时间：2022-10-16 04:55:21
随着计算机技术的蓬勃发展和广泛应用，计算机辅助教学管理也日趋普及。计算机辅助高等教育评估是其中一个比较新的分支，它的出现不仅改善了教育评估方式，而且有力地促进了传统教育评估方法向高效率、高质量和更加准确可靠的方向转变，促进了教育评估系统的改革，推动了教育评估方法的更新。教育评估是高等教育活动中一个非常重要的方面。而建筑工程专业毕业设计(论文)工作则是本科生培养中一个至关重要的环节，做好本科生毕业设计(论文)评估工作，有助于改进建筑工程专业本科生的培养。遗憾的是，多年来对本科生毕业设计(论文)评估工作普遍重视不够，或者虽然重视，却仅仅停留在定性评价的阶段，缺乏准确可靠的评价标准，所有这些都不同程度地影响了本科生毕业设计(论文)工作的质量。在这种情况下，将计算机引人本科生毕业设计(论文）评估活动中来，可以大大改善这种状况。计算机具有存储量大、可连续工作等特点，而且利用计算机处理评估材料，获得评估结果，具有速度快、效率高、结果可靠的特点，只要指标体系建立合理，计算机能不受任何人为因素的干扰，提供给教学管理人员实事求是的结果，成为他们工作中得力的助手。为此，我们开发研制了建筑工程专业毕业设计(论文)计算机辅助评估预测系统（以下简称评估预测系统)。
二、评估预测系统的开发研制
(一）基本原理与方法
如何实现评估过程从定性到定量的转变，是开发研制该系统的关键所在。我们依据高等教育评估的原理，采用模糊综合评价的基本原理和方法，给出了建筑工程专业毕业设计(论文)评估的量化模型，具体步骤如下：
1.建立毕业设计(论文）评估指标体系。一级指标分为教师、学生、选题、客观条件四个方面。各方面再细分则为二级指标，如：教师方面分为准备工作、课堂讲授、出勤率、答疑情况、教学方式、教师职称等六个方面；学生方面分为学习态度、平时成绩、计算书完成情况、图纸完成情况、创新情况、译文完成情况等六个方面；选题方面分为结构类型、课题新颖程度、计算机应用合理程度、题目性质、外文资料、创新性等六个方面；客观条件分为设计教室、绘图仪器及图板、机房及出图设施、每位教师指导学生人数等四个方面。
2. 设立评价等级V，V=1好(VI)，较好(V2)，—般(V3)，较差(V4)|。
3. 构造单因素评判矩阵R，
其中，R中每一个元素rij表示第i个评价因素对第j个评价等级的隶属度。
4. 设立各评价因素权重集A，例：一级指标权重集八=(0_35，0.35，0.15，0_15)，八的取值可根据经验，并依据以往各届毕业设计(论文）评估结果经反复试算确定。
5.计算综合评判矩阵
6.对各级指标体系重复步骤
7.计算测评结果
求得最终评判矩阵B该量化模型针对毕业生总体进行评估，评价毕业生的综合质量，改变了过去仅片面地对个人进行评估的状况。
(二）评估预测系统的计算机开发语言
系统采用流行的Windows人机交互式界面，力争做到界面友好，操作方便。根据本系统的特点和具体要求，我们选用了Windows环境下的VisualBasic5.0可视化编程语言开发本系统。VisualBasic5.0是微软公司开发的功能十分强大而又简单易用的可视化编程环境，编程速度快，界面质量高，是编写Windows应用程序的最佳选择。使用VisualBa¬sic语言开发本系统充分体现了本系统处理数据、信息快捷方便的特点。
(三）评估预测系统的总体结构
在Windows操作系统下安装本系统后，启动系统，进人主菜单，依据界面提示您就可以轻松完成评估工作，系统主框图如下：
三、评估预测系统的优点
1. 量化评估，提前预测，动态管理。该计算机辅助评估预测系统能够对毕业设计(论文)工作方案可能取得的效果进行预测。教学管理人员只要依据该系统的提示输人各项有关毕业设计(论文)工作方案的参数，系统随即能计算出毕业设计(论文)工作的成绩，从而对各项工作方案的结果作出预测。通过反复改变参数——计算成绩，教学管理人员就能够发现各种方案的优缺点，即哪一项安排对毕业设计(论文)工作是有利的，如果实施下去会取得好的工作效果；哪一项安排对毕业设计(论文)工作是不利的，实施下去必将导致毕业设计(论文)工作成绩下滑。这种预测如果安排在毕业设计(论文)工作开始之前，管理者就能有效地对毕业设计(论文)方案进行调整，从而获得满意的效果。我们将99届与往届的工作方案作了一下比较，发现由于老教授退休较多，本次毕业设计年轻教师比例上升，但年轻教师职称偏低，讲师居多，教授、副教授比例严重下降，用该系统初步预测发现毕业设计整体质量将要下滑。根据这个信息，系学术委员会马上采取措施，对年轻教师提出更高要求：指导教师中讲师一级必须具有硕士学历，且应有一定的工程实践经验，在课题选择及指导上必须具有较强的创新性，最后经系学术委员会严格审查后方可上岗。再用本系统预测后发现，毕业设计(论文)工作最终得分并未降低，反而稍有提高。目前，99届毕业设计(论文)工作已经结束，最终得分的确较98届有所提高，与系统预测结果吻合较好。
2. 有效监督，对症下药。毕业设计(论文）工作进行到中期时，系里为了加强对毕业设计(论文）工作的监督管理，一般要求安排一次中期检查。该检查能发现一些问题，但对这些问题造成的结果却很难预知。这样的话，发现缺点往往不能及时纠正，任其发展下去必将导致不良后果。这时，如果用该计算机辅助评估预测系统进行一下“中期评估”，各种问题可能导致的结果将一览无遗，且该系统会帮助教学管理人员清楚地发现各种导致毕业设计(论文）工作成绩偏低的原因，从而有针对性地，高效率地对缺点进行纠正，对优点给予肯定，保证毕业设计(论文)工作顺利进行，最终取得优异成绩。例如，99届某老师所带设计组，由于指导教师出勤率过低，中期检查时系统评估预测该设计小组成绩偏低，系领导马上对指导教师进行了批评教育。由于纠正及时，最终这个小组成绩达到了总体平均成绩。
3.总结校核，公平合理。毕业设计(论文）工作结束后，系里要对指导教师、学生的工作学习成绩进行评定。由于诸多非客观因素的影响，结果往往难以做到公平合理。此时借助该系统对毕业设计(论文)工作的成绩进行校核评估，可使毕业设计(论文)成绩评定1：作更加公平合理。该软件是“诚实的检查官”，只要输入的各项参数正确，系统将实事求是地予以评分，这就摒弃了人为因素的干扰。
关键词 负荷预测 灰色理论 短期 GM（1，1）
中图分类号：TM 文献标识码：A 文章编号：1009-914x（2014）08-01-01
0 前言
电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作。有效地提高负荷预测结果，有利于计划用电管理，有利于机组检修计划和合理安排电网运行方式，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设计划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已经成为实现电力系统管理现代化的重要内容之一。
负荷预测的和心问题是预测的技术方法，或者说是预测的数学模型，随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样的负荷预测方法不断涌现，从经典的单耗法。弹性系数法、共计分析法，到现在的灰色预测法、专家系统法、模糊数学法以及神经网络法、优先组合法和小波分析法，他们都有各自的研究特点和使用条件，不弄清其模型结构和使用范围而盲目地生搬硬套，可能不会取得理想的预测效果，反而事倍功半。
1 电力系统短期负荷
电力负荷预测中经常按时间期限进行分类，通常分为长期、中期、短期和超短期负荷预测[1]。通常长期负荷预测以年为单位，指10年以上的符合预测；中期负荷预测以年为单位，指5年左右的负荷预测。中长期负荷预测母的在于辅助决定新的发电机组的安装与电网规划、增容和改建。
电力短期负荷预测以月为单位的预测，指一年之内以负荷预测；同样可以以周、天、小时为单位的负荷预测，用来预测未来一个月度、一周、一天的负荷情况，并能够预测未来一天24h中每个时间段的负荷情况[2]。意义在于指导燃料供应的计划；提出运行中的电厂出力预告，提前估计发电机组的出力变化；有助于合理安排机组的启停和检修，在一定程度上提高了经济性，降低选择储备容量。
超短期负荷预测指未来1h、0.5h甚至10min的预测。其意义在于能够应用计算机在线控制电网、按预测发电量合理安排运行方式，进而降低发电成本。
2 基于灰色系统理论的模型的负荷预测方法
2.1 GM（l，l）模型建模机理
灰色模型（GREY MODEL，缩写GM）。灰色建模的思想是用原始数据序列作生成数后建立微分方程。由于系统被噪音污染后，所以原始数据序列呈现出离乱的情况，这种离乱的数列是一种灰色过程，对灰色过程建立模型，称为灰色模型[3]。灰色系统理论其所以能够建立微分方程型的模型，是基于下述概念、观点和方法。
（1）灰色理论将随机变量当作是一定范围内变化的灰色变量，将随机过程当作是在一定范围、一定时区内变化的灰色过程。
（2）灰色理论将无规律的原始数据经生成后，使其变为较有规律的生成数列再建模，所以GM模型实际上是生成数列模型。
（3）灰色理论按开集拓扑定义了数列的时间测度，进而定义了信息浓度，定义了灰导数与灰微分方程。
（4）灰色理论通过灰数的不同生成方式，数据的不同取舍以及参差的GM模型来调整、修正、提高精度。
（5）灰色理论模型基于关联度的概念及关联度收敛原理。
（6）灰色GM模型一般采用三种检验，即参差检验、关联度检验、后验差检验。参差检验是按点检验，关联度检验是建立的模型与指定函数之间近似性的检验，后验差检验是参差分布随机特性的检验。
（7）对于高阶系统建模，灰色理论是通过GM（1，N）模型解决的。
（8）GM模型所得数据必须经过逆生成作还原后才能使用。
2.2 GM（l，1）模型描述及建立
5 结论
1. 通过灰色模式GM（1，1）成功预测出黑龙江电网未来24h的电力负荷情况，并通过matlab绘制出其负荷曲线
2. 在电力系统灰色负荷预测中的应用结果表明，这一方法在提高灰色系统建模精度方面有相当的优越性，预测结果比常规灰色模型有很大的改善。
参考文献
[1] 赵希正.中国电力负荷特性分析与预测.中国电力出版社，2002.
