改进DHGM（2,2）模型
基于改进的新陈代谢GM (1,1)模型的软件阶段成本预测
王勇，韩佩佩
件行业对此有强烈的需求。为此，本文研究了使用灰色理论的GM (1,1)模型进行软件阶段成本的预测， 并对GM (1,1)的新陈代谢模型进行了改进，动态选择模型初始条件，并提出了一种软件项目阶段成本的 预测方法IGM。在三个不同数据集上的实验证明IGM方法优于传统新陈代谢GM (1,1)模型、GV方法和LR 模型，显示出较大的潜力。
Open Access
1. 引言
随着信息时代、知识经济时代的到来，计算机行业发展迅速，软件产品已经渗入到人们的生活、 工作、学习当中。但随着软件规模越来越大，软件复杂度也不断增加，导致在上个世纪 60 年代中期， 爆发了严重的软件危机。世界范围内大量软件项目不能按期完成或者被迫取消，很多项目虽然完成但 严重超支。例如，2014 年投资 8.4 亿美元的美国健康医保网站超支 1.63 亿美元且交付日期拖延半年后 仍无法正常运行。出现如此严重问题的一个重要原因是对软件成本估算不足，或在项目早期所做的总 成本预测随着项目的进展变得越来越不实际[1]。因此，为减少软件失败造成的巨大损失，除了要对项 目总成本进行估算外，还需要在开发过程中对项目的阶段成本进行预测，使项目在规定的时间和预算 内完成。 软件成本估算是指根据软件项目的计划以及其他影响因子的信息，进行估算和确定各项活动的成本 以及总成本的软件项目管理活动[2]。软件阶段成本的估算是指对开发过程中每个阶段的成本进行估算。 由于在软件实际开发过程中，项目经理一般是按周、月或季度等物理时间来记录工作量，管理软件开发 过程。因此本文采用月作为阶段单位， 例如，整个项目持续了 10 个月，则我们称该项目共有 10 个阶段。 科学合理的估算软件项目的阶段成本，有助于项目管理人员来决定每个活动阶段的成本，进而决定 软件各开发阶段的人员分配及工作计划。在开发过程中动态地预测各阶段的成本，还可以使项目管理人 员发现可能出现的成本进度方面的问题，提前采取措施，减少不必要的损失。 目前，大部分的研究者的关注点在总成本预测上，对总成本预测的方法和模型已经有很多研究成果 [3]-[9]，但对于软件项目阶段成本的预测的研究非常少[10] [11] [12]。MacDonell 等人通过建立线性回归 模型，根据项目前期阶段的成本来预测后面开发阶段的成本，对 16 个类似软件项目的任意两个开发阶段 成本做相关性检验，选择相关程度较大的两个开发阶段建立回归模型。例如，对计划和测试阶段建立了 回归模型，根据前者的成本数据预测了后者的成本[10]。王勇等人提出 GV(GM (1,1)和 Verhulst 相结合) 方法用来预测软件阶段成本，根据软件项目阶段成本序列的凹凸性来动态构建模型，进而预测后续阶段 的成本[11]。与本文研究不同的是，MacDonell 的研究针对软件生命周期阶段，如设计、编码阶段等，而 本文的阶段是以物理时间如月为单位。王勇等人的研究[11]使用了 GM (1,1)和 Verhulst 的新陈代谢模型， 但模型的初始条件始终是建模序列的第一个元素。本文对初始条件进行了改进，提出了一种新的软件阶 段成本预测方法 IGM，研究结果表明，IGM 具有比对比方法更好的预测性能，显示出一定的潜力。
基于改进欧拉公式的GM(1,1)模型及其应用
‘（ ） ｘ 尼 ＋Ｕ ∞ 尼＋１＝Ａ （）
公 式 （ ） 写 成 向量 格 式 如 下 ： ７可
（ ， …， 一１ （ ｋ＝１ ， ｎ ） ８ ２ ）
（１：１（ Ａ （ ＋ ’ 兰ａ要 ｋ＋ ） １ ｋ ） （一 － ＝ ＋ ’ ）
ｌ
还 原到原始数据 为 ：
学 术 论 坛
ＳｌＣ ＆Ｔ ＨＯＯＹ ＣＮＥ Ｅ ＮＬＧ Ｅ Ｏ
匪圆
基于改进欧拉公式的 ＧＭ（ ， ） １ １ 模型及其应用①
陈永 刚 李 龙根 （ 莞职 业技 术学院 广东东 莞 ５ ３ ０ ） 东 ２ ８ ８
