灰色模型在中长期用水量预测中的应用

为实现供水管网经济、可靠、科学的规划改扩建,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法。该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程。通过对灰色预测方法建模机理的研究建立城市用水量预测GM(1,1)模型,并以东北某大型城市用水量为原始数据进行实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测。该预测方法应用于S市的中长期用水量预测,为S市供水规划改扩建提供有效依据。     

基于灰色残差新陈代谢模型的悬臂施工主梁标高误差预测

以PC斜拉桥施工节段主梁悬臂端标高误差为研究对象,利用灰色残差新陈代谢模型GM(1,1)对其进行分析预测,探讨了原始误差序列的数据取舍、应用条件和预测效果.结果表明,在分施工节段的前提下,该模型能进一步弱化偶然误差,预测下阶段误差的近似值,具有工程实际应用价值,同时对如何提高预测精度和适用范围做了相关研究.     

高速公路隧道洞口段仰坡沉降变形监测分析与预测

通过对非等步长序列数据的处理,运用传统等步长GM（1,1）模型的建模原理,建立非等步长序列的GM（1,1）模型,对高速公路隧道洞口段仰坡沉降变形进行预测和模拟。结果表明,该模型预测精度高,预测结果可靠。与传统模型相比,该方法更适用于实际监测,更具有实用价值,进一步推广了灰色系统理论在工程中的应用。     

基于灰色遗传支持向量机的短时交通流预测

为了进一步提高短时交通流预测的精确度,通过分析灰色模型、遗传算法和支持向量机模型的特点,提出一种组合的短时交通流预测模型.模型运用灰色模型对原始交通流数据序列进行累加,弱化其随机性,再通过遗传优化支持向量机模型进行预测,利用灰色模型将预测结果进行累减,得到最终的预测值表.以长春市某主干路交通流数据为基础,验证了该模型的有效性和可行性.     

灰色预测模型在一级公路软土路基施工期沉降预测中的应用

以湛江大道一级公路软土路基施工期间150 d的沉降监测数据为基础,建立了灰色预测模型,预测软土路基未来30 d内的累计沉降量,并提出了一种在施工过程中对灰色预测模型进行滚动建模的方法.结果表明:以灰色预测模型GM(1,1)对软土路基长达150 d的沉降数据进行拟合,小误差概率P<0.95,后验差比值C<0.35,模型精...     

无偏灰色模型在东营港船舶交通流量预测中的应用

为提高东营港船舶交通流量预测精度,弥补灰色模型预测方法的不足,基于灰色系统理论,构建灰色模型,该模型在对指数序列进行拟合及参数选取时存在误差,为对模型进行优化,构建无偏灰色模型.采用Matlab编写相关程序辅助求解该模型,将所建模型对东营港船舶交通流量进行预测,并对预测结果与历史数据进行误差比较.结果表明:无偏灰色模型预测精度为97. 91%,拟合效果较好,验证了该模型的科学性与可行性.     

蜂窝芯复杂曲面五轴联动数控加工几何误差建模及补偿技术

以蜂窝芯加工专用的六轴桥式龙门超声切削加工机床为研究对象,基于多体系统理论和齐次坐标变换,建立数控机床空间误差模型,根据机床结构和各零部件间的相对位置关系,对机床的各项几何误差进行建模分析,建立各零部件的子误差矩阵及整体误差变换矩阵,并对蜂窝芯复杂曲面指定加工位置的几何误差进行了求解.最后采用NC代码补偿法对机床几何误差进行补偿,通过比较补偿前后的误差值证明补偿后可大幅度减小误差,满足零件加工需求,同时此项补偿技术对后续其他类型误差的研究和补偿有很好的借鉴意义.     

基于灰色马尔科夫链模型的交通量预测

交通量是一个不平稳的时间序列,在不确定性条件和缺乏数据资料的情况下,交通量的预测是一个较复杂的问题。灰色马尔科夫链模型是一种结合经典灰色理论和马尔科夫链的状态转移行为的预测模型。该模型在灰色预测理论的基础上,再对随机波动大的残差序列进行马尔科夫预测,实现了两者的优势互补,克服了两者的不足。以太原市漪汾桥断面的交通量的数据在传统灰色GM(1,1)预测模型的基础上建立交通量的灰色马尔科夫链模型,研究表明,该模型在交通量的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

基于灰理论的时滞经济预测模型及应用

针对经济预测中具有时滞性样本数据序列的预测建模问题,在对GM(1,1)模型拟合残差分析的基础上,结合AR模型及残差自回归模型建立了新的时滞GM(1,1)模型,并给出了该模型一种基于最小二乘的求解算法.最后通过对我国GDP指数进行预测,给出了经济预测中建模的一个应用实例,取得了较为满意的效果.     

基于改进GM（1,1）的长江干线水位预测方法研究

针对长江干线水位预测建模复杂、数据不全的问题,利用长江干线真实历史水位观测数据,基于灰色系统GM（1,1）模型,研究贫数据下长江干线水位预测.根据灰色系统中数据越近越有价值跟拟合曲线为指数曲线的特点,通过重新构造生成序列和重新定义初始边界条件对GM（1,1）模型进行优化并对最终结果进行分析,得出优化后的模型能更准确的预测水位的结论.     

基于协整理论的短时交通流组合预测研究

交通流短时预测是智能交通系统中的一个重点问题,预测效果的好坏直接关系到控制和诱导的结果,是实现先进交通管理信息系统的关键技术之一. 本文简要介绍了协整和误差修正模型的概念,利用序列的协整性来进行交通流组合预测模型的有效性验证,并利用误差修正模型提高组合预测模型的稳定性. 我们利用北京市二环路上采集到的交通流数据进行了模型的验证. 研究结果表明,基于协整理论的交通流组合预测模型可以取得很好的预测效果.     

