灰色预测GM(1,1)模型及其改进与应用

介绍了灰色预测的基本原理和常用GM(1,1)模型及其适用性判断方法,针对GM(1,1)模型中背景值的取法,提出了一种自动寻优定权的改进措施,通过实例对比分析,应用效果良好。     

再探运动目标航迹的灰色预测

本文根据笔者在[1]中所提出的航迹灰色预测中的两个问题:机动目标的跨象限运动及GM(1,1)预测模型对噪声的抑制能力进行若干计算研究。     

GM(1,1)和SVR的雷达电子部件状态趋势预测模型

为提高雷达电子部件状态趋势预测的精度,根据测试数据特点,提出了基于GM(1,1)与支持向量机回归(SVR)的组合预测模型。采用粒子群优化算法分别对GM(1,1)和SVR模型进行了改进,提高了单一模型的预测精度。在此基础上,结合GM(1,1)模型对趋向性数据的预测优势和SVR模型对数据波动的强适应性,达到了取长补短、相得益彰的效果。实验结果表明该组合模型不但具有更高的预测精度,而且对不同预测对象有更强的适应能力。     

用灰色理论GM（1，1）模型预测主动力装置在不同破坏半径下的生命力

用传统的方法预测主动力装置在不同破坏半径下的生命力 ,存在所需数据量大、不易预测、准确性不高等缺点 .运用灰色理论GM(1,1)模型预测了舰船主动力装置受到武器攻击时在各种破坏半径下的生命力 ,方法简单易行 ,结果准确可靠 ,为决策者进行科学的决策提供了相关的理论依据     

基于改进GM(1,1)模型的装备故障预测

针对装备故障数据量小、传统灰色预测模型GM(1,1)的精度受背景值影响大的问题,提出了一种基于背景值优化的改进GM(1,1)装备故障预测方法。该方法基于背景值的几何意义,从背景值与发展系数之间数量关系的角度出发,通过最小二乘法对二次参数进行估计,还原得到原始参数估计值,并结合新陈代谢对模型进行改进。导弹装备的故障预测实例表明,改进GM(1,1)模型较传统模型有更高的预测精度。     

基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。     

基于灰色理论的直流接触器行为预测

针对大型复杂装备使用了大量的直流接触器,并且接触器接触电阻值随外间因素变化大等特点,利用灰色理论的新陈代谢GM(1,1)预测模型,对直流接触器的接触电阻进行了预测评估。从而,可以进一步判断直流接触器的接触行为。实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现直流接触器接触行为的早期预测评估。     

残差GM（1，1）模型在恒加试验中的应用

介绍了目前恒加试验中,正常应力水平下特征寿命点估计的数据统计分析方法及其不足。针对恒加试验的特点和所需解决的问题,基于灰色预测理论的残差GM(1,1)模型,给出了一种新的求解方法。最后分别运用三种不同的方法对给出的应用实例进行正常应力水平下特征寿命值的求解,证明了本文所给出的方法确实可行。     

基于灰色系统理论的火灾事故预测方法

简要叙述应用灰色系统理论进行火灾事故预测的理论和方法 ,建立了火灾事故预测的GM (1,1)模型 ,并用该模型对火灾事故进行预测。     

灰色神经网络的鱼雷经济寿命预测

为减少军费开支、降低鱼雷全寿命费用,从经济性角度提出了鱼雷最佳服役年限模型。利用灰色等维新息GM(1,1)模型对鱼雷年度使用维修费用进行预测;采用分组的思想将原始数据分为多组,采用神经网络对灰色模型的预测残差进行修正,以提高预测精度。通过实际算例预测了鱼雷经济寿命,从而证明了模型的实际应用价值。     

改进非等间距GM(1,1)-BP模型的导弹退化状态预测

为提高导弹退化状态预测的精度,结合导弹测试数据不等时间间隔的特点,提出了一种基于改进非等间距GM(1,1)-BP模型的导弹退化状态预测方法。对传统非等间距GM(1,1)模型的背景值和初始条件进行优化,引入新陈代谢思想,在此基础上,构造灰色模型拟合值与实际值的差值序列,进而建立差值序列的BP神经网络预测模型,还原得到最终预测值,提高了预测精度。此设计方法结合了灰色模型对趋向性数据的预测优势和BP神经网络强大的非线性拟合能力,达到了取长补短、相得益彰的效果。通过导弹测试数据的预测实例,验证了方法的有效性和优越性。     

基于改进的不等时距灰色模型的车辆装备冷却系金属腐蚀预测

车辆装备冷却系金属腐蚀原因错综复杂,是一个多因子综合作用的灰色系统。针对传统UGM(1,1)模型所存在的缺陷,将背景值构造优化、新陈代谢思想应用2个方面相结合,提出了一种改进的不等时距灰色GM(1,1)模型(简称MUGM(1,1,λ)模型),并用于冷却系金属腐蚀预测。结果表明:所建立的MUGM(1,1,λ)模型的预测精度高,优于传统UGM(1,1)模型,并可用于中长期预测,具有良好的实用价值。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

基于改进灰色GM(1,1)模型的武器系统费用预测

武器系统费用影响因素众多,各因素作用机理复杂,导致费用分布呈波动性和不稳定性。基于此,提出了一种改进的灰色GM(1,1)模型。该模型采用傅立叶级数和马尔科夫链方法,对不稳定武器费用系统的周期和随机现象进行建模,以提高预测精度。实例仿真结果表明:改进的灰色GM(1,1)模型可有效解决不稳定的武器费用预测问题,且具有良好的预测性能。     

新陈代谢GM(1,1)模型在吸毒数据中的分析与预测

借助新陈代谢的灰色预测GM(1,1)模型,对2009~2013年某地区吸毒数据和因吸毒犯罪数据进行预测,并结合预测结果,给出合理化禁毒建议。     

装甲车辆行进间炮口振动角度误差预测模型

针对射击延时过程中具有振荡性的装甲车炮口振动角度误差数据,提出了一种优化的GM(1,1)预测模型。对原始数据进行光滑性和单调性处理;对传统GM(1,1)模型的初始值进行了基于拟合误差最小化的改进;基于传统模型中背景值构造方法存在的误差,重构了传统模型的背景值。通过对高低向、方位向两组数据处理结果的分析,优化GM(1,1)模型的拟合、预测结果相对于传统模型、改进初始值模型和改进背景值模型具有较小的误差,能够较好地反映装甲火炮炮口振动角度误差的变化情况。     

GM(1,1)模型在装备备件订购中的应用

分析了武器装备备件订购决策的目标和常用方法,并运用灰色理论GM(1,1)模型及关联度分析法,提出了在军用备件订购工作中费用目标预测的应用方法,以及提高预测精度的措施。     

GM(1，1)模型与指数回归模型的比较与研究

GM(1,1)模型与指数回归模型都是对具有指数或近似指数规律的系列数据建立的数学模型。通过对两种模型进行比较与研究,发现一方面,利用数据列的灰指数特性建立指数回归模型,可以简单地实现数据列的预测过程;另一方面,利用指数回归模型可以对灰色理论的GM(1,1)模型进行控制和优化。     

基于GM(1,1)模型的电磁环境复杂度预测方法

分析了以往电磁环境复杂度计算存在的问题,利用灰关联模型重新定义了电磁环境复杂度,采用GM(1,1)模型对电磁环境复杂度进行了预测,仿真结果验证了该方法的可行性和合理性。     

一种基于“GM(1,1)”模型的火炮初速灰预测方法

火炮初速量测是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM(1,1)模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证了该方法具有一定的合理性与实用性。