摘 要： 本文 分析 了背景值 是灰 色模 ￣６ Ｉ １预测精度 的＿个重 要原 因， Ｍ（ ，） 并提 出 了一种基 于改进 欧拉公 式￣Ｇ Ｉ １模型 的背景值 构造 Ｍ（ ， ） 方法 。 例证 明 了该 方 法 的有 效 性 。 实 关键 词 ： Ｉ １模 型 预 测 欧拉 公式 ＧＭ（ ， ） ’ 中 图分 类 号 ： ９ Ｎ ４ 文 献 标 识 码 ： Ａ 文章 编 号 ： ２ ３ （ ０ ０ （ ） ０ ０ － ２ １ ７ － ７ １ ２ １ ） ２ ａ－ ２ ３ ０ ６ ９ ０
对 一 阶 生 成 Ｘｏ模 块 建 立 模 型 ＧＭ（ ，） 对 应 的 白微 分 方 程 ） １ １，
一
ｄｔ
十ａ ｘＪ ｆ１：Ｕ Ｉｔ ｆ 一 （ＩＪ
‘ ＝｛ １ 。 ２，． ‘（） ， 。 。 ） ） ． 。 ｝ ） （， （ ．， 其 中 ｘ。 ＞０ｉ ， …＂ （（ ，＝１ ， ２ 对原始 非负序列进行 一次累加得 ：
‘ （ （，， （｝其中 （ ＝ （ｋ １，月 ＝ １ ２… ， ∑ ＝，… ） ） ， ） ） ２
改进GM(1,1)自适应滤波组合新陈代谢模型在电力远期价格预测中的应用
【 中图分类号 】４ ７ ６ 【 Ｆ０． 文献标识码 】 【 Ａ 文章编号 】０ ０３ ８ （０ ６ ０ ．０ ５０ １０ —８ ６ ２０ ）３０ ０ ３
１ 引言
随着 电力工业的市场化 日益深入 ， 电力金融合约市场也逐步建 立起来 ， 远期合约是电力金融合约市场中一种重要的场外交易金融
ｍａ ｙｆ ｃｏ ｓｓ ｃ ｓｒ ａ ｍｅ ｅｅ ｔ ｃｔ ｒ ｅ ｉｔｒ ｓ ａｅ ｐ ｗｅ ｅ ｎ ｓ ｄ ｖ ｌ ｐ ｎ ｅ ｒ ｅ ｏ ｅ ｓ ｃ ｅｙ ａ ｄ Ｓ ｎ Ｉ ｉ ｄｆ ｃ ｌ ｔ ｎ ｔ ｒ ｕ ｈ ａ ｅ ｌ ｉ ｌｃｒ ｉ ｐ ｃ ， ｎｅ ｅ ｔｒｔ ， ｏ ｒｄ ｍａ ｄ ， ｅ ｅｏ ｍｅ ｔｄ ｇｅ ｆ ｈ ｏ ｉｔ ｎ Ｏｏ ． ｔ ｓ ｉ ｕ ｔ ｏ ａ ｔ ｉ ｙ ｉ ｔ ｆ ｉ ￥ ｔｕ ｎ ａ ｃ ｒ ｔ ｔ ｄ ｌｔ ｅ ｃ ｂ ｔ ｖ ｒ ｌ ｍｏ ｅ ｎ ｅ ｄ ｎ ｉｓ Ａ ｍｅａ ｏｉｍ ｄ ｌｃ ｍｂ ｎ ｄ ａ ａ ｔ ｅ ｆ ｔ ｒ ｇ ａ ｄ ｉ ｅ ｐ ａ ｃ ｕ ａｅ ｍａｈ ｍｏ ｅ ｏ ｄ ｓ ｒ ｅ ｉ ｏ ｅａ ｌ ｖ ｍｅ ｔｔｎ ｅ ｃｅ ． ｔｂ ｌ ｉ ｓ ｓ ｍｏ ｅ ｏ ｉ ｅ ｄ ｐ ｉ ｌ ｉ ｎ ｍ— ｖ ｉ ｅｎ
华东理工大学 自动化研 究所 （ 上海 ２ ０ ３ ） 严 ０２ ７ 军 赵成 旺 顾幸生
（ ａｔ ｈｎ ｎｖｒｔ ｏ ｉ ｃ ａｄＴｃｎｌ ｙ Ｓ ａｇ ａ ２ ０ ３ ）Ｙ ｎＪｎ ｈｏＣ ｅｇ ａ ｇ Ｇ ｉｇｈｎ Ｅ ｓ Ｃ ｉａＵ ｉ ｓｙ ｆＳ ｅ ｅ ｎ ｅｈｏｏ ， ｈ ｎｈ ｉ ０ ２ ７ ａ ｕ Ｚ ａ ｈｎｗ ｎ ｕＸｎｓｅｇ ｅｉ ｃ ｎ ｇ
ｐｏｅＧ １ １ ｒｖｄ Ｍ（。 ）ｍｏｅ ｉ ｐｅｅｔ ｉ ｐｐｒＴ ｉ ｍ ｄｌ ａ ｎｕ ｎｗｉ ｏｍ ｔ ｎｃｎｉ ｏｓ ｔ ａ ｏ ｔｍ ｔ ｆｌｗｔｅｎｗ ｄｌｓ ｒ ｎｅ ｉ ｔ ｓ ａ ｅ ｈｓ ｏｅ ｃｎｉｐｔ ｅ ｆｒ ａｉ ｏｔ ｕ ｕｌ ｉ ｏ ｌ ｒｈ ｌ ｅ ｓ ｄ ｎ ｈ ． ｎ ｏ ｎ ｙ ｎ ｇｉ ｏ ｏｏ ｈ
GM模型课件
优点分析
简洁性
GM模型在形式上非常简洁，易于理解和实 现。
高效性
GM模型在训练和预测阶段都表现出较高的 效率，尤其在大数据集上。
通用性
GM模型适用于多种类型的预测问题，如时 间序列预测、回归分析和分类问题等。
灵活性
GM模型可以通过调整参数和核函数来适应 不同的数据分布和预测需求。
缺点分析
对异常值敏感
人口预测
利用GM模型预测未来人口数量和结构变化，为政府制定人口政 策提供数据支持。
决策模型的应用
投资决策
通过GM模型评估不同投资项目的风险和收益， 帮助企业选择最优的投资方案。
生产计划
利用GM模型制定生产计划，优化资源配置，提 高生产效率。
物流配送
