第2章 序列算子与灰色序列生成
指挥控制系统中的信息与信息技术_高楠楠
后援支持中，具有自治性、社会性、响应性及能动性， 在没有人或其他系统软件的直接干预下，可自行操作并 与人或其他智能体相互作用，自主响应环境变化并呈现 目标驱动特性，代替人在特殊环境下的工作，减少人的 不必要伤害。
指挥控制系统设计与建设
指挥控制系统中的信息与信息技术
高楠楠 1，许映秋 1，谈英姿 2
（1.东南大学机械工程学院，江苏南京 210096；2. 东南大学自动化学院，江苏南京 210096）
摘 要：信息是指挥控制系统有效决策的基础性要件，管理和处理信息所采用的各种技术也在飞速发展的同时广 泛应用到指挥控制系统中。信息在指挥控制系统的具体应用一般都要经历采集、传输、处理、显示及辅助决策等 环节，本文通过对这些环节的分析与总结，探讨指挥控制系统中各类信息技术如云计算、大数据分析、数据融合 等的应用，旨在更好地发挥信息对指挥控制的支持作用，建立合适的技术体系。 关键词：指挥控制系统；信息技术；信息需求
0 引言
信息时代，主要是以信息化为主导，普遍采用现 代信息技术，从而充分高效地利用信息资源。指挥控制 系统是指实现指挥与控制功能的系统，信息时代下的信 息技术的迅猛发展和大规模应用，使指挥控制系统逐步 演化为以信息为主导[1]。信息既是一种直接战斗力也是 一种重要的战略资源，是指挥控制系统的先决条件和开 端，直接影响指挥与控制是否有效，因此取得信息优势 尤为重要。国际上现代的指挥控制系统研究始于 20 世 纪 50 年代，至今已应用到工业、国防、商业管理等各 领域，我国对指挥控制系统的研究起步较晚，大概始于 20 世1纪0 70 年代末。较为典型的指挥与控制系统如中国
基于灰色理论的洛阳市负荷预测
［ （ 一 ） ，ｚ ， ） ， １＋）， 】 ，ｚ （）１
公 式（ ） ６
７ ５
生成一阶累加生成序列 ｙ【 １ｙ ） ｙ ） ＝ｙ ） （， （】 （，２ …，ｎ
维普资讯
简记 为
＝Ｂ Ａ
１
—
将所 求得 的 、
） ｙ ２ 】１ ＋．（ ）
基于灰色理论的洛阳市负荷预测
王
［ 摘
婷， 郭
锐
要 ］ 电力负荷预测对于保证 电力工业 的健康发展 ， 乃至整个 国民经济的发展 均有着十分重要 的意义。 众多的 在
预测方法 中。 色关联预测在 国内的研究与应用是 最广 的。文章介 绍灰 色理论并运用灰 色理论对 洛阳市电量进行预测。 灰
原创 的横 断学 科 中 的一个 新 兴 理 论 ，主要 研 究部
由于序列 ｙ ） （ 具有指数增长规律 ， ｋ 而一阶微分
分信息已知 、 部分信息未知的系统 ， 通过对 已知数 方程的解集是指数增长形式 的解 ，因此我们可以 序列满足下述一阶线性微分方程模型 ： 据进行灰色生成寻找系统 中蕴含的内在 规律 ， 然 认为 ｙ ａｙ ＋ 口 Ｙ＝“ 公式 （ ） ２ 后通过灰色关联分析 、 灰色建模 、 灰色预测等 以确 根 据导 数定义 有 定其系统 中未知的部分进而实现对数据 的管理和 ｄｙ ＝ｌ 公式（） ３ 控制等。灰色系统是指部分信息已知 ， 部分信息未 若以离散形式表示 ， 微分项可写成 知的系统 ，信息不完全” “ 是灰的基本含义 ， 一个系
公 式 （７ ）
上述方程组 中， Ｙ 和 Ｂ为已知量 ， Ａ为待定 参数。由于变量只有 ａ ｕ 和 两个 ， 而方程个数却有 公式 （ １ 、 １ ） 公式 （ ２） 为 Ｇ １１ 型 的时 １ 称 Ｍ（，） 模 ｎ １ ， ｎ １ ２ 故 方程 组无 解 。但 可 用最 ｄ， 间响应 函数模型 ， 一 ） 而（一 ） ， 个 ＞ ＇ Ｚ－ 它是 Ｇ （ １ Ｍ１） ， 模型灰色预测的具 乘 法得到 最小二 乘近似 解 。因此公 式 （） 写为 体 计算公 式 ， ７可改 对此 式再 做 累减还 原 ， 原始 数列 的 得 Ｂ廿＋Ｅ 公式 （ ８） 灰 色预测模 型 ｄ 、 ＋１ ＝ ） ＋１ 一 ） ） Ｐ 一１ ＝（～ ） ） Ｐ聂 一 一 式中 Ｅ 一误 差项 。
【国家自然科学基金】_绝对关联度_基金支持热词逐年推荐_【万方软件创新助手】_20140731
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47