[2] 陈志业，牛东晓，张英怀 等.电网短期负荷预测的研究.中国电机工程学报1995，15（l）：30-35.
[3]康重庆等.灰色系统参数估计与不良数据辨识.清华大学学报，Vol.37.No.4：72～75.
【关键词】交通安全;灰色马尔可夫;安全预测;模型
1灰色马尔可夫系统理论
灰色系统是部分信息不充分、不完全的系统，灰色系统理论即在部分已知数据的基础上，通过开发、分析获取有价值的信息，以完成对系统行为的控制以及优化。马尔可夫预测理论则相对适用于数据序列随机波动性较大的问题，考虑道路交通事故预测其呈现非平稳随机变化过程，因而可以利用马尔可夫理论进行事故的预测，且可以将灰色系统理论以及马尔可夫理论相结合来进一步提升模型的预测可靠性：灰色系统理论可对道路交通安全时序变化趋势进行预测，而马尔可夫理论则可用于转移概率的确定。马尔可夫理论对于随机的动态系统的评估依据是系统状态间的转移矩阵，通过转移概率反映的状态间的转换规律来对系统发展进行评估预测。
马尔可夫随机过程理论将系统将来所处的状态归根于系统现在所处状态：假设对于随机过程M（t），过程中t0时刻状态已知，则系统后续过程的状态均只与t0时刻状态有关，因此马尔可夫理论具有较强的无后效性。
马尔可夫理论中，状态转移概率指的是系统的发展过程中，从某一状态至另一状态转变的可能性。若在系统发展过程中可出现n个可能状态，记作M1、M2、M3、…、Mn，则系统状态转移概率即指系统从任一状态Mi出发转移至下一状态Mj的概率，记作Pij，若经k步转移至Mj，则其转移概率可记作Pij（k），此时与初始时刻无关，对于状态转移概率矩阵的计算通常采用频率近似概率的思想进行。
灰色马尔可夫预测模型结合了灰色理论以及马尔可夫理论的各自优势，做到优势互补，能够提升对于过程分析的预测精度。其模型预测流程图如下图1所示，模型的基本思想：首先基于GM（1， 1）模型算得原始序列M合值及残差（相对值），然后对于得到的残差序列进行状态划分，计算状态转移概率，得到残差相对值序列中分别对应的状态，并在此基础上，建立灰色马尔可夫预测模型进行预测。
图1 灰色马尔可夫预测模型流程图
2道路交通事故灰色马尔可夫预测模型
2.1建立道路交通事故GM（1， 1）模型
考虑到交通事故发生的随机性以及不确定性，因此交通事故各项数据也具有极强的随机性，可采用累加或累减的统计方法进行初始数据的处理，寻找其数据内部规律。假设t序列的交通数据原始序列为x（0），则{x（0）（k）}=
{x（0）（1）、x（0）（2）、…x（0）（n）}，对于原始数据序列进行累加统计处理，可得到如下数据序列：
然后在处理数据的基础上，进行建模计算：首先建立灰色预测模型的微分方程
微分方程中系数a、b依据最小二乘法确定。对于上述微分方程进行求解，可获得相应系数，对其还原处理，得到：
文章对于近10年间我国道路交通事故10万人口死亡率作为分析研究对象，在获取原始数据序列的基础上，通过最小二乘算法计算道路交通事故GM（1， 1）模型中的a及b，算得a=-0.04，b=3.89，将数据分别代入上式，计算得：
2.2状态划分
状态划分需依据实际系统进行数据序列的合理划分，传统分析方法如均值―均方差分级法等对于数据序列的数据量要求较大，目前应用的方法包括样本均方差法以及聚类分析法，这两种方法较符合统计建模特性。在实际应用过程中，对于分析数据较少的情况可采用离差平方和法，对其类间评价分析可利用欧式平方距离的方式，相较于传统分析方法更为可靠、高效。
根据本实例所选取的研究对象：近10年间我国道路交通事故10万人口死亡率，采用层次聚类法进行状态划分，划分依据为实际量与拟合量的相对百分比值，得到的划分结果如下表（见表1）所示：
表1 道路交通事故10万人口死亡率状态划分表
状态编号 M1 M2 M3
实际量与拟合量的相对百分比值 0.89―0.97 0.97―1.06 1.06―1.15
2.3状态转移概率计算
在状态划分的基础上，计算状态转移概率矩阵：
2.4道路交通事故灰色马尔可夫预测
依据所得状态转移矩阵，即可进行道路交通事故的预测，同样以道路交通事故死亡人数为例，对于道路交通事故的灰色马尔可夫预测模型的预测精度进行检测。依据我国道路交通事故所致死亡人数的逐年统计表，对于未来几年的道路交通事故所造成的死亡人数进行预测，首先需依据状态划分确定待预测的时间处于何种状态，并依据状态转移概率的确定方法，对于状态转移概率矩阵进行分析研究，在确定好转移时长的基础上，可预测特定时间内的道路交通事故导致的死亡人数。通过对比发现，灰色马尔可夫模型对于道路交通事故预测的精度以及可靠性均优于GM模型。
3结论与展望
灰色模型以及马尔可夫模型均有其各自的特点，实际应用过程中均有其局限性。本文在对道路交通事故发生的预测过程中，将二者有机地结合起来，做到优势互补，使得优化后的分析数学模型更符合客观实际，并且实际预测应用中也发现，灰色马尔可夫模型的应用可体现预测对象的实际波动特性;
道路交通事故为白色信息与黑色信息的统一体，考虑其系统的复杂性以及不确定性，可应用灰色理论进行分析研究，但此类分析方式仅适用于简单、短期系统预测，而对于长期的事故预测需考虑事故的波动因素，因此，作为一种有效的建模分析方式，灰色马尔可夫模型对于事故的预测以及安全管理工作开展具有现实意义。
关键词：股票超额收益率；本外检验；宏观经济变量
中图分类号：F83 文献标识码：A
收录日期：2013年1月2日
一、文献综述
学术界一直十分关注股票收益率可预测性的研究，但对于股票价格能否被预测还没有达成共识（Goyal和Welch，2007；Campbell和Thompson，2008）。在早期研究中，学者们常常关注股价本身及交易量对股价的预测能力，后来这种局限逐渐被打破。1934年，Graham和Dodd提出了高价值比率（valuation ratio）的概念；Sharpe（1964）、Lintner（1965）和Black（1972）提出了经典的CAPM模型，试图用市场风险解释资产的期望收益率的变化。上世纪八十年代以后，其他解释变量也陆续被找到，如股息率、股息支付率、市盈率等。另外，学者们也发现了许多宏观变量对股票超额收益率的预测能力。Campbell（1987）、Fama和French（1989）发现了股票收益率与短期、长期的国债利率的相关关系；Ramin和Tiong（2000）通过对新加坡股票市场的研究，发现利率和汇率对股票收益率具有显著的影响；David（2001）利用三个月国债利率、十二个月国债利率、失业率、工业生产指数、消费者物价指数等对S&P500的月收益率进行研究，发现十二个月国债利率和失业率具有显著的预测能力；David、Mark和Jesper（2005）考察了九个宏观变量对十二个国家的股票收益率的预测能力，结果发现利率的预测能力最可靠。
我国学术界关于股票收益预测性的研究早期围绕着股票市场假说和随机漫步理论（俞乔，1994；宋颂兴等，1995；吴世农，1995），后期一些学者重点研究了CAPM模型以及FF三因子模型，如杨朝军等（1998）、陈小悦等（2000）、杨炘等（2003）。在研究宏观变量与股票收益率的相关性方面，刘金泉等（2004）、肖才林（2006）等认为我国股票收益率与通货膨胀率之间存在负相关关系；韩学红等（2008）详细的论述了通货膨胀率和股票收益率的相关性，认为二者的关系从经济学理论上来说是不确定的，实证检测中在不同的样本区间二者之间的相关性正负也不同；郭田勇（2006）分析研究了股价波动对货币政策的影响；孙华妤和马跃（2003）利用VAR模型分析了股价与GDP、CPI之间的关系，发现货币供应量对股市的作用不大；晏艳阳等（2004）研究了股票价格与债券、出口、国内信贷即短期利率之间的长期协整关系；孙洪庆等（2009）检验了中国股票价格与GDP、工业生产值、个人消费支出、国内固定资产投资、CPI以及货币供应量的协整关系，发现中国股票价格是反经济周期的，但是股票价格与货币供应量之间有相对较强的协整关系。