通过GM模型优化物流配送路线，降低运输成本，提高配送效率。
发展
随着GM模型的广泛应用，其理论和应用方法不断得 到完善和发展。
未来展望
随着大数据和人工智能技术的不断发展，GM模型有 望在未来实现更加精准和智能化的预测。
02
GM模型的原理与计算
GM模型的数学原理
灰色系统理论
GM模型基于灰色系统理论，该理论认为现实世界中许多 系统都是部分信息已知、部分信息未知的，因此可以通过 已知信息来推导未知信息。
预测精度
预测精度是另一个重要的参数，用于衡量预测结果的准确程度。根据实际需求，可以选择不同的预测精度要求。
GM模型的计算过程
数据预处理
对原始数据进行预处 理，包括缺失值填充 、异常值处理等。
生成数据序列
根据累加生成的方式 ，将原始数据转换为 新的数据序列。
建立GM模型
根据已知数据序列建 立GM模型，包括选 择合适的灰数类型和 预测精度要求。
一种改进的DHMM语音识别算法的DSP实现
关键词：语音识别； Ｈ Ｄ ＭＭ； 特征 图案；矢量量化； 非特定人；孤立 词
ＤＳ Ｉ ｐｌｍ ｅ ｔ ｔｏ ｏ ｎ Ｉ ｐｒ ｖｅ Ｐ ｍ ｅ ｎ ａ ｉ ｎ ｆａ ｍ ｏ ｄ ＤＨＭ Ｍ ｇ ｒｔ Ａｌ ｏ ｉｈｍ
ＷＡＮＧ Ｗｅ－ ａ ｇ ｉ ｎ Ｑｉ
观察矢量序列 Ｙ ［ｌ ２ Ｎ，其中 Ｎ为输入语音所包 ｙ， ， ］ ｙ …Ｙ 含 的帧数．语音识别的过程就 是计算每个 Ｈ ＭＭ 模 型 产生 Ｙ 的概率 ＰＹＩ ） 并使得该概率达到最大 的 （ ，
Ｈ ＭＭ 模 型， 么该模型所对应 的词条 即为孤 立词识 那 别 的结果ｌ，即： ３ 】
ＭＦ Ｃ Ｃ
／＇、
＝ａ ｇｍ ａ ＰｒＩ ） ｒ ｘ［（ 】
Ｌ） ｔ
图 ３ ＭＦ Ｃ参数求解过程 Ｃ １ － ２改进的 Ｄ ＭＭ 算法 Ｈ 传统 的 Ｄ ＭＭ 算法中， Ｈ 矢量量 化的作用是将连 续 的输入参数 矢量化为码本标 号，每个说 话人的码本
独立进 行训练 ． 如利用 矢量量化对全部说 话人 的数据
目前， ＭＭ（ Ｈ 隐马尔可夫模型） 法是语音识别领 算
域 内使 用 最 为广 泛 的技术 ，ＨＭＭ 有 Ｏ ｎｔ 离 散 ｒＶ Ｍ（ Ｈ ＭＭ）Ｃ ＭＭ（ 、Ｈ 连续 ｒ Ｍ） Ｓ Ｈ ￣ｌ 和 Ｃ ＭＭ（ 半连续 Ｈ ＭＭ） 等几种．以上三种算法各有其特点：Ｄ ＭＭ 的存储和 Ｈ 计算量较小，但其矢 量量化 的过程会造成 性能的损失； Ｃ ＭＭ 采用连 续概率密度 函数来描述观测矢量，具有 Ｈ
图 ２ 改进 的 Ｄ ＭＭ 算法流程框 图 Ｈ
④模式 匹配：在识别 时将输 入的语音特征 同声学
模型进行 比较， 得到识别结果【． ２ 】 在 训练 阶段 ，用户 将词 汇表 中的词 依次 读 一遍 ，
基于加权组合和最小二乘法改进的GM_2_1_模型_牛思先
┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇┇
┇
┇
3 权值的模式搜索法求解
由 前 文 分 析 可 知 ，改 进 的 GM(2,1)模 型 具 体 建 模 机 理 如
下：
令 x(0)为 建 模 原 始 序 列 ，x(1)为 x(0)的 1-AGO 序 列 ，x(-1)为 x(0)
中 图 分 类 号 ：N941.5
文 献 标 识 码 ：A
文 章 编 号 ：1002-6487（2010）22-0028-03
0 引言
1 GM(2,1)模型的建模机理
GM(2,1)模 型 作 为 灰 色 预 测 模 型 中 的 一 类 重 要 模 型 ，已 经 在许多领 域 得 到 了 广 泛 应 用[1~3]。 GM(2,1)模 型 由 于 有 2 个 特 征根，能反映出单调的、非单调的或摆动的（振荡的）等多种 情况[4]。 理论上 GM(2,1)模型应该有着广泛的应用，但在利用 其进行实际建模中却发现其拟合优度和预测精度都不甚理 想[5]。 文献[4]从微积分关系出发重新构建了二阶白化微分方 程 ；文 献[5]利 用 参 数 λ、ρ 对 GM(2,1)模 型 的 背 景 值 进 行 线 性 组 合 、对 原 始 数 据 进 行 数 乘 ，建 立 了 基 于 微 粒 群 算 法 的 GM (2,1,λ,ρ) 优化模型；文献[6]从满足平 射 关 系 出 发 重 新 构 建 了 灰 微 分 方 程 ；文 献[7]利 用 最 小 二 乘 法 对 GM(2,1)模 型 进 行 优 化。
