灰預(yù)測與決策方法

內(nèi)容概要

《灰預(yù)測與決策方法》重點(diǎn)介紹灰預(yù)測與灰決策的基本方法和應(yīng)用技術(shù)，集中反映作者及其團(tuán)隊多年來在灰理論及其應(yīng)用方面的研究積累，注重吸收國內(nèi)外同行相關(guān)的最新研究成果，系統(tǒng)展示灰預(yù)測與決策方法的概貌及其前沿發(fā)展動態(tài)?！痘翌A(yù)測與決策方法》共分九章，包括灰預(yù)測與決策研究概況、灰預(yù)測與決策基礎(chǔ)、灰關(guān)聯(lián)決策、灰評估決策、灰優(yōu)化決策、GM（1，1）預(yù)測模型、特殊序列灰預(yù)測模型、多維灰預(yù)測模型、灰預(yù)測與決策方法在智能交通中的應(yīng)用等，內(nèi)容上基本覆蓋灰色系統(tǒng)理論的經(jīng)典內(nèi)容，研究方法上突出矩陣分析和以鄧氏關(guān)聯(lián)度為主線的新思路，應(yīng)用上強(qiáng)調(diào)方法在工程技術(shù)和經(jīng)濟(jì)管理中的應(yīng)用背景和應(yīng)用技術(shù)等，書中絕大部分內(nèi)容均為作者及其團(tuán)隊的研究成果。