工程陶瓷临界抗热震温差评价模型

针对当前工程陶瓷抗热震理论无法定量分析材料热震性能的不足,在传统热震理论和已有研究的基础上,提出了一种新型研究工程陶瓷抗热震性能的理论模型.该模型可通过材料的力学、热学参数计算其临界抗热震温差,并首次讨论了断裂韧性对材料热震性能的影响.借助该模型不仅可定性判断材料热震性能的优劣,而且可半定量地评价其临界抗热震温差的大小.对几种具有不同特征（致密、多孔）、不同结构（块体、层状）的陶瓷系列进行热震评估实验,结果证明,计算值与实验值较为吻合,平均误差率约为5%.      

基于乘积ARIMA模型的城市轨道交通进出站客流量预测

基于城市轨道交通自动售检票（Automatic Fare Collection,AFC）系统采集的进出站客流的历史数据,构建乘积差分自回归移动平均（Auto-Regressive Integrated Moving Average,ARIMA）模型,实现对进出站客流量的精确预测.通过自相关和偏自相关函数进行数据的平稳性和周期性分析,消除趋势性和周期性特征影响;考虑到处理后数据的周期性和短期相关性之间的乘积关系,构建乘积ARIMA进出站客流预测模型,并以广州地铁各车站进出站客流量数据为例进行了模型的参数标定.模型预测值与实际值的对比分析显示该模型的平均绝对百分误差保持在5％以内,表明该模型具有很高的预测精度和良好的适用性.     

基于灰色残差GM（1，1）模型的道路交通量预测的研究

道路交通体系是一个多因素、多层次、多目标的复杂系统。其中交通量信息系统具有明显的层次复杂性,结构关系的模糊性,动态变化的随机性,指标数据的不完全和不确定性。由于技术方法、人为因素、自然环境变化的影响,造成各种数据误差、短缺甚至虚假现象,系统的作用机制不明确,系统的状态、结构、边界关系难以精确描述,属于典型的灰色系统。在作量化、模型化、实体化研究时,能作为反映系统主要动态特征的数据是很少的。由于环境对系统的干扰,系统信息中原始数据序列往往呈现离乱情况,离乱数列即为灰色数列或称灰色过程,灰色理论利用那些较少的或不确切的表示系统行为特征的原始数据序列作生成变换后建立微分方程,对灰色过程建立的模型称为灰色模型（Greymodel）,简称GM模型。本文从理论上介绍了GM（1,1）模型和灰色残差GM（1,1）模型建立的一般过程,然后将其应用于交通量预测的实际例子中。预测结果表明,该方法是可行的。     

�����ƽ˳ʱ�����й����ȼ���仯�����о�

轨道几何形状检测数据是一个随时间变化具有随机特征的时间序列,反映轨道几何状态的变化.在本文中,灰色关联度理论用于研究轨道水平不平顺时间序列数据,挖掘时间序列数据之间隐含的关系;经过普遍适应性改进和残差修正改进的灰色GM（1,1）模型预测固定测点轨道不平顺长期状态变化趋势,随机线性AR和卡尔曼滤波模型分析单元区段轨道不平顺短期变化趋势,探索轨道状态变化随机数据序列中隐藏的规律并进行预测.短期和长期预测模型验证结果表明,三种模型是有效的,能够达到预期的精度.     

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

基于猎人猎物优化与双向长短时记忆组合模型的汽车出车率预测

汽车出车率预测对于交通管理者预先制定精准化管控方案、实施协调化统筹调度，以及调控汽车保有量规模具有重要意义。为此，本文提出一种基于猎人猎物优化算法与双向长短时记忆神经网络组合模型(HPO-BiLSTM)的汽车出车率预测方法。首先，分析汽车出车率的关键影响因素，提取出17个特征影响因子，结合标准化处理后的重构时间序列，基于随机森林算法进行变量的重要度评估，筛选出最优特征集合作为预测模型输入；其次，为解决神经网络算法容易陷入局部极值的难题，建立一种融合猎人猎物优化算法(HPO)与双向长短时记忆神经网络(BiLSTM)的组合预测模型，利用HPO的探索-开发机制，实现BiLSTM框架的动态化搭建与精细化调参；最后，结合北京市中心城区的汽车出车率数据集进行模型性能的测试与检验。结果表明：与自回归差分移动平均模型、灰色模型、卷积神经网络模型、长短时记忆神经网络模型以及双向长短时记忆神经网络模型等经典算法相比，HPO-BiLSTM模型在汽车出车率预测中的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低了23.85%～54.38%、20.67%～57.40%、27...     

磁流变半主动座椅悬架建模及振动特性分析

磁流变阻尼器力学模型及控制电流逆模型对半主动控制系统的控制精度具有重要影响.采用正弦及余弦型魔术公式，基于骨架曲线与滞回分离的建模方法，建立改进的磁流变阻尼器动态阻尼力模型；采用基于Sobol序列的差分-禁忌混合优化算法对阻尼力模型进行参数识别，构建包含激励特性及控制电流参数的通用数学模型；在试验测试及正向模型基础上，利用自适应神经模糊系统建立阻尼器控制电流逆模型.研究结果表明：本文建立的正逆模型均能够有效表征磁流变阻尼器的非线性行为及滞回特性；改进魔术公式模型在不同激励特性及电流工况下的平均百分比误差在3.4%附近变化；逆向动力学模型计算的控制电流误差均方根值为0.086 9～0.1171 A；经过控制电流逆模型与阻尼器正向模型串联模型计算的预测阻尼力误差均方根值为阻尼器最大阻尼力的5.6%；通过试验测试与仿真结果对比，验证了本文提出的阻尼器数学模型具有较好的精度和适用性，能够改善座椅悬架系统振动传递特性.     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.