p1
使
dx(1) dt
=p1x (0) (k -1) +
(1-p1)x(0)(k)成 立 ，继 续 变 形 为 ：
GM_2_1_模型预测公式的改进研究_赵新蕖
方程的系数 。 通过求解白化微分方程并离散化 , 得到其积分序列的预测公式 , 再对其进行一次累减还原 , 得
收稿日期 : 2006-03-10 . 基金项目 : 航空支撑科技基金资助项目( 02C53005). 作者简介 : 赵新蕖( 1978), 女 , 硕士生 . E -mail : zhao xinqu @126 . com
k
于是得 GM ( 2 , 1) 模型的白化微分方程 1) 1) d2 X ( dX ( 1) + a +a 2 X( =b 1 dt d t2
1) ( 0) 1) 离散化得 a( X 0) ( k )+ a 1 X ( ( k )+ a 2 Z ( ( k )= b k = 2 , 3 , …, n
( 西北工业大学电子信 息学院 , 西安 710072)
1) 1) 摘 要 : 从 GM( 2 , 1) 模型的构造原理出发 , 认为其存在 2 个缺陷 : Z( 和 X( 预测公 式混淆和强 行定义边 界条件 。 提 0) 1) 1) 0) 出 2 种改进方案 : 用 X( 直接预测法代替 Z( 和 X( 预测后累减来预 测 X ( ; 用最 小二乘 的二次 参数估 计代替 由边界
1) X( 的预测公式的原因 。 0) ( 1) ( 结论及改进方法 ( 1) 通过求 X ( 、Z 1)和 a( X 0)确定的 GM ( 2 , 1) 白化微分方程的解 , 进而离散化得 0) 1) 到的预测公式并非 X ( , 应该是 Z( 。( 2) 在用 GM ( 2 , 1) 进行预测时 , 应该考虑先将上述白化微分方程的解 0) 求一阶导数后再进行离散化 , 此时得到的公式作为 X ( 的预测公式更为合理 。
1) 1) Z( and X ( , and being forced to define boundary -conditions . Further more , two improvements w ere pro posed : using directly 0) predicting to X ( take place of the inverse -accumulating prediction , and using parameters estimated by least square to instead of
基于改进GM(1,1)模型对地表沉降变形的预测应用
基于改进GM(1,1)模型对地表沉降变形的预测应用
李冬星
【期刊名称】《新材料·新装饰》
【年(卷),期】2024(6)6
【摘要】传统GM(1,1)模型用于地表的沉降变形预测时,仅需要少量的数据就能预测整体的变化趋势,然而随着预测期数的增多,预测精度也会受到初始数据的限制,使得精度逐渐降低。
在工程应用中,沉降变形受外界多种系统因素变化的影响,对其进行预测时需要一个动态的GM(1,1)预测模型。
文章针对传统GM(1,1)模型不能动态调整数据这一不足之处,建立了灰色新陈代谢GM(1,1)模型,通过精度调整后对后期沉降变形进行了预测。
通过对比不同类型模型结果发现,灰色新陈代谢GM(1,1)模型预测误差较小,精度较高,有很好的工程应用价值。
【总页数】4页(P155-158)
【作者】李冬星
【作者单位】重庆三峡学院土木工程学院
【正文语种】中文
【中图分类】TU433
【相关文献】