传统的研究预测方法主要依赖于样本内的回归模型中相关系数的t检验和R2值，然而这种方法本身具有小样本偏误问题和数据重叠问题，会导致虚假的回归结果。近年来，多数学者倾向认为样本外股票报酬预测能力的证据比样本内的证据更可靠，因此纷纷利用样本外（out-of-sample）检验方法来检验预测能力。姜富伟等（2011）采用了这一方法，并对12个经济变量的股票收益预测能力进行了检验，发现样本外检验中所有的行业投资组合都具有很强的可预测性，但是不同成分投资组合的可预测性存在显著差异。
本文遵循国际上的惯例，从样本内和样本外来共同检验中国股票市场超额回报率的可预测性；选择的宏观变量也是研究领域被广泛认可与股票收益率密切相关的，包括消费者价格指数（CPI）、工业生产物价指数（PPI）和先行指数（LI）。参考Campbell和Tompson（2008），本文采用的两个统计指标分别为累计预测误差平方差曲线（cumulative squared prediction error，CSPE）和样本外R2，同时也根据统计指标R2对投资组合的构建提出了一定的意见。本文接下来的结构为：第二部分介绍数据的来源以及各种变量的构成；第三部分主要围绕样本内外检验，并对统计指标R2的投资学意义进行了详细的探讨；第四部分是结论。
二、数据来源与构建
根据数据的可获得性，本文样本覆盖的时间段是2001.1～2012.10。在将数据进行简单处理之后，有效的样本空间为2001.2～2012.8。被解释变量为股票超额收益率，即股票市场回报率与同期的短期无风险利率之差。
股票收益率：本文从Wind数据库获取了两种指数的月度数据——上证综指和深证成指，据此计算出月收益率，然后将无风险利率从月收益率中剔除。
无风险利率：本文采用银行间隔夜拆借利率作为无风险利率的替代变量，数据来自中经网数据库。
在解释变量方面，本文选取了消费者价格指数、工业生产物价指数、先行指数等三个宏观变量。原始数据均来自中经网数据库，后经过简单计算获得这三个变量的月度变化数据。根据目前文献的研究结果，消费者物价指数与股票收益率的关系不确定（韩学红等，2008），所以本文的目的是利用新的研究样本和计量方法对二者的关系进一步检验；工业生产指数和先行指标都反映了整体经济情况，因而应与股票超额收益率呈正相关关系，所以本文也预期这两个解释变量的相关系数为正。表1显示的是股票超额收益率、消费者价格指数、工业生产物价指数、先行指数的统计特征值。（表1）
三、实证检验
（一）全样本检验。本文采用简单线性回归模型：
yt+1=？琢+？茁·xt+ut+1 （1）
其中，yt+1是股票在t+1时刻的超额收益率，xt是某一被认为具有预测能力的宏观经济变量，ut+1是残差。
xt的预测能力由对应的■的t值和R2值决定。零假设是？茁=0，即宏观经济变量没有预测能力，超额收益期望是常数；消费者物价指数的备择假设为？茁≠0，工业生产物价指数和现行指数采用单边假设？茁>0。检验结果如表2所示。（表2）
由表2的结果可以看出，在全样本范围内，深圳成指和上证综指的超额回报率均与消费者价格指数和工业生产物价指数均呈负相关关系，但是相关系数并不显著；深圳成指和上证综指的超额回报率均与先行指标具有显著的正相关关系，与预期相符。
（二）样本内估计。本部分和下一部分将检验各个宏观经济变量对股票超额收益率的样本内和样本外的预测能力。首先将整个样本分为样本内和样本外两部分如图1所示，样本内覆盖前60个数据（2001.2～2006.1），用来估计宏观经济变量和股票市场超额回报率的相关系数；样本外覆盖剩下的79个数据（2006.2～2012.8），用来评价宏观经济变量对股票市场超额收益率的预测能力。然后，在保持全样本不变的情况下，将样本内的数据向前推进一期、样本外数据减少一期，即样本内覆盖前61个数据（2001.2～2006.2），样本外包括之后的78个数据（2006.3～2012.8）。同样，样本内的数据用来估计解释变量的相关系数，而样本外的数据用来评价该解释变量的预测能力。以此类推，如图1所示。（图1）
（三）样本外预测。如上一部分所述，本文利用滚动法（rolling）预测股票超额回报率。根据公式■■=■■+■■x■（其中的相关系数■■和■■均来自样本内的估计结果），可以得到股票超额回报率的预测值■■，从而计算出预测误差■■=y■-■■。另外计算样本内时间段的股票超额收益率的历史平均值■■，从而计算出预测误差■■=y■-■■，那么，■■、■■的初始值分别是■■、■■。注意历史平均值■■表示的是如果宏观经济变量不具有解释或预测能力时未来股票超额收益率的估计值，所以如果■■大于■■，则表明历史平均值的估计优于利用宏观经济变量的估计，即说明宏观经济变量不具备解释或预测股票超额收益率的能力。
获得了■■和■■的数据序列之后，本文计算了两个常用的统计值来检验各个宏观经济变量的样本外预测能力。一个是累计预测误差平方差曲线（cumulative squared prediction error，CSPE）：
CSPE■=∑■■■■■-∑■■■■■ （2）
随着时间的变化，CSPE曲线可以上升，也可以下降。CSPE曲线的上升意味着宏观经济变量预测能力的提高；如果CSPE曲线一直在x轴上方，则对应的宏观经济变量具有很强的预测能力。从图2可以看出，对于上证综指，消费者价格指数和先行指数在2008年中期以后都一直具有正的CSPE值，而且先行指数的CSPE曲线趋势是不断上升的，所以消费者价格指数和先行指标都具有很强的预测能力；对于深证成指，消费者价格指数不能一直保持在x轴上方，而工业生产物价指数和先行指数分别在2009年初和2008年中期以后都相应的具有正的CSPE，而且先行指数的CSPE曲线趋势不断上升，所以工业生产物价指数和先行指数对深圳成指具备很强的预测能力。（图2）
另一个统计检验值是仿照传统的（样本内）R■构建样本外R■■：
R■■=1-■ （3）
如果R■■是正的，则通过宏观经济变量来预测的股票超额回报率的预测误差小于仅根据历史平均超额收益得到的预测值的预测误差，说明宏观经济变量具备解释或预测股票超额收益率的能力。从表3可以看出，对于深圳成指来说，只有先行指数的R■■为正，说明只有先行指标对其具有预测能力；对于上证综指，消费者价格指数和先行指标的R■■均为正，意味着消费者价格指数和先行指标都对其具有预测能力。
对比两个统计指标的结果，消费者价格指数和先行指数对于深圳成指和上证综指的预测能力的结果是一致的：x轴上方的CSPE曲线对应了正的R■■，如果CSPE曲线不能保持在x轴上方，对应的R■■也为负。但是工业生产物价指数虽然在2009年之后保持了正的CSPE，R■■却为负，这说明工业生产物价指数综合的样本外预测能力不强。（表3）
（四）对R2的讨论。从本文的表2和表3都可以发现R2统计值非常小，Campbell和Tompson（2008）也发现了类似的结果。从统计学角度来看，这样小的R2值是没有意义的，但是从经济学角度可以发现这些很小的R2对投资组合的选择依然具有很大的指导价值。
