利用改进的灰色模型预测港口集装箱吞吐量

本文介绍了灰色模型GM(1,1)及改进灰色模型(背景值优化),同时对残差校正进行优化,并用实例证明在港口吞吐量预测方面,改进灰色模型比原始灰色模型误差更小,精度更高。     

灰色系统模型在内河港口吞吐量预测中的应用

根据淮南港吞吐量实际调查资料,选择灰色系统理论对其进行吞吐预测研究,结果表明,对不同的预测时期应采用不同的灰色系统预测模型。对于短期预测,采用GM(1,1)模型与Verhulst模型的组合模型;对于长期预测,采用Verhulst模型并用GM(1,1)模型对其残差进行修正。实例验证以上两种模型是可行性的。     

灰色系统模型在水路客运量预测中的应用

利用我国1999～2004年水路客运量数据建立灰色系统GM(1,1)模型并通过残差修正该模型,运用修正后的模型对我国2005年、2006年的水路客运量进行预测。结果表明,灰色系统模型能有效地对水路客运量进行短期预测,且精度较高。     

基于灰色预测模型的长三角水运量预测

通过对长三角地区水运货运量的分析和研究,应用灰色系统中的GM(1,1)模型及其残差周期修正方法,建立了经残差修正后的预测模型,通过运行预测模型并与原历史数据进行比较,确认预测模型准确度较高;最后以此预测模型对长三角地区2012—2019年的水运货运量进行了预测。     

基于残差修正灰色系统理论的交通量预测

通过对灰色系统GM(1,1)模型的残差修正,建立了水运量的预测模型,经误差和关联检验表明,预测精度良好,通过2003-2005年的实际水运量来验证模型,发现相对误差较小,说明预测结果合理可信,灰色预测方法可应用于水运量预测领域。     

灰色预测的拓扑选择在运量预测中的运用

运用灰色系统理论及GM模型拓朴选择,建立了相应的GM(1,1)模型,运用于运量预测,并以港口吞吐量与货物周转量的预测为例进行校验。结果表明,新息GM(1,1)模型,新陈代谢GM(1,1)模型与原始模型(全数据GM(1,1)模型)三者比较,新陈代谢GM(1,1)模型的精度最高,值得推荐在运量预测中采用。     

基于改进三参数灰色模型的海上交通事故预测

针对基于非齐次指数离散函数的灰色模型NHGM(1,1,k)在海上交通事故预测中存在的不足,提出一种优化背景值和残差综合修正的三参数灰色预测模型INHGM(1,1,λ,k),并通过改进的自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)算法对模型中的初始值和背景值进行优化计算。将INHGM(1,1,λ,k)模型和NGHM(1,1,k)模型与传统GM(1,1)模型应用于我国海上船舶交通事故的模拟与预测,并对模拟与预测数据的精度进行比较。结果表明:INHGM(1,1,λ,k)模型模拟和预测的平均相对误差较NGHM(1,1,k)模型更小,与传统的GM(1,1)模型相比预测精度较高,减少原模型由于参数近似替代所导致的模拟误差,在误差允许的范围内,可为船舶交通事故的预测和控制提供新的理论依据。     

基于优化GM(1,1)模型的港口吞吐量预测

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和具有自适应背景值的GM(1,1)优化模型。通过原始序列建立具有自适应背景值的GM(1,1)模型以描述总体趋势,利用正弦和描述残差中包含的周期性振荡规律,建立优化的GM(1,1)模型。利用该模型对广州港港口吞吐量数据进行模拟与预测,结果表明:基于优化的GM(1,1)模型,能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,模拟和预测精度都显著优于传统GM(1,1)模型,可将该模型用于具有振荡性质的吞吐量预测。     

海滨吹填区软土地基固结沉降的预测研究

运用灰色理论建立地基沉降的非等时距的等维新息预测模型。采用胶州湾底海岸吹填区的地面沉降监测数据对预测模型进行检验,并与普通GM(1,1)模型的模拟结果进行比较,该模型的预测精度和计算精度均高于普通GM(1,1)模型,预测数据与实测数据的误差较小。本研究成果对类似的吹填区软土地基沉降监测具有一定参考价值。     

神经网络在单桩承载力预测中的应用

运用基于BP神经网络的组合预测模型对PHC桩的极限承载力进行预测。分别利用灰色GM(1,1)模型和BP神经网络对桩在荷载作用下的沉降进行估算,然后利用人工神经网络中的BP网络对所得的结果进行组合预测;最后利用Lagrange算法计算桩的极限承载力。计算实例表明,使用该组合预测方法所得的预测结果比单纯使用灰色GM(1,1)模型或神经网络模型所得结果的总体误差要小,因而该方法是可行的、有效的。     

