您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 研究论文-基于复合辛普森公式的GM(1,1)模型背景值的优化.pdf

  2. 背景值是导致GM(1,1)模型产生系统误差的主要原因之一,为提高模型的模拟效果和预测精度,根据灰色系统理论建模机理以及数据累加生成具有非齐次灰指数规律,构建灰色系统模型。基于GM(1,1)模型背景值的几何意义,结合复合辛普森求积公式和动态序列模型,提出一种新的GM(1,1)模型背景值优化方法。实例表明,基于复合辛普森公式的背景值优化算法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性。
  3. 所属分类:其它

    • 发布日期:2019-08-07
    • 文件大小:354304
    • 提供者:weixin_39840387
  1. 优化背景值的GM(1,1)

  2. 为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.
  3. 所属分类:其它

    • 发布日期:2020-05-18
    • 文件大小:223232
    • 提供者:weixin_38724333
  1. 优化背景值的GM(1,1)模型组合改进

  2. 针对提高模型的拟合效果.在GM(1,1)模型基础上,提出改进方案生成紧邻生成序列.利用组合预测思想,结合BP神经网络预测算法对改进后的灰色模型做进一步的优化修正,同时引用新陈代谢灰色模型理论成为BP-GM(1,1)等维新息模型.该模型充分利用了两种预测方法的优势,适当的减小了单个模型预测时的误差.数据拟合结果表明:BP-GM(1,1)模型具有更好的拟合精度,该模型应用范围更广.
  3. 所属分类:其它

    • 发布日期:2020-05-15
    • 文件大小:155648
    • 提供者:weixin_38667835
  1. 改进灰色GM(1,m)模型在变压器故障预测中的应用

  2. 针对灰色模型在预测变压器故障时对波动数据序列的预测误差较大的问题,提出了一种灰色GM(1,m)预测模型改进方案:对原始数据序列进行处理,使其具有更好的指数规律,以满足预测模型对光滑性的要求;对处理过的原始数据序列进行灰关联度分析,以得到各变量之间的关系;优化预测模型的背景值并用其建模;采用等维新息模型预测数据。采用改进的灰色GM(1,m)模型预测某变压器油中7种特征气体的体积分数,所得预测数据的平均残差和后验相对误差均小于GM(1,1)模型和传统GM(1,m)的预测结果,表明其具有更好的预测精确
  3. 所属分类:其它

    • 发布日期:2020-05-13
    • 文件大小:226304
    • 提供者:weixin_38748580
  1. 修正的动态GM(1,1)在建筑物变形预测中的应用

  2. 文中针对传统GM(1,1)模型在预测过程中易受到随机扰动的影响导致预测精度低、残值大的问题,提出一种同时优化原始序列和背景值的动态GM(1,1)模型。首先采用卡尔曼滤波对原始序列进行降噪,消除建模过程中因原始序列引起的扰动误差;其次采用复化辛普森公式对建模过程中的背景值进行修正,建立同时优化原始序列和背景值的GM(1,1)模型;第三对优化后的模型实时引入最新的监测数据,剔除最旧的数据,建立修正的动态GM(1,1)模型。以某建筑物监测数据为例进行计算分析,结果表明:同时优化原始序列和背景值的动态G
  3. 所属分类:其它

    • 发布日期:2020-05-04
    • 文件大小:549888
    • 提供者:weixin_38690017
  1. 改进灰色模型GM(1,1)在高层建筑施工变形监测中的应用

  2. 文中综合分析了灰色GM(1,1)模型在建筑工程领域中存在的问题,从原始序列、初始值、背景值等方面对其进行优化,建立了改进的灰色模型以对高层建筑施工变形监测进行预测。结果表明,改进后模型的预测结果与实测结果拟合得效果很好,较之原GM(1,1)模型预测精度要高。
  3. 所属分类:其它

    • 发布日期:2020-05-03
    • 文件大小:716800
    • 提供者:weixin_38586118
  1. 基于复化Simpson公式优化背景值的GM(1,1)模型及应用

  2. 文中针对传统GM(1,1)模型背景值求解存在误差,模型预测精度低的问题,通过分析误差来源,根据已有复化Simpson公式优化背景值的方法,利用积分函数分区间积分求解逼近的思想,构建动态序列预测模型,并结合实例分析进一步验证了该方法的有效性,能够减弱背景值影响误差,提高模型的拟合预测精度,对工程实际应用具有适用性。
  3. 所属分类:其它