根据Campbell和Tompson（2008）的推导可知，如果投资者没有利用某个宏观经济变量（如xt）预测，那么他选择的投资组合的超额回报率的期望就是：
■■■ （4）
其中，？酌是投资者的风险厌恶相对系数（coefficient of relative risk aversion），？滋是历史平均收益率，？滓■■和？滓■■分别是宏观经济变量和某一随机变量（random shock，？着）的方差，S是夏普比率（Sharpe ratio）。
如果投资者利用该宏观经济变量预测，则他选择的投资组合的超额回报率的期望就是：
■■■■ （5）
注意等式左边的分母是？滓■■而不再是？滓■■+？滓■■，这是因为投资者现在利用宏观经济变量做预测了，所以宏观经济变量的变动不会再对整个投资组合的风险产生影响。
这两个超额回报率的期望的差是■■1+S■，所以通过利用宏观变量来预测使得超额回报率提高的比例是■■，这个值永远大于R■/S■，并当投资时间跨度很小而且R■和S■都很小的时候接近于R■/S■。这个结果说明，当评价R■的大小时，应当将R■与夏普比率方S■进行比较。如果R■大于S■，那么投资者就可以利用宏观经济变量的信息使得投资组合的超额回报率提高。
从Wind数据库可以得到2006.2～2012.8期间，上证综指的S■的均值是6.55%，深圳成指的S■的均值是0.047%。将表3的数据和S■进行比较可知，先行指数对于深圳成指R■均大于对应的S■，但是消费者价格指数和工业生产物价指数的R■均小于S■。这说明只有通过先行指数进行的预测对于投资组合的超额回报率的提高有显著的影响。
四、结论
本文研究了消费者价格指数、工业生产物价指数和先行指数等宏观经济变量对股票超额收益率的预测能力。尽管目前对我国物价水平（通货膨胀率）与股票收益率的相关关系的研究并没有什么定论，但是本文的结果显示从2001年2月至2012年8月期间，消费者价格指数与下一期的股票超额收益率呈负相关关系，即物价水平越高，下一期的股票收益率越低，这个结果和多数研究的结论保持一致。股票超额收益率随着上一期的先行指数的增减而增减，这符合预期和经济学理论。工业生产物价指数与股票超额收益率的相关系数为负，与之前的预期矛盾，但这个结果似乎符合我国实体经济与股票市场常常“背道而驰”的现状，这一结果和现状值得在以后的研究中进一步讨论。
为了获得更可靠的结果，根据现存许多国内外文献的研究办法，本文从样本内和样本外同时检验了股票市场超额回报率的可预测性，样本外统计值利用的是累计预测误差平方差曲线（CSPE）和样本外R2。结果显示先行指数对于上证综指和深圳成指都具有很强的预测能力，消费者价格指数仅对上证综指具有预测能力，而工业生产物价指数对两个股票市场指数都不具备长期稳定的预测能力。这一结果与全样本回归的结果并不矛盾，即先行指数的预测能力很强，消费者价格指数的预测性稍差，但是工业生产物价指数却并没有如预期的那样能够预测下一期的股票超额回报率。另外，通过对样本外的深入研究可以发现，利用先行指标进行投资理论上可以很好地提高股票超额收益率。
主要参考文献：
[1]周爱民.股市可预测性与技术指标协整性的模型检验[J].数理统计与管理，1999.19.
[2]李锐，向书坚.非平稳条件下的市场可预测性问题研究[J].数量经济技术经济研究，2008.9.
[3]杨炘，陈展辉.中国股市三因子资产定价模型实证研究[J].数量经济技术经济研究，2003.12.
[4]陈小悦，孙爱军.CAPM在中国股市的有效性研究[J].北京大学学报，2000.4.
[5]韩学红，郑妍妍，伍超明.对我国股票收益率与通货膨胀率关系的解释：1992-2007[J].金融研究，2008.4.
[6]郭田勇.资产价格、通货膨胀与中国货币政策体系的完善[J].金融研究，2006.10.
[7]孙华妤，马跃.中国货币政策与股票市场的关系探索[J].经济研究，2003.7.
[8]晏艳阳，李志，许均平.中国股市波动与宏观经济因素波动间的协整关系研究[J].统计研究，2004.4.
[9]孙洪庆，邓瑛.股票价格、宏观经济变量与货币政策——对中国金融市场的协整分析[J].经济评论，2009.4.
[10]姜富伟，凃俊，David E.Rapach、Jack K.Strauss，周国富.中国股票市场可预测性的实证研究[J].金融研究，2011.9.
为增强海上交通运输安全，运用灰色系统理论中的加权灰色关联分析和预测的基本原理，改进关联系数的计算方法，并考虑各序列因子在不同点处的权重差异，对辽宁水域2007―2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵，根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比，验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型，并对该水域的交通形势进行预测，同时将预测模型结果与实际数据相比较，得到模型预测精度，证明该模型合理、可靠，可以为海上交通事故的预防提供指导和借鉴.
关键词：
海上交通事故； 灰色理论； 加权灰色关联理论； GM（1，1）预测模型； 辽宁水域
中图分类号： U698.6
文献标志码：
0 引 言
作为东北亚经济圈的中心地带，辽宁水域成为该地区经济的重要增长源.辽宁水域包括大连海区、营口海区、丹东海区、锦州海区、葫芦岛海区和庄河海区，水域宽广，港阔水深，地理条件十分优越.然而部分水域水文条件复杂，气象环境恶劣，航道淤浅，致使海上交通事故频发，给当地经济发展带来了一定的负面影响.因此，需对该水域的海上交通事故进行分析，找出其主要致因并进行预测，为预防海上交通事故提供借鉴.然而，海上交通事故成因复杂，涉及因素众多，各因素间缺乏明确的内在联系，为克服以上问题，用灰色系统理论对该区的交通事故进行分析预测，弥补传统分析方法的不足[1].
1 加权灰色关联和预测的基本原理
1.1 传统灰色关联理论
1.2 加权灰色关联基本原理
1.3 灰色GM（1，1）预测模型
1.4 灰色GM（1，1）预测模型的检验
2 辽宁水域海上交通事故致因的加权关联分析
2.1 事故总数与事故类型的关联分析
从得到的计算结果可以看出，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>触碰>搁浅>其他>火灾/爆炸>自沉>操作污染>浪损>触礁>风灾，与直观分析的结果相一致.碰撞仍是引起海上交通事故的主要根源；触碰、搁浅其次；火灾/爆炸与事故总数的关联度较弱；自沉、操作污染、浪损和触礁等与事故总数的关联度更小.由此可见，人为因素是引起该水域碰撞、触碰、搁浅等海上交通事故的主要致因.
根据传统的灰色关联理论，由式（1）和（2）计算得出辽宁水域2007―2013年事故总数与碰撞、搁浅等事故类型的灰色关联度γ′i（i=1，2，…，10）为
从上述计算结果可知，辽宁水域海上交通事故类型与事故总数关联度的密切顺序为碰撞>搁浅>触损>自沉=其他>火灾/爆炸>操作污染>触礁>浪损=风灾.
对比这两种计算方法得出的结果，并结合表2的统计数据，可以看出加权灰色关联理论得出的排序结果与事故统计数据更加吻合，且排序层次更加清晰.这是因为传统的灰色关联理论并没有考虑各因子的权重差异，将各因子按照等权重处理.实际上，各序列因子在整体数据系统不同点处的权重是不同的，各点关联系数相对于其平均值的波动对关联度有一定影响.
