导读:本文包含了灰预测模型论文开题报告文献综述及选题提纲参考文献，主要关键词:灰色预测,滚动建模,缓冲算子,时间响应
灰预测模型论文文献综述
徐宁,公彦德,柏菊[1]（2019）在《动态灰预测模型的缓冲适应性建模方法》一文中研究指出提升对数据特征的适应能力是预测建模的关键问题之一.本文融合缓冲算子方法与灰色滚动预测模型构建适应性灰预测模型,即BARGM模型.该方法将原始序列拆分为连续的数据片段,利用缓冲算子和数据片段上的反馈信息调整变权系数.并用GM(1,1)的衍生模型对调整后的片段数据进行逐步建模和外推;缓冲适应性模型相对传统建模方法具有两个特点,即改变灰模型响应式形式的单一性、具有较强的智能化拓展能力:案例研究采用我国能源相关的温室气体排放数据进行建模测试与对比,建模结果显示拟合精度和预测精度均有明显提升,印证了缓冲适应性建模方法的有效性.(本文来源于《系统工程理论与实践》期刊2019年10期）
袁晓辉,申晓伟[2]（2018）在《灰预测模型在连续梁桥施工监控中的应用研究》一文中研究指出为保障桥梁施工线形与设计线形一致性及施工过程的安全性,采用灰色系统理论,以实际连续刚构桥梁施工过程中不同工况下的挠度及应力数值模拟结果及现场实测结果作为原始微分序列建立GM(1,1)模型,以Matlab作为计算工具编制相应的计算程序,预测悬臂施工过程中的挠度及应力变化,并以此来指导桥梁现场施工.结果表明:预测结果与现场实际测试结果较为吻合,施工过程各节段应力均在设计容许范围内,最终成桥线形与设计线形保持了较好的一致性.(本文来源于《信阳师范学院学报(自然科学版)》期刊2018年02期）
彭好义,彭福来,蒋绍坚,杨延锋,李志晴[3]（2017）在《秸秆类生物质灰软化温度的灰预测模型研究》一文中研究指出根据秸秆类生物质灰成分和灰软化温度实测数据构成的数据样本,采用灰色关联度分析法研究灰成分对灰软化温度的影响,建立灰软化温度GM(0,8)预测模型。结果表明:该预测模型预测精度较高,适用于预测秸秆类生物质灰软化温度,具有工程应用价值。(本文来源于《太阳能学报》期刊2017年12期）
田念[4]（2017）在《两类灰预测模型优化方法及适用范围研究》一文中研究指出灰色预测模型作为灰色系统的主要分支,在很多领域都取得较好的成果,并为社会的进步和发展做出了不可取代的贡献。由于灰色预测模型在建模过程中对数据的选取有相应的要求,因而模型在实际运用过程中的适用范围是有限的。本文利用直接建模思想、灰导数优化、离散化思想等方法对近非齐次GM模型和灰色Verhulst模型进行改进和优化,以突破模型的适用范围、建立更优模型。具体工作如下:(1)首先根据近非齐次GM模型解的形式,将x(1)(k)的系数归并整理后有x(1)(k)=BeAk+Ck+D的形式,再将k视为连续变量对x(1)(k)求关于k的导函数,用所求出的导函数ABeA+ C取代近非齐次GM模型的灰导数x(0)(k),并联立方程组求解A,B,C的值;其次利用目标函数(?)最小确定模型的预测系数c ;最后实例表明本文优化灰导数方法使得背景值与灰导数更接近于原函数与导函数的关系,从而实现优化模型的初衷。(2)针对近非齐次GM模型的优化问题,本文提出一种利用直接建模思想、前后差商优化灰导数、综合利用所有的n个已知数据优化初始值叁种方法相结合的新优化模型。同时证明了本文模型具有白化指数、系数重合性,并对本文模型建模效果更优的原因进行剖析。(3)基于近非齐次离散GM模型的直接建模,得到近非齐次离散形式的直接GM模型。此模型不仅提高了近非齐次指数序列建模精度,而且将适用范围拓广到近非齐次指数增减序列与线性增减序列的组合序列、抛物型增减序列等情形,并推导了待定系数的求解公式。同时证明了新模型对严格非齐次指数增减序列与线性增减序列的组合序列、严格抛物型增减序列都具有白化指数、系数重合性,从而对近似于这些类型的序列都有较高的建模精度;其次通过优化初始值,再次有效的提高模型的建模精度。(4)针对本身成“S”型过程且样本量较小的原始数据,对其倒数序列建立灰色Verhulst直接模型,此方法将灰色Verhulst模型转换为GM(1,1)模型解决相应的问题。文中两次利用最小二乘法优化模型参数,起到再次优化的作用;同时证明了在直接建模基础上优化模型的背景值和参数使得模型更符合原始数据发展规律。(本文来源于《西华师范大学》期刊2017-04-01）