書籍目錄

前言 第1章灰預(yù)測與決策研究概況 1.1引言 1.2灰色系統(tǒng)研究團(tuán)隊 1.3灰色系統(tǒng)研究成果 1.3.1灰色系統(tǒng)研究論文 1.3.2灰色系統(tǒng)研究項目 第2章灰預(yù)測與決策基礎(chǔ) 2.1灰預(yù)測數(shù)據(jù)信息 2.2函數(shù)變換灰生成技術(shù) 2.2.1仿射變換生成 2.2.2函數(shù)變換生成 2.3層次變換灰生成技術(shù) 2.3.1累加生成與累減生成的矩陣表示 2.3.2廣義累加生成的矩陣表示 2.4緩沖算子灰生成技術(shù) 2.4.1弱化算子 2.4.2強(qiáng)化算子 2.5灰數(shù)與白化函數(shù) 2.5.1灰數(shù)的信息覆蓋 2.5.2白化函數(shù) 2.6基本粒子群算法 2.6.1算法原理 2.6.2算法流程 第3章灰關(guān)聯(lián)決策 3.1點(diǎn)關(guān)聯(lián)分析 3.1.1點(diǎn)關(guān)聯(lián)度模型 3.1.2點(diǎn)關(guān)聯(lián)度特點(diǎn) 3.1.3應(yīng)用中應(yīng)注意的問題 3.1.4點(diǎn)關(guān)聯(lián)分析方法應(yīng)用 3.2區(qū)間關(guān)聯(lián)分析 3.2.1區(qū)間關(guān)聯(lián)度 3.2.2區(qū)間關(guān)聯(lián)度應(yīng)用 3.2.3區(qū)間關(guān)聯(lián)分析推廣——多維關(guān)聯(lián)分析 3.3矩陣關(guān)聯(lián)分析 3.3.1矩陣關(guān)聯(lián)度 3.3.2矩陣關(guān)聯(lián)度應(yīng)用 3.4混合序列關(guān)聯(lián)分析 3.4.1混合序列灰關(guān)聯(lián)度 3.4.2混合關(guān)聯(lián)度應(yīng)用 3.5時滯關(guān)聯(lián)分析 3.5.1時滯灰關(guān)聯(lián)分析 3.5.2時滯灰關(guān)聯(lián)分析應(yīng)用 3.6灰關(guān)聯(lián)決策的靈敏度分析 3.6.1灰關(guān)聯(lián)決策原理 3.6.2屬性值的靈敏度分析 3.6.3屬性權(quán)重的靈敏度分析 第4章灰評估決策 4.1灰統(tǒng)計決策 4.1.1灰統(tǒng)計決策方法 4.2灰聚類決策 4.2.1灰聚類決策 4.2.2灰聚類決策改進(jìn)與推廣 4.3灰多局勢決策 4.3.1灰多局勢決策方法 4.4灰靶決策 4.4.1灰靶決策方法 4.5灰風(fēng)險決策 4.5.1灰風(fēng)險決策方法 4.5.2實例分析 4.6灰隨機(jī)決策 4.6.1灰隨機(jī)決策方法 4.7灰色群決策 4.7.1灰色群決策方法 第5章灰優(yōu)化決策 5.1灰線性規(guī)劃 5.1.1灰線性規(guī)劃基本概念 5.1.2解集之間的關(guān)系 5.1.3灰線性規(guī)劃解法 5.2灰色多目標(biāo)線性規(guī)劃 5.3灰二層規(guī)劃 5.3.1灰色二層線性規(guī)劃模型 5.3.2灰色二層線性規(guī)劃模型解法 5.4灰色混合整數(shù)線性規(guī)劃 5.4.1灰色混合整數(shù)線性規(guī)劃 第6章GM（1，1）預(yù)測模型 6.1GM（1，1）模型的發(fā)展 6.2GM（1，1）模型及三種表示 6.2.1GM（1，1）模型的顯示表示 6.2.2GM（1，1）模型的參數(shù)包表示 6.2.3GM（1，1）模型的矩陣表示 6.3GM（1，1）模型形式及其誤差分析 6.3.1GM（1，1）模型形式 6.3.2定義型與內(nèi)涵型等之間的誤差分析 6.3.3內(nèi)涵型與白化型之間的誤差分析 6.3.4離散型與白化型之間的誤差分析 6.3.5GM（1，1）模型與指數(shù)回歸模型的比較 6.4GM（1，1）模型的建模條件 6.4.1建模條件與建模機(jī)理 6.4.2發(fā)展系數(shù)和級比的可容區(qū)與界區(qū) 6.4.3GM（1，1）建模步驟 6.5GM（1，1）模型優(yōu)化方法 6.5.1初始條件優(yōu)化 6.5.2初始點(diǎn)優(yōu)化 6.5.3病態(tài)性及其優(yōu)化 第7章特殊序列灰預(yù)測模型 7.1GM（1，1，α）模型 7.1.1GM（1，1，α）模型 7.1.2背景值系數(shù)與GM（1，1，α）模型參數(shù)之間的關(guān)系 7.1.3GM（1，1，α）模型發(fā)展系數(shù)的性質(zhì)分析 7.1.4背景值系數(shù)對GM（1，1，α）模型相對誤差的影響 7.1.5實例分析 7.2非等間隔序列GM（1，1）模型 7.3含跳躍點(diǎn)序列GM（1，1）模型 7.3.1含跳躍點(diǎn)序列及其灰生成 7.3.2含跳躍點(diǎn)序列GM（1，1）模型 7.3.3非等間隔含跳躍點(diǎn)序列GM（1，1）模型 7.4階段型序列GM（1，1）模型 7.4.1等間隔階段型序列GM（1，1）模型 7.4.2非等間隔階段型序列GM（1，1）模型 7.5緩沖算子作用下灰預(yù)測模型 7.5.1弱化算子作用下灰色模型 7.6GM（1，1）冪模型 7.6.1GM（1，1）冪模型 7.6.2灰色Verhulst模型新解法 7.7GM（1，1/r，r）模型 7.8GM模型 7.9廣義累加GM（1，1）模型 第8章多維灰預(yù)測模型 8.1GM（1，N）模型 8.1.1GM（1，N）模型 8.1.2積分變換下GM（1，N）模型 8.2GM（0，N）模型 8.3GM（1，N）模型 8.4MGM（1，N）模型 8.5MGM模型 第9章灰預(yù)測與決策方法在智能交通中的應(yīng)用 9.1智能交通信號燈動態(tài)優(yōu)化設(shè)計方法 9.1.1智能交通信號燈優(yōu)化設(shè)計原理 9.1.2實例分析與模擬 9.2基于小波分解與重構(gòu)的交通流預(yù)測方法 9.2.1基本原理與方法 9.2.2實例分析 9.3基于振蕩因子的短時交通流灰色建模與預(yù)測 9.3.1振蕩交通流的灰色建模 9.3.2實例分析 9.4灰色關(guān)聯(lián)決策在公路網(wǎng)綜合評價中的應(yīng)用 9.4.1公路網(wǎng)綜合評價的灰關(guān)聯(lián)決策方法 9.4.2全國九?。ㄊ校┑貐^(qū)公路網(wǎng)狀況綜合評價 參考文獻(xiàn) 索引