1.基于Hermite插值法的GM(1,1)模型在软基地表沉降预测中的应用
2.基于总体最小二乘的改进GM(1,1)模型及其在建筑物沉降预测中的应用
3.基于GM(1,1)改
进模型在变形预测中的应用研究4.改进新陈代谢GM(1,1)模型在地表沉降预测中的应用5.改进GM(1,1)模型在采空区地表沉降预测中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进的GM(2
中 国是 一 个 粮 食 大 国 和 人 口大 国 ， 食 在 国 民 粮 经济 中占有显 著 地位 ， 关 系 国计 民生 、 是 国家 安 全 和
社 会稳 定 的特 殊 产 品 ， 国粮 食 安 全 对 世 界 粮 食 安 中
Ｘ‘ 叭
、
ｘ 和 口 Ｘ。 之 间微 积分 关 系 的二 阶 白化微 ‘ ‘ ‘ ’
据 的分布规律要 求低 ； 建模 不受数据性质影 响等优 点， 日益 受到 大家 的重 视 ＿ 。灰 色预测 就是 通过 对 １ 。Ｊ
原 始数 据 的处 理 和灰 色 模 型 的建 立 ， 现 、 握 系 统 发 掌
的发展 规 律 ， 系 统 的 未来 状 态 做 出科 学 的定 量 预 对
网络 出版 时 间 ：０ ２—０ ２ ０：８ ２１ ８— ０１ ４
网络 出版 地 址 ：ｔ ：／ ｗ ．ｎ ｉｎｔｋ ｍ ／ ｅ ｉ １ ．８ ４ Ｔ ．０ ２ ８ ０ １４ ．０ ． ｔ ｌ ｈｔ ／ ｗ ｗ ｃｋ． ｅ ｃ ｓｄ ｔ ｌ １ ２ ６ ． Ｓ ２ １０ ２ ．０ ８ ０ ２ ｈｍ ｐ ／ ａ／
∑ ｘ ｉ， ＝ ，， ｎ ∞（ １ …， 。 ） ２
②累减生成 ： 对 ‘ 进行一次累减得 口 Ｘ 。 。 ‘ ‘ ＝ ｛‘ 。（ ）０ ’ ‘ （ ） …， Ｘ 。 ｎ ｝，其 中 口 ’ ２ ，‘Ｘ。 ３ ， ０ ’ ‘ （ ） ’
０
仓 检测 到 的数 据 进 行 分 析 ， 现 对 粮 仓 温 湿 度 变化 实
一
由 ¨ 构造 紧邻 均 值序 列 Ｚ ＝ ｛ ‘ ２ ， ’ ‘ ｚ （ ） ｚ ’３ ， ｚ ’Ｆ ｝； （ ） …， （ ） 其中Ｚ （ ）＝ ． ［ （） ｔ ‘ ｋ ０５ ‘ ｋ ＋ ’ ’ ”（ ｋ一１ ］， ２ ３ … ， ） ｋ＝ ， ， ｎ。
改进d-h的参数-概述说明以及解释
改进d-h的参数-概述说明以及解释1.引言1.1 概述：在计算机图形学中，d-h参数是用来描述物体运动和姿态变化的一种常用方法。
然而，在实际应用中，我们发现目前的d-h参数存在一些问题，如精度不高、计算复杂度高等。
因此，本文旨在探讨如何改进d-h参数，提高其精度和效率，从而更好地应用于计算机图形学领域。
在接下来的章节中，我们将详细分析当前d-h参数存在的问题，并提出一种新的改进方法。
通过实例分析，我们将验证新方法的有效性，并对改进效果进行评估。
最后，我们将展望未来研究方向，希望能为改进d-h 参数提供更多的思路和方法。
1.2 文章结构文章结构部分将包括三个主要部分：引言、正文和结论。
- 引言部分将介绍整篇文章的背景和目的，概述d-h参数存在的问题，并提出改进的必要性。
- 正文部分将围绕现有d-h参数存在的问题展开讨论，并提出改进d-h参数的方法。
同时，通过实例分析来展示改进方法的有效性。
- 结论部分将对现有问题进行总结，并评估改进效果。
最后，展望未来研究方向，为进一步优化d-h参数提供参考建议。
1.3 目的本文的主要目的在于探讨如何改进d-h参数，以提高其在实际应用中的效果和性能。
通过对现有d-h参数存在的问题进行分析和总结，结合相关方法和技术，提出一种可行的改进方案，并通过实例分析来验证其有效性。
同时，本文还致力于评估改进后的d-h参数在实际应用中的效果，并展望未来可能的研究方向，为相关领域的研究和实践提供参考和借鉴。
通过对d-h参数的改进，有望提高机器人运动学建模和控制的精度和效率，促进机器人技术在各个领域的广泛应用。
