议。     

PSO优化的高速列车轴温灰色预测模型

轴承温度预测是保障高速列车安全运行的重要手段。考虑到GM(1,1)模型建模机理存在着一定的缺陷,以及对建模数据有一定的单调性要求,对呈现较大波动的数据序列预测结果不太理想的问题。在GM(1,1)预测模型的基础上,提出了一种粒子群算法(PSO)优化的灰色预测方法。利用多项式对GM(1,1)模型进行修正,重构灰色模型的时间响应序列,再利用粒子群算法对重构模型进行求解,并据此构建了一种高速列车轴温预测模型。以高速列车实际轴温数据对模型进行验证,验证结果表明:模型相较于GM(1,1)模型的预测精度有明显的提高,其中5min预测的平均绝对误差由6℃降低到5℃,降幅为16.7%。平均相对误差由9.1%降到了7.8%,降幅为14.3%;最大绝对误差由20℃降低到18.6℃,降幅为7%。预测误差的方差由24.6降低到了20.6,降幅为16.3%,表明误差分布更加集中。     

基于灰色GM(1,1)和灰色-马尔可夫模型的轨道几何不平顺预测及应用研究

国外轨道不平顺的研究思路和方法大多是建立在对轨道动态检测数据的不同分析手段和方法上,然而由于各国检查数据的不同使得国外模型无法直接应用于国内轨道状态预测。基于昆明铁路局的实际数据,提出了灰色预测模型和灰色-马尔可夫预测模型。通过将2种模型的预测结果与一元线性回归预测结果对比分析,证明灰色预测模型不仅适用于较长区段的TQI(轨道质量指数)预测,对于更长区段的TQI预测也有比较好的效果,同时证明灰色-马尔可夫预测模型不仅能够预测随机性较强的TQI数据,也能应用于较长时间范围内的预测。