2.2 事故总数与月份的关联分析
从上面的关联度矩阵和图1可以看出，5月份与事故总数的关联度最大.3―5月份和11，12月份与事故总数的关联度均较大.根据图中折线可知该水域交通事故数随时间的走势：从1月开始事故数量开始增加，直到4，5月份达到高峰，接着开始减少，到8，9月份出现转折，事故多发，10月份后又出现一次高峰（11月份）.分析该水域的水文气象条件可知，影响该水域的天气系统主要有冷高压或寒潮、锋面气旋和强对流天气系统.11，12月主要受冷高压影响，风力强劲，以偏北风为主.3，4月是寒潮活动的高发期，此时季节交替，天气系统发生转变，风力转强.3―5月为辽宁水域海雾的多发季节，多为平流雾，影响范围大，持续时间长，能见度差[9].受以上气象要素的影响，该时段内船舶事故多发，这与量化的结果相一致.
3 辽宁水域海上交通事故的加权灰色预测
通事故总数走势.从图中可以看出辽宁水域未来两年发生的事故总数呈上涨趋势，但波动不大，大致维持稳定.
4 结束语
本文运用加权灰色关联分析原理和GM（1，1）预测模型对辽宁水域海上交通事故进行了定量的分析.根据分析结果可知，人为因素是引起碰撞、触碰和搁浅等事故的主要因素，且事故的发生与当地不同时间的水文气象要素有很大的联系.根据建立的事故预测模型可以判断辽宁水域未来几年的交通事故数量大致维持稳定，并稍有上涨的趋势.因此，有关海事部门所面临的交通安全形势依然严峻，应做好海损事故的预防工作[1011].
灰色系统理论作为一种关联和预测分析方法，对样本数量较少，且数据间无明显规律的系统具有良好的适用效果.引入加权灰色关联理论，优化关联系数的计算方法，或采用残差模型进行修正可进一步提高其预测精度[12-14].由本文的计算结果可以看出，加权灰色关联模型在海上交通事故关联分析方面具有更高的准确性和可靠性，分析层次更加清晰，考虑因素更加全面.在事故预测方面，模型约有5%～10%的精度误差，实际运用中应在预测结果的基础之上添加5%～10%的上下浮动数据，以便更好地分析和应对海上交通事故.加权灰色关联理论在处理海上交通事故方面具有良好的适用性和可靠性，且有较高的预测精度[15]，能够作为一种海上交通事故分析方法，为海事事故分析与预防提供一种途径.
参考文献：
[1]赵江平， 丁佳丽. 基于小波分析的灰色GM（1，1）模型道路交通事故预测[J]. 数学的实践与认识， 2015， 45（12）： 119124.
[2]邓聚龙. 灰色系统的基本方法[M]. 武汉： 华中理工大学出版社， 1987： 4097.
[3]杨金花， 杨艺. 基于灰色模型的上海港集装箱吞吐量预测[J]. 上海海事大学学报， 2014， 35（2）： 2832.
[4]王祺， 王志明. 马尔可夫灰模型的海上交通事故预测[J]. 中国航海， 2013， 36（4）： 119122.
[5]郝庆龙， 戴冉， 梁凯琳， 等. 基于加权灰色系统的宁波海上交通事故致因和预测[J]. 大连海事大学学报， 2013， 39（4）： 3537.
[6]赵永， 李为民， 刘彬， 等. 基于改进灰色关联法的高超声速目标威胁评估模型[J]. 探测与控制学报， 2015， 36（5）： 8085.
[7]FEI Su， ZENG Chuandong， BAGEN Chaolun. An application of optimal SCGM（1，1）Markov Model for simulation and prediction on indexes of watersaving[C]//The Third International Conference on Information and Computing. Wuxi， Jiangsu： ICIC， 2010： 172176.
[8]彭波. 大连辖区海上交通事故研究[D].
大连： 大连海事大学， 2013.
关键词：苏里格；灰色系统理论；生产动态
中图分类号：TP274 文献标识码：A
1国内外研究现状
灰色系统理论（Grey System Theory）的创立源于20世纪80年代。邓聚龙教授在1981年上海中-美控制系统学术会议上所作的“含未知数系统的控制问题”的学术报告中首次使用了“灰色系统”一词。灰色系统理论经过20年的发展，现已基本建立起一门新兴学科的结构体系。其主要内容包括以灰色代数系统、灰色方程、灰色矩阵等为基础的理论体系，以灰色序列生成为基础的方法体系，以灰色关联空间为依托的分析体系，以灰色模型（GM）为核心的模型体系，以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系。
2灰色预测GM（1，1）模型的原理
灰色预测模型建立是以微分方程来描述系统内部动态过程，并通过对原始数据生成处理而减弱其随机性，即在生成过程中，不是寻求概率统计规律，而是强化对灰色序列间有用信息的利用率，将原序列转化成易建模的新序列，再用典型曲线拟合建立系统的微分动态模型，最后对依照新序列所建模型作还原生成（递生）处理，即得到原序列的灰色预测模型。按照已知数列所建的模型，从时间发展来看，具有某种规律性和时间外推性，因此这种模型能用来预测。用数学语言讲，就是给定x，…，的条件下，求出+1的条件期望值（即预测值）。
对于一个油田（或气田），当产量进入递减阶段时，其产量的递减规律一般比较复杂。有时在历史数据拟合和未来预测上偏差较大，若采用基于灰色系统理论而建立的GM（1，1）模型常能够提高历史拟合精度和动态预测精度。
设油（气）田的产量数据序列为：
或={|=1，2，…，n} （1）
对应的一次累加生成数据序列应为：
=1，2，…，n （2）
亦即
（3）
相应的GM（1，1）模型形式为：
（4）
油气田产量递减的GM（1，1）预测模型的导出记估计量
（5）
便有（6）
其中
B=（7）
（8）
由（6）式可以求解待定系数a，u值，代入（4）式中得GM（1，1）模型（4）式的解：
（9）
其离散后的预测公式模型：
（10）
然后再作一次累减生成数据序列，就获得相应的产量预测值：
（11）
3灰色预测GM（1，1）模型及应用
以27-36为例，下面介绍其详细计算过程。
利用Excel处理数据，可以计算出：
得a=0.03，u=73.16。
将a，u值代入公式
可以得到：
利用该公式就能计算出预测的累积产量，再利用公式
计算出预测的月产量。
对计算出的预测月产量和实际的月产量作出产量拟合图，如图1所示。
第2个月与第3个月的预测产量与实际相差较大，原因是前3个月的实际月产量数据是离散的，不满足递减规律，而其它实际月产量和预测月产量数据点的拟合度较高，所以忽略前三个月的误差分析，因此在对27-36井实际月产量和预测月产量的误差分析中最大绝对误差为9.28%，最大相对误差为0.64%，最小绝对误差为3%，最小相对误差为0。
结语
本论文利用灰色系统理论对苏里格气田的低产气井27-36建立预测模型，利用Excel对所建立的预测模型进行数据处理就可以计算出预测参数，再通过预测参数就可以计算出预测月产量，和实际月产量数据作产量拟合图可以发现两个数据拟合度高，误差小。从而就可以对低产气井进行未来产量的预测，可以提出将其合理利用的方案。其计算模型简单、所需样本少、计算量小，计算结果客观合理，便于实现电算化，有较高的预测效能和较好的实际应用价值和效果。
关键词：大城市，中小城市，市政给排水规划与设计，给水系统，排水系统，循环水系统
市政给排水工程规划与设计是一个系统工程，分为给水系统、排水系统和循环水系统3个子系统。免费论文，给水系统。市政给排水规划与设计是城市基础规划与设计的重要组成部分，关系着城市给水管网新建、扩建、改建工程管网优化；关系着城市地面水的排除，而城市污水的处理是使水资源得以良性循环的基础，对居民居住环境有十分重要的意义，排水系统是水循环中水质和水量的连接点，再生水利用是水循环中质与量的桥梁，污水资源化，污水的再生和利用既提高了水的利用率，又有效的保护了水环境，有利于城市水资源系统健康、良性的循环。通过先进的计算机辅助系统平台，解决城市给排水系统的规划与设计势在必行。
一、城市给排水系统规划与设计的主要内容
城市给水规划的主要内容有：市政给水范围的划定，市政给水量的预测等规划内容；而城市给水设计的主要内容有：给水厂，给水泵房，给水管网及阀门井，计量设备等设计内容。