2.正文2.1 现有d-h参数问题在机器人学领域中，Denavit-Hartenberg（D-H）参数是描述机器人关节之间几何关系和运动学特性的重要参数。
然而，目前存在一些问题影响了D-H参数的准确性和可靠性。
首先，现有的D-H参数的选取通常是基于经验和试错的方法，缺乏系统性和科学性。
基于改进灰色模型GM(1,1)的故障间隔时间预测
基于改进灰色模型GM(1,1)的故障间隔时间预测
陈兆芳;王建骅
【期刊名称】《福建工程学院学报》
【年(卷),期】2018(016)001
【摘要】针对设备故障预测模型难以精确建立的特点,为提高故障间隔时间预测的精确度,提出了变周期三角函数-灰色模型GM(1,1)的预测方法.该方法在三角函数-灰色模型GM(1,1)基础上,建立了变周期三角函数—灰色GM(1,1)的组合模型,实现了对设备故障间隔时间的预测;并将预测结果与三角函数-灰色模型GM(1,1)进行对比,结果表明,采用变周期三角函数-灰色模型GM(1,1)对故障间隔时间进行预测,其预测结果的相对误差由24.16%降到3.24%,提高了预测结果的精度.
【总页数】5页(P50-54)
【作者】陈兆芳;王建骅
【作者单位】福建工程学院管理学院,福建福州350118;福建工程学院管理学院,福建福州350118
【正文语种】中文
【中图分类】N945.1
【相关文献】
1.灰色模型GM(1,1)与GM(2,1)的改进和探讨 [J], 陈超英
2.基于改进的灰色模型 GM（1,1）的地下水温度预测 [J], 朱红玉;杜少少;许泽润;雒桓瑶
3.灰色模型GM（1，1）背景值的一种改进方法 [J], 何俊
4.基于改进灰色模型GM(1,1)的生活用水量预测研究 [J], 袁旦;刘献;张小丽
5.对我国中小板股指预测的可行性研究——基于GM(1,1)和GM(2,1)灰色模型 [J], 孔令森;阎虎勤
因版权原因，仅展示原文概要，查看原文内容请购买。
改进GM（1，1）在高铁隧道沉降变形预测中的对比应用
改进GM（1，1）在高铁隧道沉降变形预测中的对比应用∗周吕;鸿雁;胡纪元;陈冠宇;何美琳【期刊名称】《施工技术》【年(卷),期】2014(000)018【摘要】针对GM（1，1）模型在高铁隧道沉降变形分析与预测中精度不理想的情况，在GM（1，1）模型的基础上，建立了自适应GM（1，1）模型与残差修正GM（1，1）模型，并讨论了2种改进模型的各自优点。
依据某隧道沉降监测数据，进行工程实例分析，得出自适应GM（1，1）模型与残差修正GM（1，1）模型在一定程度上均提高了原模型的预测精度和预测曲线的相关性；残差修正GM （1，1）模型对于沉降曲线波动较大处仍有较好的拟合与预测效果，其预测效果优于自适应GM（1，1）模型。
【总页数】4页(P66-68,81)【作者】周吕;鸿雁;胡纪元;陈冠宇;何美琳【作者单位】桂林理工大学广西矿冶与环境科学实验中心，广西桂林 541004;桂林理工大学测绘地理信息学院，广西桂林 541006;桂林理工大学测绘地理信息学院，广西桂林 541006;桂林理工大学广西空间信息与测绘重点实验室，广西桂林541006;广西建设职业技术学院，广西南宁 530003【正文语种】中文【中图分类】U455【相关文献】1.改进 GM（1，1）在高铁隧道沉降变形预测中的对比应用 [J], 陈玲菊2.基于小波变换与卡尔曼滤波结合的GM（1，1）模型在高铁隧道沉降变形分析中的应用 [J], 高红;鸿雁;李运健;聂光裕;杨志3.新陈代谢GM（1,1）预测模型在建筑物沉降变形分析中的应用 [J], 刘娟;周吕;施宇军;何美琳4.基于卡尔曼滤波的GM(1,1)模型在高铁隧道沉降变形分析中的应用 [J], 文鸿雁;周吕;韩亚坤;陈冠宇;胡纪元5.灰色GM（1,1）模型在高铁线下工程沉降变形预测中的应用 [J], 陈启华;文鸿雁;李超;田晓龙因版权原因，仅展示原文概要，查看原文内容请购买。
改进 GM（1，1）在高铁隧道沉降变形预测中的对比应用