    • 发布日期:2020-04-29
    • 文件大小:498688
    • 提供者:weixin_38694023
  1. 基于插值的非等间距GM(1,1)建模方法

  2. 非等间距GM(1,1)模型因其对非等间距观测数据的处理能力,在变形观测的预测方面发挥着越来越重要的作用。为了更加准确地进行变形预测,提高其实用性,对非等间距GM(1,1)模型进行改进。首先分析不同插值方法对非等间距序列的适应性,选取合适的插值方式。通过插值将非等间距序列构造成等间距序列,建立插值优化背景值和不对背景值进行优化两种模型。对该等间距序列进行预测,最后再进行一次插值还原为原始非等间距序列的预测值。将预测的结果与其他方法进行比较,验证了改进的模型预测精度明显提高。
  3. 所属分类:其它

    • 发布日期:2020-04-29
    • 文件大小:918528
    • 提供者:weixin_38536841
  1. 区域产业网络结构演化的动因分析-基于灰色投入产出预测模型

  2. 区域产业网络结构演化的动因分析-基于灰色投入产出预测模型,王斌,王文平,本文基于背景值优化GM(1,1)模型构建灰色投入产出预测模型,并以预测得到的投入产出数据为基础构建区域产业网络,分析区域产业网络�
  3. 所属分类:其它

    • 发布日期:2020-02-24
    • 文件大小:957440
    • 提供者:weixin_38684806
  1. 基于优化GM(1,1)在基坑变形预测中的应用研究

  2. 传统GM(1,1)模型以数据序列背景值边界均值预测基坑沉降变形,精度低、残值大。基于灰色理论应用对数法与二次插值法分别对传统模型进行改进与优化,结合基坑沉降变形监测数据,采用三种模型分别预测对比分析,研究结果表明:改进的两种预测模型精度优于传统模型;预测值与监测值在基坑沉降变形趋势一致。
  3. 所属分类:其它

    • 发布日期:2020-06-14
    • 文件大小:394240
    • 提供者:weixin_38732463
  1. 基坑变形预测的灰色二次优化模型

  2. 为了提高GM(1,1)模型在基坑变形分析中的预测精度,采用三种方法对背景值改进的GM(1,1)模型进行优化,包括:对初始值添加修正项,使其符合最小二乘法的思想;对时间响应式参数添加修正项,解决近似指数序列下改进GM(1,1)模型的背景值实用性问题;对基坑变形数据进行直接建模,使其适应于基坑变形的发展。建立了基坑变形预测的二次优化GM(1,1)模型,将该模型应用于基坑变形预测实例中,结果显示再次优化后的模型具有较高的预测精度,具有较好的工程应用价值。
  3. 所属分类:其它

    • 发布日期:2020-06-27
    • 文件大小:869376
    • 提供者:weixin_38752074
  1. 基于误差最小化的GM(1,1) 模型背景值优化方法

  2. 背景值是导致GM(1,1) 模型产生系统误差的主要原因之一. 对此, 提出一种优化的GM(1,1) 模型构建方法. 首先, 根据GM(1,1) 模型时间响应式的函数形式, 利用积分中值定理拟合真实背景值, 研究发展系数与背景值之间的 关系; 然后, 构建新的灰色微分方程, 采用最小二乘法进行参数估计, 并利用方程组还原原始参数, 使背景值同时具备无偏性和最小误差性; 最后, 通过具体案例验证了所提出的优化模型能够突破高增长建模的局限, 对实际问题的建模精度较高.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:166912
    • 提供者:weixin_38741950
  1. 基于虚拟变量控制的GM(1,N)模型构建及其应用

  2. 现实中系统行为特征序列常受到虚拟变量的影响,而此时传统GM(1,N)模型不能准确地描述系统特征的变化规律.将虚拟变量引入传统GM(1,N)模型的灰作用量,构建虚拟变量控制的GM(1,N)模型,讨论新模型的参数求解方法;鉴于背景值对模型精度有着重要影响,利用粒子群优化算法对含有插值系数的背景值进行优化求解;从两个角度提出虚拟变量有效性检验方法.最后,通过河南省农民人均收入预测案例表明,新模型能够准确描述虚拟变量影响下系统特征序列的未来变化趋势.
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:223232
    • 提供者:weixin_38587005