城市排水规划的主要摘要的设备等设计内容。
二、城市给排水系统规划与设计存在的问题
城市给排水系统规划与设计存在的问题有：
①市政给水工程规划科学依据不足，城市水系统规划的基础性工作主要包括各类指标、标准、基础数据和分析工具，其中水量预测和水平衡分析是核心工作。目前，我国的水量预测工作主要是参照《城市给水工程规划规范》(GB50282-98)中有关规定，但我国不论在国家还是在区域层次上都缺乏对用水工艺、各种用水器具和用水行为的详实系统监测，缺乏对新型用水技术替代规律和扩散规律的基础研究，缺乏对多种信息的综合性和结构性分析。
②排水体制规划还比较混乱，虽然目前绝大部分城市的排水体制分别由环保局、市政工程管理处、水利局等不同部门管理，由于部门间沟通不够，加之相关的法律法规不够健全，对排水设施存在的问题和发生的新问题都不能及时解决。另外传统的防洪和排水设施设计中，强调采用分流体制将雨水、污水尽快排出城市，而忽视了城市径流面源污染的控制和雨水资源的利用。随着流域整体水质的改善，城市随机性的暴雨径流和突发事件引起的对水体生态系统的冲击，也成为流域污染控制的主要内容。免费论文，给水系统。
③传统的给排水专业不能满足市场需要，由于城市给排水规划与设计技术参数多，不定因素多，且由于城市发展新增交叉学科的特点，这使城市排水规划难度大大增加，而从传统的给排水专业毕业学生，因为受知识的限制，而不能从宏观的分析论证，不适应城市发展新增加规划多学科、多层次的分析论证要求，不能满足城市给排水规划与设计的需要。
④市政排水工程规划滞后，而市政道路给排水设计过程中，给排水处于配合地位，影响了城市给排水规划科学化发展。往往出现道路要求快速建设，造成排水工程规划没有编制，一些排水工程不能与道路工程同期施工，有的虽然设计完成，而排水规划由于相关原因需要修改，许多工程项目未能按照规划建设，规划的指导意义也没有得到真正的体现，造成工程需要再次改造。
三、城市给排水系统规划与设计解决的措施
城市给排水系统规划与设计解决的措施有：
①城市水系统需要与城市规划相协调，城市水系统规划是针对一定时期内城市的水源、给水、排水、污水处理等子系及各个要素的综合布置。城市用水规划的总量平衡非常重要，必须优化组合各种可行的节水、回用水等方案。免费论文，给水系统。要做到这些，首先要了解城市水利用规划，内容应包括：地面水、地下水、雨水和海水等水资源平衡；给水、排水和污水再生利用等总量的平衡；给水节水规划和污水处理与再生利用规划；水的生态循环规划；各类水工程设施的规模和布局等。免费论文，给水系统。对于当前我国的城市水系统建设中的普遍出现的规划不协调、建设不配套、管理不统一等问题，规划中特别要注意管网配套和给水、排水和污水处理能力的协调增长，确定规划期内水系统及网络设施建设的规模、详细布局和运行管理方案。
②水量规测是给排水规划的基础，水量规模预测是否符合发展趋势和实际需要，对水资源的工程总体布局、合理利用、实施步骤和工程费用产生重大影响。国家标准《城市给水工程规划规范》是测算城市总用水量规模的主要依据，预测包括：总体规划阶段给水水量预测；总体规划阶段污水水量预测；分区规划阶段及专业规划给水量预测；分区规划阶段及专业规划污水量预测；总体规划阶段污水水量预测；详细规划阶段给水量预测；详细规划阶段污水量预测。改革以来，工业生产、城市建设、住宅建设、第三产业迅速发展，使给水量不断增长。作为城市基础设施之一的给水量的增长规律也将与过去不同，水量预测就不能仅按历史的发展计算，还要根据具体的城市规划对不同类型用水量分别预测分析。
③在城市水系统中增加节水子系统，加强节水力度，促进城市给排水系统的良性循环。免费论文，给水系统。在城市水系统中增加治污子系统，加强治污和再生水会同力度，重视再生水、中水等非传统水资源利用，促进城市给排水系统的良性循环，是城市水资源可持续发展的关键。免费论文，给水系统。
结束语
编制城市给排水规划时要善于处理好城市发展中可能面临的水资源，水环境，水灾害等问题，绿色环保节能已成为未来城市发展的方向，充分利用有利的地形合理地布置管网，充分做好系统安排，远近期结合，使管网设计具有现实性和超前性；而在设计中可以充分利用计算机道路辅助设计系统，道路资料可直接提取到给排水设计人员，使城市道路与给排水工程设计实现科学化。
参考文献
【1】中华人民共和国建设部.GB50282-98城市给水工程规划规范.北京：中华人民共和国建设部,1998.
【2】中华人民共和国建设部.GB50318-2000城市排水工程规划规范.北京：中华人民共和国建设部,1998.
【3】上海市市政工程设计研究院.GB50013-2006室外给水设计规范.北京：中国计划出版社,2006.
【4】上海市市政工程设计研究院.GB50014-2006室外排水水设计规范.北京：中国计划出版社,2006.
【5】林向明.城市排水管网的规划设计【J】科技咨询导报.2006，8.
关键词：健康监测理念
中图分类号：TU 文献标识码：A 文章编号：1007-0745（2013）03-0062-01
一、绪论
随着社会经济的快速发展，桥梁建设在社会建设中的重要性越来越明显。不论是高铁的建设还是交通道路的发展，作为基础设施的桥梁，都在其中展现出了强劲的发展势头，其中大跨径预应力混凝土连续刚构桥作为一种重要桥型发挥了重要的作用。
二、大跨径预应力混凝土连续刚构桥简介
预应力混凝土连续刚构桥既保持了连续梁无伸缩缝、行车平顺的特点，又有T型刚构桥不设支座、施工方便的优点，且有很大的顺桥向抗弯刚度和横桥向抗扭刚度，它利用高墩的柔度来适应预应力混凝土收缩、徐变和温度变化所引起的位移，能满足特大跨径桥梁的跨越及受力要求，同时在一定条件下具有用料省、施工方便、养护费用低等优点。连续刚构体系另一个特点是抗震性能好，水平地震力可均摊到各个墩上来承担，而连续梁则需要设置制动墩或者是采用价格较昂贵的专用抗震支座。墩梁固结又便于采用悬臂施工方法，取消了连续梁在施工体系转换时所采用的墩上临时固结措施。随着高强预应力钢材、高强混凝土、大吨位张拉锚固体系的应用与发展，设计手段的计算机化以及施工水平的提高， 大跨度预应力混凝土连续刚构桥的长度不断增加。
三、大跨径预应力混凝土连续刚构桥健康监测
近20年来桥梁抗风、抗震领域的研究成果以及新材料新工艺的开发推动了大跨度预应力混凝土连续刚构桥梁的发展；同时，随着人们对大型重要桥梁安全性、耐久性与正常使用功能的逐渐关注，桥梁健康监测的研究与监测系统的开发应运而生。由于桥梁监测数据可以为验证结构分析模型、计算假定和设计方法提供反馈信息，并可用于深入研究大跨度预应力连续刚构桥梁结构及其环境中的未知或不确定性问题，因此桥梁设计理论的验证以及对桥梁结构和结构环境未知问题的调查与研究扩充了桥梁健康监测的内涵。
1、桥梁健康监测系统的内容
（1）荷载（包括风、地震、温度和交通荷载）。所使用的传感器有：风速仪――记录风向、风速进程历史，连接数据处理系统后可得风功率谱；温度计――记录温度、温度差时程历史；动态地秤（Weight―in―Motion）――记录交通荷载流时程历史，连接数据处理系统后可得交通荷载谱；强震仪――记录地震作用；摄像机――记录车流情况和交通事故。
（2）几何监测。监测桥梁各部位的静态位置和静态位移（如桥塔和锚碇的沉降和倾斜、主缆和加劲梁的线型变化等）。所使用的传感器有：位移计、倾角仪、GPS、电子测距器（EDM）、数字像机等。
（3）结构的静动力反应。如有位移计、倾角仪记录结构的静动力变形和转角、支座和伸缩缝的静动力相对位移历史；用应变仪记录桥梁构件的静动力应变和应力，连接数据处理系统后可得构件疲劳应力循环谱；用测力计（力环、磁弹性仪、剪力销）记录主缆、锚杆和吊杆的张力历史；用加速度计记录结构各部位的反应加速度，连接数据处理系统后可得结构的模态参数。目前桥梁监测系统中不合结构模型，因此无自动损伤识别的能力。但桥梁监测系统的高速发展为真正意义上的（有自动损伤识别能力的）桥梁监测系统打下了基础。桥梁监测系统的设计是多学科多领域的前沿课题，与桥梁设计、桥梁管理及试验技术的发展战略有密切关系，应当综合考虑国情。
2、大跨径预应力混凝土连续刚构桥的监控与评估