章節(jié)摘錄

版權(quán)頁：   插圖：   15 min內(nèi)。而上一個時段的交通流數(shù)據(jù)對下一個時段影響顯然最大，如果取1 h為一個時段，記錄的間隔取為5 min，則1 h內(nèi)搜集采集到的數(shù)據(jù)僅為12組，屬于小樣本數(shù)據(jù)；另外，道路網(wǎng)短時交通流量時間數(shù)據(jù)序列本身又存在著高度的不確定性，道路網(wǎng)中多個斷面交通流的數(shù)據(jù)還具有非線性、周期性、相關(guān)性和延遲性等特征。交通安全評價與預(yù)警系統(tǒng)中也存在著明顯的多元性和灰信息特征，因此灰預(yù)測與決策方法在交通工程中具有非常廣闊的應(yīng)用前景。 9.1 智能交通信號燈動態(tài)優(yōu)化設(shè)計方法 通過分析道路交通流的的趨勢性及趨勢變動性，本節(jié)基于灰色理論提出一種智能交通信號燈動態(tài)優(yōu)化系統(tǒng)?；诮煌鞯内厔菪裕没谊P(guān)聯(lián)分析提取與當(dāng)前實際交通流最相似的歷史數(shù)據(jù)序列；根據(jù)交通流的趨勢變動性，由實測數(shù)據(jù)并結(jié)合最相似歷史數(shù)據(jù)序列建立灰模型對下一時段的交通流進(jìn)行預(yù)測；以延遲時間最小為目標(biāo)，提前對下一時段的信號燈周期及綠信比進(jìn)行優(yōu)化；最后對某交叉口信號燈進(jìn)行優(yōu)化設(shè)計。 9.1.1 智能交通信號燈優(yōu)化設(shè)計原理 要實現(xiàn)交叉口信號燈的優(yōu)化控制，必須建立準(zhǔn)確的短時交通流預(yù)測模型，即能在信號燈周期開始時就能預(yù)測該周期內(nèi)到達(dá)的交通流量。短時交通流預(yù)測就是基于動態(tài)獲取的若干道路交通流狀態(tài)數(shù)據(jù)推測未來時段的交通流狀態(tài)數(shù)據(jù)，數(shù)據(jù)樣本限定的時問間隔一般在15 min內(nèi)。一般信號燈的一個周期長度不會超過3 min，在對信號燈進(jìn)行優(yōu)化控制時，可以采用5 min的時間間隔進(jìn)行短時交通流預(yù)測。這樣信號燈控制的一個周期會落在一個預(yù)測時段內(nèi)，那么我們可以在預(yù)測時段內(nèi)對信號燈進(jìn)行優(yōu)化。 1.交通流的灰色特性 所謂灰色系統(tǒng)是指部分信息已知，部分信息未知或非確知的系統(tǒng)，亦即信息不完全的系統(tǒng)。道路交通系統(tǒng)是一個有人參與的、時變的復(fù)雜系統(tǒng)，它的顯著特點(diǎn)之一就是具有高度的不確定性。這種不確定性給交通流的預(yù)測帶來了困難，使人們很難準(zhǔn)確把握系統(tǒng)中影響因素的作用范圍和機(jī)制。從宏觀上看，交通流包含兩部分：相對確定性交通流與不確定性交通流。相對確定性交通流代表交通流的趨勢性，宏觀上表現(xiàn)為周一到周末的交通變化，每日上下班的高峰時期，確定性交通流變化客觀上由整個地區(qū)的經(jīng)濟(jì)狀況、社會環(huán)境、人文環(huán)境等決定的。例如，一個地區(qū)的交通擁有量、道路狀況、車輛出行目的等都是相對固定的，反映在時間上就是對于每天的某一個固定時間通過固定路段的交通流是相對確定的。

編輯推薦

《灰預(yù)測與決策方法》適合作為高等學(xué)校理、工、農(nóng)、醫(yī)、天、地、生及經(jīng)濟(jì)、管理類各專業(yè)大學(xué)生和研究生教材，也可供管理干部、科研人員、工程技術(shù)人員、高校教師等參考。

圖書封面

評論、評分、閱讀與下載

---

    灰預(yù)測與決策方法 PDF格式下載

---