科研热词 推荐指数 绝对关联度 2 灰色系统 2 灰色关联分析 2 grey system 2 预测 1 集对分析 1 陶瓷 1 道路工程 1 转型期 1 耦合度 1 耦合关联性 1 绝对灰色关联度 1 磨削加工性 1 相对关联度 1 相似性度量 1 灰色系统理论 1 灰色系统模型 1 灰色理论 1 灰色序列算子 1 灰色关联度 1 灰色关联分析法 1 泛长三角 1 标准区间灰数 1 权重系数 1 旅游业绩效 1 改性沥青 1 指标体系 1 性能指标 1 平行性 1 尾矿库 1 安全评价 1 多元时间序列 1 区间分析 1 主成分分析 1 一般灰数 1 一致性 1 standard interval grey number 1 similarity measure 1 sbs剂量 1 multivariate time series 1 grey system theory 1 grey system models 1 grey sequence operators 1 grey incidence analysis 1 general grey numbers 1 absolute degree of incidencerelative 1 degree of in absolute degree of grey incidences 1
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14
科研热词 灰色绝对关联度 节能政策 缺陷提取 组合评价 管理科学期刊 电力大用户 熵权 灰色关联分析 机器视觉 期刊引证指标 时差性 图像分割 区域生长算法 优先级
非等步长灰色GM(1,1)模型及其建筑物沉降预测中的应用
（ １ ， ２ ， ， ｎ ）： （ （ ）＋ ， ” ２ （ ） （ ） … （ ） ‘ １ ． ” （ ）
（ ） ：— — ｋｄ —
，‘ 一
１－
１
［ 后 （ （ ）＋ ｋ＋１ ）＋… ＋ ｎ ］ （ ）
（） １
十 ， ，‘ ｎ ）＝Ｘ ＋ ， 中 ＝ （ ，２ ２ … ∞（ ）＋ 其 ｌｓ ，
２ ．许 昌职 业技 术 学 院 ， 南 许 昌 河 ４ １０ ） ６００
摘 要 ： 文献 ¨ 非等 步长 灰 色 Ｇ １ １ 模 型 建模 基础 上 ， 出根 据沉 降观 测振 荡序 列 建 立非 等 步 长 在 Ｍ（ ， ） 提
灰 色 Ｇ １ １ 模 型 的改进 方 法 。利 用青 岛 一 高层 建 筑 物 的 沉 降监 测 数 据 ， 据 改进 的非 等 步 长灰 Ｍ（ ， ） 根 色 Ｇ １ １ 模 型对 建 筑物沉 降进行 了预 测和 分析 ， Ｍ（ ， ） 通过 与 改进 前 的模 型预 测 结果 的 比较 分 析 ， 证 验
击 波 的 干 扰 而 失 真 。此 时 系 统 行 为 数 据 已 不 能 正 确
对 于随 机振 荡 序 列 ， 用 的 弱 化 算 子 有 平 均 弱 常
化缓 冲 算 子 （ ＡＷＢ 、加 权 平 均 弱 化 缓 冲 算 子 Ｏ）
的反 映 系统 的真实 变化 规 律 。
设 Ｘ 。 ＝ （ 。（ ） 。（ ） … ，‘ （ ） ‘ １ ，‘ ２ ， 。 ｎ ）为 系
弱化 算 子 ， 反之 则 为强化 算 子 。
１ １ 序 列算 子与 灰 色序 列 生成 ． 对 于 冲击 扰 动 系 统 预 测 ， 型 选 择 理 论 也 将 失 模 去其 应 有 的 功 效 。 因 为 问 题 的症 结 不 在 模 型 的 优 劣， 而是 由于 系 统 行 为数 据 因 系统 本 身 受 到 某 种 冲
基于灰色关联分析和Zernike矩的图像亚像素边缘检测方法
基于灰色关联分析和Zernike矩的图像亚像素边缘检测方法图像边缘的检测质量直接决定后期对图像理解计算的精度。
为了提高图像边缘检测精度，首先采用灰色关联分析算法检测出所有可能的边缘点，实现图像边缘的粗定位。
然后利用Zernike矩算子实现图像边缘的精确定位。
实验结果表明该算法能够有效地检测出图像的边缘信息，提高了图像边缘检测精度。
标签：灰色关联分析；Zernike矩；亚像素引言图像的边缘是图像最重要的特征之一，是图像分割、遥感检测、纹理特征提取等领域分析研究的重要基础。