桥梁健康监测的基本内涵即是通过对桥梁结构状态的监控与评估，为大桥在特殊气候 交通条件下或桥梁运营状况严重异常时触发预警信号，为桥梁维护、维修与管理决策提供依据和指导为此。监测系统对以下几个方面进行监控：①桥梁结构在正常环境与交通条件下运营的物理与力学状态；②桥梁重要非结构构件（如支座）和附属设施（如振动控制元件）的工作状态；③结构构件耐久性；④大桥所处环境条件等等。与传统的检测技术不同，大型桥梁健康监测不仅要求在测试上具有快速大容量的信息采集与通讯能力，而且力求对结构整体行为的实时监控和对结构状态的智能化评估。
3、大跨径预应力混凝土连续刚构桥健康监测的设计验证
由于大跨径预应力混凝土连续刚构桥的力学和结构特点以及所处的特定环境，在大桥设计阶段完全掌握和预测结构的力学特性和行为是非常困难的。大跨径预应力混凝土连续刚构桥的设计依赖于理论分析并通过风洞、振动台模拟试验预测桥梁的动力性能并验证其动力安全性。然而，结构理论分析常基于理想化的有限元离散模型，并且分析时常以很多假定条件为前提在进行风洞或振动台试验时对大桥的风环境和地面运动的模拟也可能与真实桥位的环境不完全相符，因此，通过桥梁健康监测所获得的实际结构的动静力行为来验证大桥的理论模型、计算假定具有重要的意义。
4、大跨径预应力混凝土连续刚构桥健康监测的未来
大跨径预应力混凝土连续刚构桥桥梁健康监测带来的将不仅是监测系统和对某特定桥梁设计的反思，它还可能并应该成为桥梁研究的“现场实验室”。尽管桥梁抗风、抗震领域的研究成果以及新材料新工艺的出现不断推动着桥梁的发展，但是，大跨径预应力混凝土连续刚构桥的设计中还存在很多未知和假定，超大跨径预应力混凝土连续刚构桥的设计也有许多问题需要研究，同时，桥梁结构控制与健康评估技术的深人研究与开发也需要结合现场试验与调查桥梁健康监测为桥梁工程中的未知问题和超大跨径桥梁的研究提供了新的契机，由运营中的桥梁结构及其环境所获得的信息不仅是理论研究和实验室调查的补充，而且可以提供有关结构行为与环境规律的最真实的信息另外，桥梁振动控制与健康评估技术的开发与应用也需要现场试验与调查。
四、结语
综上所述，大跨径预应力混凝土连续刚构桥的健康监测不只是传统的桥梁检测新技术，而是被赋予了结构监控与评估、设计验证和研究与发展三方面的意义。随着未来科技的不断发展与完善，更多富有科技创新理念的思路与想法会更多的融入到桥梁的健康监测中来，随着人们对桥梁结构体系的不断认识和研究，大跨径预应力混凝土连续刚构桥的健康监测技术会更加成熟和完善。
1引言
公司财务预警系统是一种具有预测性与针对性的警报系统，其目的就是为了防止企业的财务系统在项目运行过程中偏离了原来目标后给企业造成重大经济损失现象的发生。一般来说，它主要是利用一定的数学模型对企业的财务、运行等各项指标进行综合评价，根据模型预测的结果给出一定的理论结果供企业决策者参考。它具有监测、诊断、冶疗及健身功能［1］。一些研究人员对财务预警系统进行了分析。文献［2］采用逻辑回归法对公司财务预警系统进行了分析；文献［3］运用主成分分析法建立了公司财务的通用预警模型并给出了一些意见与建议。文献［4］采用GA算法对BP神经网络进行优化，建立了优化后的基于BP神经网络的上市公司财务危机预警模型。本文采用BP神经网络预测与Adaboost算法相合的分析方法，对采集的样本数据建立强分类器并进行分类误差研究，完成公司财务预警系统的分析，并取得较好的效果。
2预警系统的体系指标及数学模型
2．1预警系统的体系指标的筛选
公司财务系统涉到公司运营的各个环节，对于其风险防范的内容也涉及很多体系指标。从经营过程及内容来看，这些指标一般可以归纳为以下几个方面：财务报表内的各项信息指标，企业盈利及偿还能力指标、企业发展与成长能力指标，企业的线性流量指标和财务报表外信息指标。在每一个指标内，又可以找到很多小项的评价指标，如果将这些都纳入公司财务预警系统的综合评价指标范畴，则预警模型会相当庞大且复杂，不利于得到正确的预警结论。因此，在进行财务预警系统的分析前，应先对这些相关性较强的评价指标进行理论性的筛选，然后才能将这些筛选后的指标纳入至预警的数学模型中，从而使该预测模型能较快较全面地真实反应企业财务状况并能实现预警功能。
2．2BP神经网络预测模型的实现
BP神经网络预测方法是近些年来应用较为广泛的一种预测方法，对于离散性的数据预测具有良好的自适应性及容错性。它一般分为输入层、中间隐含层及输出层三层，各层之间通过神经元相互连接。而Adaboost算法的核心思想就是将多个弱的分类器的输出值进行合并，再利用每个分类函数的权重及迭代计算加权得到强分类函数，从而产生有效分类，形成一个强分类器。其基本实现过程如图1所示。首先，对采集的数据样本进行归一化的预处理并进行分组划分，然后对每组预处理的样本使用BP神经网络进行预测，每个预测都会形成一个迭代误差，这些不同组的弱分类组成一个大的弱分类器。根据预测分类序列的预测误差值来计算预测序列权重，然后根据这个序列权重来调整下一次迭代的训练样本的权重。当网络训练多次后，通过各组的弱分类函数组合就可以得到强分类函数，形成一个强分类器，提高预测的精度，然后这些较高精度的理论计算结果再提交给决策者进行相关决策。
3具体算例
根据调研，选择十项参数指标来描述某公司财务状况，这十项能较为全面地反映了企业的财务状况。表2为预测序列权重at和迭代计算的误差et的计算结果表。表中，在各个弱分类器的迭代中，预测序列权重at的分布不均衡，第一个弱分类器的序列权重最大，其余的依次呈交替变化。而迭代计算的误差et都控制在0．35以下，说明本计算的精度较高。图2为A，B和J体系指标的计算数据的序列权重分布，从图中可以看出：三个体系指标的序列权重都是呈波动跳跃变化，但波动范围不大。相对而言，在20个数据样本中，体系指标A的权重最大，其次为体系指标B，最后是体系指标J。表3为两种分类器的误差率值。其中，强分类器分类误差率为4％，而弱分类器分类平均误差率为5．57％，前者比后者低，这说明采用BP＿Adaboost算法取得了较好的效果。4结语根据前述分析与讨论，可以得到如下结论：（1）用BP＿Adaboost分类算法建立的强分类器的分类误差率低于仅用BP算法建立的弱分类器的分类误差率，这说明采用BP＿Adaboost算法具有较好的效果，利用组合算法对企业财务进行预警具有可行性和一定的计算精度，这些能为企业财务预警提供一定的理论指导。（2）企业应该充分利用现有的一些预测方法，加强自身财务体系的预警研究，建立其内部的预警控制体系及配套措施，从而对可能产生的对企业造成重大损失的财务风险进行防范。（3）本方所采用的方法简单易行，对于同类的预警分类方法都具有较强的适用性与推广性。
作者:肖岚单位:武汉船舶职业技术学院经济与管理学院
关键词:灰色理论; GM(1,1)模型; 人均收入; 预测
中图分类号:TP18 文献标识码:A
文章编号:1004-373X(2010)13-0131-02
Application of GM(1,1) Model to Forecast Per-capita Income of Farmer
ZHAO Yan-ni1, GUO Hua-lei2
(1.Department of Computer Science, Sh
nxi Vocational & Technical College, Xi’an 710100, China; 2. Xi’an Communication College, Xi’an 710106, China)
Abstract: The per-capita income of farmer is an important technology index which is the measured level of agriculture development and the status of farmers′ life. Forecasting the farmer per-capita income in the future years which is based on farmers′ per-capita income of one town in Henan province from the year 2001 to 2008 by means of gray theory GM(1,1) model, and a good reference for new country construction is provided.