利用改进的GM（1,1,λ）模型预测舰艇批量生产成本

在分析GM（1,1,λ）模型的建模机理的基础上,指出传统建模方法存在的不足,基于GM（1,1,λ）模型的还原数据模型与原始序列的第一点无关,提出一种可以完全利用全部已知信息的建模方法。同时给出基于遗传算法的GM（1,1,λ）优化模型,优化模型提高了灰色预测的精度。探讨了应用灰色理论建立舰艇批量生产成本预测模型的可行性,并给出了应用实例。     

GM(1,1)模型在某滑坡中的应用

滑坡地质灾害的控制及影响因素往往是随机的变量,具有相当的模糊性和灰色不确定性。本文构造了滑坡时间预测(短期预测)的灰色GM(1,1)模型。通过对某一滑坡实例的监测资料分析研究,并且对观测数据进行灰色处理,运用GM(1,1)模型进行滑坡时间预测能取得较为满意的结果。     

基于灰色系统理论确定试桩极限承载力的方法

在试桩未达到破坏荷载时,正确预测确定基桩极限承载力具有重要的工程意义。根据灰色系统理论,利用GM(1,1)模型建立桩的荷载——沉降关系方程,进而建立推定预测基桩极限承载力的理论方法,对单桩极限承载力进行预测。计算表明:建立在灰色理论基础上预测基桩极限承载力的方法具有较高的准确性。     

广州港集装箱吞吐量GM(1,1）预测模型研究

文章将广州港2007～2017年集装箱吞吐量作为模型的原始离散序列,用原始离散序列计算一次累加序列;再使用最小二乘法计算预测模型一阶灰色微分方程的待辨识参数,进而计算广州港2007～2021年集装箱吞吐量一次累加序列的估计值;对一次累加序列的估计值进行累减,得到广州港2007～2021年集装箱吞吐量的估计值。对建立的GM(1,1)预测模型进行检验,检验结果表明建立的GM(1,1)预测模型精度较高,预测结果较为准确。     

边坡变形时间序列预报的修正DMG模型

边坡系统的复杂性使得部分位移监测序列呈现出非线性分布特征,GM(1,1)模型、Verhulst模型有时不能解决上述时间位移序列的模拟问题,而DMG模型适合解决具有摆动发展趋势的序列问题,此时可以考虑采用DMG模型。边坡变形监测时间序列一般为非等时距序列,可采用Lagrange线性插值法进行等时距化处理。建立了DMG模型,通过联合使用残差修正模型的方法,使模拟的结果达到较高的精度。运用DMG、GM(1,1)和Verhulst模型对某高速公路边坡变形序列进行了模拟,通过对比分析验证了这种模型在边坡变形模拟预报方面应用的可行性。     

灰色马尔科夫组合模型对结构剩余寿命预测的研究

灰色马尔科夫组合模型是将灰色GM（1,1）模型与马尔科夫链有机地结合起来,利用各自优点并充分考虑大型结构整体变化趋势和局部波动的情况。通过对某桥梁结构的损伤系数进行预测分析并与GM（1,1）预测结果进行对比,该方法解决了GM（1,1）模型对波动性较大数据拟合较差,预测精度较低的缺陷。     

改进非线性灰色模型在古巴港吞吐量预测中的应用

通过数学处理,从建模机理上对线性的灰色模型G(1,1)进行改进,减小由于建模方法上的缺陷所造成的固有误差。将改进后的非线性灰色预测模型G(1,1,α,ρ)用于古巴港吞吐量预测。通过残差、关联度检验,发现改进后的非线性灰色模型较传统模型灵活度大,预测精度高,实用性强。预测结果可为古巴港及国内外相似港口的发展规划提供依据。     

基于灰色理论预测复合水泥砂浆的损伤度

基于灰色理论,建立CF0组在冻融循环作用下复合水泥砂浆的损伤度GM(1,1)模型,得出模拟损伤度.根据Lemaitre应变等价原理,得到实际情况下复合水泥砂浆的损伤度.将试验损伤度和模拟损伤度进行拟合,计算出各种循环作用的拟合优度.通过计算分析表明:各组试验值与模拟值的拟合优度均大于0.94,拟合度极好,可以用作试验数据的回归;另外,通过GM(1,1)模型对试验数据进行曲线拟合得到良好的拟合度,这样可以减少试验次数和周期以及修正不合理数据。     

灰色系统理论在连续刚构梁桥施工中的应用分析

以运宝黄河大桥副桥为工程背景,基于预测控制理论的基本算法及原理利用灰色系统形成误差理论,建立了GM(1,1)、GM(2,1)模型。探讨了灰色系统理论在连续刚构桥施工中的应用的可行性与有效性。     

舰船方位变化规律的灰预测方法研究

对方位序列进行预测对于潜艇作战具有重要的实际意义。应用灰色系统理论，以GM（1，1）模型，残差修正的GM（1，1），等维灰数递补残差修正GM（1，1）模型对目标序列进行预测，可有效克服目标方位序列的非线性和非稳定性，在信息较少的情况下达到精度较高的回归和预测效果。通过实例计算表明，上述计算可快速提供精度较高的较长时间间隔的目标方位，为潜艇作战提供有利信息。