黄亨奋,吕庆华[5]（2017）在《中国体育用品上市公司成长性预测研究——基于灰预测模型》一文中研究指出采用文献资料、数理统计等方法,基于2009—2013年的数据及灰预测模型,对中国19家体育用品上市公司的成长性进行预测,并分析其发展趋势。结果表明:趋于上升型的体育用品上市公司有如富贵鸟、喜得狼等;趋于下滑型的体育用品上市公司有中国动向、喜得龙等;保持稳定的体育用品上市公司有宝胜国际和安踏体育。总体而言,宝胜国际和安踏体育始终占据前2的位置,而探路者、中体产业、泰亚股份则始终处于末位,富贵鸟和喜得狼则上升势头迅猛。同时,研究提醒体育上市公司要注意成长资源和成长能力两者的均衡发展,避免出现资源缺失引起的成长障碍。(本文来源于《体育科学研究》期刊2017年02期）
曾柯方[6]（2015）在《几种灰预测模型的参数辨识与优化方法研究》一文中研究指出灰色系统理论诞生于20世纪80年代,由中国学者邓聚龙教授创立。它主要研究的是“小样本、贫信息”不确定性问题,并通过对“部分”已知信息的挖掘,开发提取有价值的信息。在实际生产生活中贫信息不确定性问题的普遍存在决定了这一新理论具有十分广阔的发展前景。灰色不确定性预测是现代预测的一个重要领域,并成功应用于其它众多领域之中。灰色GM预测模型是灰色系统理论的主要内容之一,一般指GM(1,1)模型及其扩展形式,主要包括GM(1,1)模型、DGM(1,1)模型和灰色Verhulst模型等。目前,虽然灰色GM预测模型已广泛应用于社会、经济、科技、工农业等众多领域,但是其理论体系仍不够完善。为此,许多研究灰理论的专家学者从不同的方面提出了不同的新方法进一步优化和改进现有灰色GM预测模型的缺陷,以提高模型的预测精度并拓广模型的适用范围。灰色GM预测模型的模拟和预测精度取决于模型中的参数,因此大多数优化方法的核心目标都是为了确定更加理想的参数,从而实现提高模型的模拟和预测精度的最终目的。针对灰色GM模型及GM直接建模模型的参数匹配和求解问题,在已有的理论和方法的基础上,本文做了如下五个方面的工作:(1)对于灰色GM(1,1)模型的适用范围是近指数的情况下,首先直接经由两种近似估计公比的方法确定发展系数a,接着将时间响应序列中的响应系数c待定,还原得出原始序列的模拟公式,再利用四种不同的目标函数以确定预测系数c,并且经由组合得到八种预测模型,同时加入原始模型和其它已经存在的四种优化模型,总共十叁种预测模型,同时进行模拟的比较。经由实例的计算,发现在十叁个模型之中,从平均相对误差角度出发,由原始序列级比的算术平均确定发展系数a及预测系数c之模型为最佳的方式,此一结果可以作为往后在预测上的参考。(2)针对GM(1,1)模型的近指数特性,提出了将优化灰导数与利用原始序列模拟的平均相对误差最小估计预测系数c相结合的方法,从而得到一种简化计算的新GM(1,1)优化模型,该模型的预测公式()()akcekx-=0?形式上比较简洁,并且经严格指数序列从理论上验证了参数a具有白化指数律重合性,预测系数c具有白化系数重合性。(3)针对非齐次指数形式的非等间距序列,提出了非等间距GM(1,1)直接建模模型,并在此基础上将同时优化背景值和灰导数与利用平均相对误差最小确定响应系数的方法相结合,建立了新的非等间距GM(1,1)直接建模模型。并通过实例分析说明了优化的新模型的可行性和有效性。(4)通过分析传统灰色Verhulst模型利用倒数变换求解白化方程发现了灰色微分方程与白化方程不匹配而导致误差的根源,提出了直接对原始序列的一次累加序列作倒数变换后建立与倒数替换后的白化方程相匹配的灰色微分方程来估计参数a和b,并在此基础上将优化灰导数以改造灰色方程与利用平均相对误差最小为指标确定响应系数的方法相结合对模型进行了优化。结果表明,该优化模型对其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性。(5)针对本身已经具有饱和状态过程且近似满足Logistic函数形式的原始序列,提出通过对其进行倒数生成,建立灰色Verhulst直接建模模型,并在此基础上将同时优化背景值和灰导数与利用平均相对误差最小确定响应系数的方法相结合,从而建立了优化的无偏灰色Verhulst直接建模模型。结果表明,该模型对满足Logistic函数形式的曲线进行模拟和预测具有完全重合性。(本文来源于《西华师范大学》期刊2015-04-01）