改进 GM（1，1）在高铁隧道沉降变形预测中的对比应用陈玲菊【摘要】针对传统GM（1，1）模型在高铁隧道沉降变形分析与预测中精度不理想状况，本文在传统GM（1，1）模型基础上，建立自适应GM（1，1）模型与残差修正GM（1，1）模型并讨论两种改进模型各自优点。
利用传统GM（1，1）模型、自适应GM（1，1）模型以及残差修正GM（1，1）模型对某高铁隧道监测点作沉降分析与预测。
通过对比，得出自适应GM （1，1）模型与残差修正GM（1，1）模型对原模型的预测曲线相关性和预测精度有一定程度提高；残差修正GM（1，1）模型对于沉降曲线波动较大处仍有较好的拟合与预测效果，其预测效果优于自适应GM（1，1）模型。
%Aiming at the situation of the precision of traditional GM (1,1) in high-speed railway tunnel settlement deformation analysis and prediction is not ideal .This paper which is based on traditional GM (1,1) model has estab-lished self-adaptive GM(1,1) model and residual error correction GM (1,1) model and discussed their respective ing traditional GM (1,1) model, self-adaptiveGM(1,1) model and residual error correction GM (1,1) model to analyzeand predict a High-speed Rail tunnel monitoring points settlement deformation .Through comparing and analyzing, it is concluded that self-adaptive GM (1,1) model and residual error GM (1,1) model improve the predic-tion precision of original model and the correlation of prediction curve in a certain extent;residual error correction GM (1, 1 ) model has a better fitting and prediction effect for the settlement curve with biggerfluctuations , its prediction effect is superior to the self-adaptive GM (1, 1) model.【期刊名称】《城市勘测》【年(卷),期】2015(000)001【总页数】4页(P142-145)【关键词】传统GM(1,1);自适应GM(1,1);残差修正;高铁隧道;变形预测【作者】陈玲菊【作者单位】玉环县城建测量队，浙江玉环 317600【正文语种】中文【中图分类】P258;TU196高铁由于运行速度快,要求线路具有高平顺和稳定性,因而对沿线工程地质条件提出了很高要求,隧道作为其中一部分,其稳定性更显重要;但受自然或人为因素以及列车的高速运行及其震动等因素影响,高铁隧道不可避免会发生沉降变形。
标准dh参数和改进dh参数
标准dh参数和改进dh参数
DH（Diffie-Hellman）参数是一种用于安全通信中密钥协商的协议。
在DH参数中，一组参数被用于生成共享密钥，这个密钥可用于加密通信。
标准DH参数通常包括以下几个要素：
1. 素数p（Modulus）：一个大素数，用于计算公钥和私钥。
2. 基数g（Generator）：一个小于p 的正整数，用于计算公钥和私钥。
3. 私钥（Private Key）：随机选择的小于p 的正整数。
