灰色預測仿真優化平臺設計范文

本站小編為你精心準備了灰色預測仿真優化平臺設計參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《應用科技雜志》2015年第一期

1灰色預測模型

1.1GM(1,1)模型GM（1,1）模型是一階單變量的微分方程模型，其建立的基本思路如下。

1.2精度檢驗模型建立后需要進行精度檢驗，主要包括：殘差檢驗、后驗差檢驗以及關聯度檢驗，相應的計算程序均由M語言編寫，詳細精度等級參照如表1所示。

1.3GM（1,1）改進模型文中引用最常用的幾種改進模型，包括殘差GM（1,1）預測模型、殘差均值GM（1,1）預測模型以及加常數優化的GM（1,1）預測模型。

1.3.1殘差GM（1,1）模型建立殘差模型的步驟如下：首先定義殘差。

1.3.2殘差均值GM（1,1）模型如果按原始數據0x(i)建立的GM（1,1）模型，經檢驗不合格，則對原模型進行修正的最簡單的方法，就是對模型預測值(0)x(k)都加上殘差平均值，即修正后的預測值為(0)x(k)+，此新模型為殘差均值修正模型。

1.3.3序列變換GM（1,1）模型針對波動數據預測精度受限的問題，在原始序列中每一個數據均加上同一常數b，以此來弱化數據波動帶來的影響。通過研究不同b值下衡量指標的變化關系，找出最優b值。其中，衡量指標設定為。

2人機交互實現

本平臺通過MATLAB的圖形用戶界面（GUI）的設計環境來實現人機交互界面設計，設計主要包括GUI界面設計和回調函數的設計，分別對應生成.fig和.m文件。仿真優化平臺界面設計如圖1所示。GUI界面設計通過設置菜單和各個控件，并對其進行位置布置和屬性編輯來實現，在設計好GUI界面之后，編寫菜單和各個控件的回調函數的程序代碼，實現各個控件相應的功能。其中回調函數均采用M語言設計。該平臺設計有多個功能模塊，每個模塊包含多個子程序，結構控制流程如圖2所示。

2.1初始設置模塊該模塊包括模型的設置和基本參數的輸入。在GM（1,1）模型的基礎上，引入了3種GM(1,1)改進模型，便于用戶比較不同模型的仿真計算效果；通過導入功能，可以從指定的EXCEL或WORD中讀取歷史數據作為輸入，有利于進行實時在線預測。

2.2操作模塊該模塊包括仿真、精度檢驗、誤差分析、預測、步長選擇等操作。用戶只需要通過這些操作即可完成對原始數據序列的灰色預測仿真計算。

2.3輸出模塊該模塊負責建模精度檢驗結果和仿真結果的輸出，主要包括預測值、仿真計算過程中的中間反饋參數、曲線對比圖以及誤差分析的輸出等，每項輸出均可獨立顯示。此外，模塊設置有導出功能，可以將每次仿真計算的結果以及相關反饋參數保存至工作目錄下EXCEL或WORD文件中。

3仿真實例

本計算實例根據文獻[9]中的試驗數據，分別取7個采樣時刻，前6個時刻的數據為原始數據，第7個采樣時刻數據用來驗證模型的預測精度。部分試驗數據如表1所示.1）單調數據。如油耗率，模型設置為傳統GM（1,1）模型，平臺仿真計算結果如圖3所示。從圖3可以看出，平臺輸出的模型擬合值為：[182.5183.4726787.4834191.5819195.7699200.0195]；相對誤差為：[01.2274-0.88341-1.08190.13010.65051]；誤差精度“良好”；模型預測值為204.423，與文獻[9]中的預測值為204.4基本吻合，說明了仿真平臺的準確性。相比于文獻[9]的命令窗口操作形式，本平臺操作方便，仿真計算效率更高，同時所有中間反饋信息可以通過導出功能保存至工作目錄下.xls文件中，以便于用戶查詢和后處理。2）波動數據。如增壓器轉速，模型設置為傳統GM（1,1）模型，平臺仿真計算結果如圖4所示。從圖4可以看出，對于波動數據傳統GM（1,1）模型擬合出的序列已經無法準確描述原序列的變化趨勢，因而無法進行準確預測，需要采取改進模型。模型設置改為殘差GM（1,1）模型，不同i值下的模型結果與試驗值對比圖如圖5所示。從圖5可以看出，當i=1時即殘差GM（1,1）1模型能夠反應出增壓器轉速的波動特點，因此宜采用殘差GM(1,1)1模型來對增壓器轉速進行預測，這與文獻[9]中的結論一致，進一步說明了該平臺的準確性。

4結束語

利用MATLABGUI編程環境開發了多功能灰色預測仿真優化平臺，有效避免了灰色預測建模過程中編程以及程序運行的繁瑣，簡化了建模過程，提高了建模仿真的效率；平臺提供多種改進模型選擇，可以有效解決不同特點原始序列的灰色預測仿真及其優化；通過編譯生成的.exe可執行文件可脫離MATLAB單獨運行，便于實際應用。通過實例驗證結果表明，此仿真平臺界面友好，操作方便，具有良好的實用性和交互性。同時本研究在日后的工作中，將為平臺不斷補充更多的GM（1,1）優化模型如全負數據序列GM（1,1）預測模型、基于GourierGM（1,1）模型、GM（1,1）冪模型等，以此豐富模型庫，為用戶的灰色預測建模研究提供更多的方式選擇。

作者：馮洲鵬祖象歡曹瑞國單位：海軍駐興平地區軍事代表室哈爾濱工程大學動力與能源工程學院陜西柴油機重工有限公司