传统的边缘检测算子精度至多达到像素级。
随着实际应用中对精度要求的不断提高，越来越多的研究者致力于亚像素级算法的研究[2-3]。
文章将灰色关联分析和Zernike矩相结合应用于图像的亚像素边缘检测中，有效提高了边缘检测效果。
1 灰色关联分析方法灰色关联分析是根据序列曲线几何形状的相似程度来判断其联系是否紧密。
利用邓氏关联度的边缘检测方法可分为以下几步：（1）确定参考序列和比较序列为计算方便，对于M×N大小的图像，取值均为1的3×3模板作为参考序列，即：x0=（1，1，1，1，1，1，1，1，1），比较序列由其周围的8个相邻位置的像素来组成，即：xij=（xi-1，j-1，xi-1，j，xi-1，j+1，xi，j-1，xi，j，xi，j+1，xi+1，j-1，xi+1，j，xi+1，j+1）。
（2）计算以各像素点为中心形成的灰色关联度Ror，当计算出来的关联度Ror大于某一给定的阈值？兹时，说明该点与参考数列具有相同的特征，不是边缘点，反之，则是边缘点。
3 图像边缘检测步骤Step1：利用灰色关联分析算法对目标图像边缘进行粗定位；Step2：利用7×7模板[2]{M00，M11，M20}與Step1中检测出的边缘点像素进行卷积运算得到Zernike矩{Z00，Z11，Z20}；Step3：取一像素点，计算边缘角度？准和其他3个边缘参数l、k、h；Step4：设定两阈值l’和k’，如果l？燮l’∩k？叟k’，则该点为边缘点，再根据公式（4）计算图像边缘点的亚像素坐标；Step5：否则返回Step3，取下一像素点继续计算。
区域年最大负荷概率分析与预测
区域年最大负荷概率分析与预测【摘要】区域电网年最大负荷的分析与预测是电网运行与规划的基础。
年最大负荷受多种因素影响，地区性特点强，目前的预测方法较为简单，分析精度不高，且没有针对地区特点的年最大负荷预测方法，本文提出了区域年最大负荷的的概率分析与预测，对年最大负荷概率模型中的均值和均方差分别建立了灰色模型和回归模型作出预测，该模型具有较高的精度。
【关键词】区域年最大负荷概率分析预测1 引言负荷预测是从已知的用电需求和对此有影响的经济、气象等因素情况出发，探索用电负荷与主要影响因素之间的内在联系和发展变化规律，对未来用电需求作出预测。
年最大负荷预测属于中期预测的一种，它对于电网新的发电机组安装与电网增容和改建有着重大的意义。
目前，已经有很多方法用于解决这一预测问题，主要预测方法有：采用时间序列模型预测（趋势移动平均法、指数平滑法、趋势模型外推法、灰色预测法和神经网络法），根据增长率的中位数预测，根据最大负荷利用小时数预测，同时率法和负荷系数法。
以上各方法对负荷进行预测得到的结果都是单一值。
由于年最大负荷受经济、政治、气象、社会生活等诸多因素的影响，且年最大负荷发生的大小带有较强的随机性，单一数值预测的结果精度往往较低。
特别是近年来由于人们生活条件的改善，取暖与降温负荷急剧增加，使得最大负荷的波动性越来越大，随机性越来越强。
因此单一数值的预测模糊性越来越强，精度也越来越满足不了要求，由此人们提出了年最大负荷的概率预测。
本文根据上述预测方法存在的问题与不足、在原有年最大负荷预测技术的基础上，建立了年最大负荷的概率预测模型，得到的负荷预测结果是一个负荷范围，并能给出负荷范围的概率指标，用概率的大小来给出年最大负荷的区间范围，从而使年最大负荷预测值更具参考价值。
2 年最大负荷概率预测模型电力系统的负荷在任一时间的任一时刻，可能是任何值，它是服从随机变量规律的，一般认为是服从正态分布。
本文即在年最大负荷服从正态分布的条件下得出的数学模型，其概率预测模型可表示为：，此式也即为年最大负荷的概率密度函数。
强化缓冲算子序列与m阶算子作用研究
则不论 Ｘ为单调增长、 单调衰减或振荡序列， Ｄ皆
为强化缓冲算子。 推论 ｌ 对于定理 ２ 定义的强化缓冲算子 Ｄ， ｍ阶算子作用序列为
Ｘ ＝ Ｘ （ Ｄ …Ｄ） Ｄ Ｄｌ
公理 ２信息充分利用公理） 系统行为数据 （ 序列 Ｘ中的每一数据ｚ 忌 ， 一 １ ２Ｌ， （） ｋ ， ， 都应充 分地参与算子作用的全过程。 公 理 ３解析化 、 （ 规范化公理） 任意 ｘ ｋ ｄ， （）
维普资讯
第 ２ 卷第 １ ７ 期 ２０ ０ ７年 １ 月