4. 公钥（Public Key）：由g、p 和私钥计算得出的数值。
5. 共享密钥（Shared Secret）：由对方的公钥和自己的私钥计算得出，用于加密通信。
在标准DH中，通信双方使用相同的p 和g，每个人都有自己的私钥，通过对方的公钥和自己的私钥计算出共享密钥。
改进的DH参数可能包括以下改进：
1. 更大的素数：使用更大的素数可以增加安全性，因为使用更大的素数会增加对离散对数攻击的抵抗力。
2. 更强的哈希函数：用于计算共享密钥的哈希函数的选择也可以影响安全性。
使用更强大的哈希函数有助于防止一些攻击。
3. 椭圆曲线Diffie-Hellman（ECDH）：ECDH使用椭圆曲线上的点进行密钥协商，相比传统DH，它可以在提供相同安全性的情况下使用更短的密钥长度，从而提高效率。
4. 前向安全性：在一些改进的协议中，注重前向安全性，即使私钥被泄露，过去的通信也是安全的。
改进的DH参数通常是为了提高安全性、效率或适应特定的应用场景。
在选择DH参数时，需要根据具体的安全需求和性能要求来权衡。
关于GM(1,2)模型的一个改进
摘要： 分析了GM(1,N)(N≥2)的建模原理,找出了其模型误差产生的部分原因,证明了在相关 因素序列变化幅度很小(可视为灰常量)的条件下,GM(1,N)(N≥2)具有白指数律的充要条件与 GM(1,1)模型的完全相同.并在此基础上提出了GM(1,2)模型的一个改进,从而避免了GM(1,2)模 型因|a|较大而产生的误差,提高了模型的精度.
Hale Waihona Puke
改进型GMSM建模方法及其应用
改进型GMSM建模方法及其应用
刘伟;田树苞
【期刊名称】《自动化学报》
【年(卷),期】1993(019)004
【摘要】本文提出了一种改进的GMSM建模方法。
该方法以二元插值多项式作
为各层的部分描述式,利用ISM方法进行输入变量预处理,简化了原方法的整体结构。
建模结果表明:改进方法对建立一般复杂过程的数学模型是有效的。
【总页数】4页(P468-471)
【作者】刘伟;田树苞
【作者单位】不详;不详
【正文语种】中文
【中图分类】TP271
【相关文献】
1.一种改进型定性建模方法F-SDG [J], 韩安媛
2.一种改进型定性建模方法F-SDG [J], 韩安媛
3.一种考虑新能源的改进型电网频率校正控制方法及其建模 [J], 郭磊;刘健;郑少明;刘起兴
4.MRNN:一种新的基于改进型递归神经网络的WSN动态建模方法:应用于故障检
测 [J], 黄旭
5.基于改进型模糊聚类的模糊系统建模方法 [J], 朱喜林;武星星;李晓梅
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
改进DHGM（2,2）模型
包玉海;宝力格
【期刊名称】《内蒙古师范大学学报：自然科学版》
【年(卷),期】1995(000)002
【摘要】根据灰色系统基本理论，用灰色二次累加生成法对水文灰色系统微分动态模型－ＤＨＧＭ（２，２）模型进行了改进，改进后的ＤＨＧＭ（２，２）模型精度比原模型有了很大的提高。
【总页数】4页(P54-57)
【作者】包玉海;宝力格
【作者单位】不详;不详
【正文语种】中文
【中图分类】P333
【相关文献】
1.2,2-二羟甲基丁酸（DMBA）工艺技术的改进 [J], 程迈;郑昔宝;张文峰
2.2,2’-硫代双对特辛基苯酚的合成改进 [J], 高俊峰;李迁;刘东峰
3.新型耐热含能中间体-4,4'-二氯-2,2',3,3',5,5',6,6'-八硝基偶氮苯(DCONAB)合成工艺改进 [J], 靳雅蕙;于雁武;刘玉存;魏华男;高喆;罗进
4.1,3-二氢苯并[c]异噻唑2,2-二氧化物的合成工艺改进 [J], 刘小兵;吴韦;杨云;陈莹莹;毛国梁
5.2,2'-二苯甲酰氨基二苯二硫的合成方法改进、晶体结构及其抑菌活性 [J], 张敦林;夏芳芳;周业飞;刘光祥;薛蒙伟
因版权原因，仅展示原文概要，查看原文内容请购买。