汤怀兵,陈继光,崔永昌,赵惠娟,孙钦娜[7]（2015）在《基于灰预测模型的大体积混凝土温升过程模拟》一文中研究指出大体积混凝土施工过程中,为了避免水化热产生的温度应力导致出现温度裂缝,施工必须预测和控制大体积混凝土的温度形成。探讨将DGM(1,1)灰色预测系统的灰数预测的概念应用于大体积混凝土施工过程温升模拟,建立灰数预测计算模型,完成施工过程温升预测。通过案例预测结果表明,该模型预测精度较高,实现了对大体积混凝土温升过程的准确预测。(本文来源于《山东英才学院学报》期刊2015年01期）
徐宁,党耀国[8]（2014）在《基于趋势修正的灰预测模型优化研究》一文中研究指出针对序列增长趋势不完全满足准指数规律时的灰色预测建模问题,提出基于GM(1,1)模型与序列增长趋势之间偏差修正的建模方法,将GM(1,1)模型还原式中的常数项作为灰变量处理,加入调整系数以缩小拟合值与实际值之间的增长趋势差异,利用灰色离散模型拟合调整系数的变化过程,将得到的调整系数拟合值带入原时间响应函数,进而得到趋势修正的原始序列拟合值;运用新的建模方法对南京市第叁产业用电量进行拟合和预测,证明了方法有效提升了GM(1,1)建模精度,并且拟合序列和实际序列的灰色绝对关联度得到提高.(本文来源于《数学的实践与认识》期刊2014年22期）
谭巍,禤炜安[9]（2014）在《沥青混合料车辙深度影响因素分析及GM(1,1)灰预测模型》一文中研究指出为了研究不同因素对路面车辙深度的影响程度,采用3因素3水平的正交试验法测试不同荷载、温度、速度条件下的车辙深度,分别以极差分析法和方差分析法对试验数据进行分析,其结论一致表明各因素对车辙深度的影响程度排序为:荷载>速度>温度。建立沥青路面车辙深度GM(1,1)灰预测模型,进行预测值与实测值的误差分析,表明利用灰理论建立的GM(1,1)模型具有较高的预测精度,能够对不同使用时间的路面车辙深度进行预测,为路面行车管理和养护维修工作提供理论依据。(本文来源于《公路工程》期刊2014年05期）
张有林,牟峰,黎青松,张谧[10]（2013）在《港口货物吞吐量的序列灰预测模型与系统灰预测模型比较分析研究》一文中研究指出针对港口货物吞吐量易受其所属港群系统因素的刺激,使其在短期内产生较大扰动而影响预测模型拟合精度的问题,将相邻各港口所形成的港群作为系统整体,将港群货物吞吐总量作为初始输入,建立港群内各港口货物吞吐量的系统灰预测模型,同时建立各港口货物吞吐量的序列灰预测模型,以比较两种方式下所得模型的模型拟合效果。最后,以泸-宜-乐港群为例进行建模和分析,结果表明系统灰预测模型的拟合精度明显高于分别对各港口建立的序列灰预测模型。(本文来源于《中国水运(下半月)》期刊2013年12期）
灰预测模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为保障桥梁施工线形与设计线形一致性及施工过程的安全性,采用灰色系统理论,以实际连续刚构桥梁施工过程中不同工况下的挠度及应力数值模拟结果及现场实测结果作为原始微分序列建立GM(1,1)模型,以Matlab作为计算工具编制相应的计算程序,预测悬臂施工过程中的挠度及应力变化,并以此来指导桥梁现场施工.结果表明:预测结果与现场实际测试结果较为吻合,施工过程各节段应力均在设计容许范围内,最终成桥线形与设计线形保持了较好的一致性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
灰预测模型论文参考文献
[1].徐宁,公彦德,柏菊.动态灰预测模型的缓冲适应性建模方法[J].系统工程理论与实践.2019
[2].袁晓辉,申晓伟.灰预测模型在连续梁桥施工监控中的应用研究[J].信阳师范学院学报(自然科学版).2018
[3].彭好义,彭福来,蒋绍坚,杨延锋,李志晴.秸秆类生物质灰软化温度的灰预测模型研究[J].太阳能学报.2017
[4].田念.两类灰预测模型优化方法及适用范围研究[D].西华师范大学.2017
[5].黄亨奋,吕庆华.中国体育用品上市公司成长性预测研究——基于灰预测模型[J].体育科学研究.2017
[6].曾柯方.几种灰预测模型的参数辨识与优化方法研究[D].西华师范大学.2015
[7].汤怀兵,陈继光,崔永昌,赵惠娟,孙钦娜.基于灰预测模型的大体积混凝土温升过程模拟[J].山东英才学院学报.2015
[8].徐宁,党耀国.基于趋势修正的灰预测模型优化研究[J].数学的实践与认识.2014
[9].谭巍,禤炜安.沥青混合料车辙深度影响因素分析及GM(1,1)灰预测模型[J].公路工程.2014
[10].张有林,牟峰,黎青松,张谧.港口货物吞吐量的序列灰预测模型与系统灰预测模型比较分析研究[J].中国水运(下半月).2013