云南 师范 大学 学报
Ｊ ｕ ｎ ｌ ｆ ｎ ａ ｒ ｌ ｉｅｓ ｙ ｏ ｒａ ｏ Ｙｕ ｎ ｎＮｏ ｍａ Ｕｎｖ ｒｉ ｔ
Ｖｏ． ７Ｎｏ １ １２ ．
Ｊｎ ０ ７ ａ ．２ ０
强化缓 冲算 子序 列与 １ 阶算子作 用研 究 Ｔ Ｉ
关叶青 ， 刘 思峰
（ 南京航空航天大学经济与管理学院， 江苏 南京 ２０ １ ） １０６
摘 要： 根据缓冲算子公理化定义， 构造和整合了强化缓冲算子， 证明了多阶强化缓冲算子的计算公
式 ， 比较所构造强化缓冲算子 的缓冲作用 ， 实例验证 了算子 的有效性与实用性 。 并 最后
统行为数据序列 ， Ｘ经过 Ｄ 作用后所得序列记为
ｚ１ ， （） Ｌ，（ ） ， 发展趋势或使数据序列 的振幅变４ｃ ， ， ］文献 ［ ＸＤ 一 （ （） ｘ ２ｄ， ｚ 以 ）称 Ｄ为序列算 。 ９ Ｘ １－ ２分别构造 了一些实用 的弱化缓冲算子 和强 子 ， Ｄ 为算子作用序列 。 ］ 序列算子的作用可以进行多次 ， Ｄ ， ２Ｌ 若 １ ，， Ｄ 化缓冲算子 ， 在理论上研究 了它们的内在关系， 文 埘皆为序列算子， 我们称 Ｄ ２Ｄ １ Ｌ 为 ｍ阶算子， Ｄ 献 ［３说明了二阶强化缓冲算子的实用价值． １］ 本 Ｄ 文在上述工作的基础上 ， 针对强化缓冲算子进行
基于指数加权算子与自适应粒子群优化灰色模型的负荷预测黄元生
Value Engineering 0引言电力系统的任务是给广大用户不间断地提供优质电能，满足各类负荷的需求。
负荷预测是电力系统规划、运行等工作的重要基础，对电力系统的可靠性、经济性和运营管理都起着极重要的作用。
准确的负荷预测结果既可以满足供电质量的要求，又可以很大程度上避免电网建设资金的浪费，从而实现投资的社会效益最大化[1]。
本文首先利用指数加权算子对原始数据序列预处理，然后根据原GM （1,1）模型背景值选取不当的缺点，对原模型进行改进，选择适当的权重而不是简单地选取中间值来予以代替，并结合指数加权权重，作为初始粒子利用自适应粒子群优化算法求解，最终得到预测公式求得预测值。
这样既可避免由于初始条件选择不当所造成的预测误差，又对模型内部进行了优化，使得内外优化两种模式相互结合，从而最大限度地提高灰色GM（1,1）模型的预测精度。
1GM （1,1）预测模型灰色系统理论克服了经典统计分析方法的不足，以“部分信息已知、部分信息未知”的“小样本”、“贫信息”、“不确定性”系统为研究对象，弥补了采用数理统计方法进行分析时的缺点，对样本量的多少和样本有无规律性没有特殊要求。
传统GM（1，1）模型的具体实施步骤如下：①记x (0)为原始数列x (0)=x (0)(1)，x (0)(2)，…，x (0)(n 赞赞)②用一次累加生成数列x (1)=x (1)(1)，x (1)(2)，…，x (1)(n 赞赞)x (1)(k)=ki=1Σx (0)(i 赞赞)（1）③对x (1)序列做一阶线性微分方程模型dx (1)dt+ax (1)=u （2）④确定数据矩阵Yn=BA （3）其中：Yn=x (0)(2)x (0)(3)…x (0)(n ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ)，A=a 赞赞u ，B=-12x (1)(1)+x (1)(2赞赞)1-12x (1)(2)+x (1)(3赞赞)1……-1x (1)(n-1)+x (1)(n 赞赞)ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ1⑤利用最小二乘法求解系数矩阵AA 赞=B T 赞赞B-1B T Yn=a 赞u 赞赞赞（4）⑥将所求得的a 赞，u 赞代回原来的微分方程，解之可得x (1)(t)=x (1)(1)-u赞a赞赞赞e -a 赞t +u赞a赞（5）⑦做累减还原，得原始数列x (0)的灰色预测模型为(0)x 赞(k+1)=(1)x 赞(k+1)-(1)x 赞(k)=1-e a 赞赞赞x (0)(1)-u 赞a赞赞赞e -a 赞k ，k=1，2，…，n （6）2改进灰色预测模型灰色预测方法具有要求样本数据少、不考虑分布规律和变化趋势、预测精度高、可检验性强等优点，因此得到了广泛应用。