Keywords: gray theory; GM(1,1) model; per-capita income; forecast
0 引 言
近年来随着中央对“三农”的重视,农村的补贴力度不断加强,农民的收入不断增加,农民种粮的积极性不断提高,从而保障了国家粮食安全。农民人均收入是┮桓霆重要的技术指标,其高低反映了农民的生活现状和价值取向,影响中国的新农村建设,因此对农民人均收入的预测是人们关注的热点问题之一。
灰色理论系统以“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[1],通过对“部分”已知信息来提取有价值的信息,实现对未来行为的有效性预测。本文基于灰色理论GM(1,1)模型,以河南省某乡镇2001~2008年农民的人均收入统计数据为基础,对未来几年农民人均收入进行预测,从而提供有效的参考信息。由于人均收入为非负数列,所以它是一个灰色系统,建立GM(1,1)预测模型。
1 GM(1,1)模型建立
1.1 GM(1,1)预测模型建立
GM(1,1) 预测模型建立灰色系统建模主要用于灰色预测和决策,其灰色数列预测模型是对时间序列变量的预测。GM(1,1)模型是最常用的一种灰色模型,由一个单变量的一阶微分方程构成, 主要用于中长期预测。
表1是2001~2008年某市农民人均收入,其建模步骤如下:
x(0)(t)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),x(0)(5),
x(0)(6),x(0)(7)) =
(2 490.03,2 641.12,2 837.83,3 042.78,
3 260.34,3 609.47,3 898.64)
为原始数列。
表1 2001~2008年某市农民人均收入 元
年份 /年2001200220032004
数量2 490.032 641.122 837.833 042.78
年份 /年2005200620072008
数量3 260.343 609.473 898.644 101.13
对原始数据进行一次累加,生成x(1)(t):
1.2 模型精度检验
模型还原值与原始值的比较见表2。
表2 模型还原值与原始值的比较
年份/年
还原数据实际数据绝对误差Δ(k)相对误差百分数 /%
20022 595.602 82 641.1245.517 21.723 4
20032 791.331 62 837.8346.498 41.638 5
20043 001.820 03 042.7840.960 01.346 1
20053 228.180 83 260.3432.159 20.986 4
20063 471.611 13 609.47137.858 93.819 4
20073 733.397 93 898.64165.242 14.238 5
两极最大值Δmax:
Δmax=x(0)(max)×E┆max (10)
式中:设Emax=0.5,x(0)(max)是原始数据最大值。根椐关联系数公式:
ξ(k)=Δmin+ρΔmaxΔ(k)+ρΔmax,k=2,3,…,7 (11)
取Δmin=0,ρ是分辨系数,设ρ=0.3,平均关联系数:
r=1n-1∑nk=2ξ(k)=0.887 6 (12)
因为r>0.6,根据GM(1,1)模型评估要求,认为模型有较高要求。
原始数据均值:
=1n∑nk=1x(0)(k)=3 111.458 6 (13)
原始数据方差:
S21=1n-1∑nk=2[ x(0)(k)-] 2=225 279.549 5 (14)
残差:
q(k)=x(0)(k)-x┆$(0)(k),k=2,3,…,7 (15)
均值残差:
=1n-1∑nk=2q(k)=78.039 3 (16)
残差方差:
S22=1n-1∑nk=2[ q(k)-] 2=1 057.685 4 (17)
计算方差比:
C=S2/S1=0.068 5 (18)
因为计算方差比C
2 预 测
2.1 预测模型
x┆$(0)(t+1)=x┆$(1)(t+1)-x┆$(1)(t)
x┆$(0)(t+1)=2 413.598 5e0.079 1t
2.2 预测效果
利用预测模型预测2008年农民人均收入是4 198.884 0元,该乡统计公布的是4 101.13元,残差是97.754元,相对误差是2.38%,表明模型的预测效果较为满意。预测2009年农民人均收入是4 544.504 9元。
3 结 语
基于灰色理论GM(1,1)模型,依据河南省某乡近年农民的人均收入统计数据,对未来农民收入进行预测。从预测效果来看,模型预测值与实际值比较接近,表明模型的建立与应用是客观可行的。但预测模型是对数据未来变化趋势的一种定量化描述,实际对未来的预测与气候变化、国家政策、国际经济大环境等因素息息相关,因此,模型预测只能作为参考。
参考文献
[1]田冲,薛春善.灰色理论在大学生生活费用预测中的应用[J].安顺学院学报,2008,10(5):1-1.
[2]刘莉,孙振钧,刘成国,等.灰色理论GM(1,1)模型在畜禽粪便产量预测中的应用[ J] .农业环境科学学报,2007,26(B10):728-730.
[3]袁嘉祖.灰色系统理论及其应用[M].2版.北京:科学出版社,1991.
[4]刘思峰.灰色理论及其应用[M].北京:科学出版社,2000.
[5]陶云奇,许江,李树春.瓦斯涌出量灰色预测法[J].重庆大学学报:自然科学版,2007,30(6):121-124.
[6]甘旭升,端木京顺,田井远.基于灰色马尔柯夫模型的严重飞行事故频数预测[J].空军工程大学学报:自然科学版,2004(1):18-21.
关键词：成都东站；货运量；灰色预测
中图分类号：F321文献标识码：A文章编号：1672-3198（2007）10-0066-01
1成都东站简介
成都东站地处四川省成都市成华区境内，站型为单向混合列式三级四场，属于货编特等站。成都东站是西南地区的主要编组站之一，是宝成、成渝、成昆三条干线及达成线的联接点。本站主要任务为接发编解货物、军用、路用等列车，办理旅客列车通过。货运方面办理整车、零担的装卸、承运。是零担货物组织站，集装箱办理站，货物加冰站，车辆消毒洗刷站，军用备品保管站，是西南地区较大的货物集散地。
2灰色系统理论
灰色系统理论认为，历史数据是过去各种确知的和不确知的信息的综合反映，这种反映已经把各种影响因素包容进历史数据之中。铁路货运量受到多种因素的影响，如运输需求、运输量、运输供给能力和非市场经济因素等，这些因素中有的是已知的，有的是未知的，给预测带来很大的困难，并且实际中可利用的数据量较少。但是货运量的变动是有一定规律的，灰色数据即是各种变动规律对货运量的综合影响的一种复杂反映，除了一些比较特殊的因素如战争、灾难等会使运量出现比较大的跳跃外，货运量完全可以用历史数据作为灰色信息的反映来进行分析、研究确定其变动规律，从而确定出其未来的走势。灰色理论所做出的判断更合理、准确度更高,因此，本文选用灰色模型，预测成都东站未来五年的货运量。
3灰色预测步骤
3.1数据生成处理
将原始数据，按时间序列依次累加，比如有原始数据X0,其第一个数据记为X01，第
（5）后验差检验
检验模型计算的生成值Y0k与X0k是否符合,主要是通过后验差检验方法检验。
3.3灰色预测
根据后验差检查结果，然后决定是否用此模型进行预测。如精度满足要求，可以利用①和②式进行计算，即可得到预测值；否则，进行残差修正。
4成都东站货运量预测
4.1获取成都东站货运量历史数据
4.2铁路货运量灰色预测的动态模型
对于铁路货运量来说，随着时间的推移，各种影响货运量的未来的未知因素将不断进入货运量这个灰色系统中，这势必对货运量造成影响。为了增大GM（1,1）模型的使用范围，使其更具有实际意义，必须把不断变化的进入系统的扰动因素考虑进去，也就是说，把最新得到的数据加入到已
这样随时间的推移，新时期的货运量将不断进入系统中，旧的数据可以不断的被除去，使原始数据序列成为动态数据序列，这样预测模型所得数据更贴近实际值。
4.3模型计算
运用MATLAB对成都东站货运量编写预测程序，计算得预测模型为：
Y k+1=14939-14354e-0.039k
计算后验差比值C
5结论
与传统预测方法相比，灰色预测可以用现实当中可以获得的少量数据进行建模，进而得出满意的结论，既不需要大量数据的支持，也不需要数据服从典型的概率分布。而动态模型更加适用于铁路货运量预测，适应了实际生产的需求。
参考文献
［1］邓聚龙.灰预测与灰决策［M］.武汉：华中科技大学出版社，2002.
［2］孙飞波.灰色预测理论在物流成本中的应用［J］.现代软科学，2006,(2):70-71
[关键词]负荷预测 预测模型 灰色理论
一、概述
电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。此外，从发展来看，负荷预测也是我国实现电力市场的必备条件，具有重要的理论意义和实用价值。
负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。
根据不同的预测目的，负荷预测可分为超短期、短期和中长期的预报。一般说来，一小时以内的负荷预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于安排日调度计划和周调度计划；月至年的负荷预测为中期负荷预测，主要确定电网的运行方式和设备大修计划等。
二、负荷预测模型的基本要求
电力负荷预测是依据负荷历史资料及相关影响因素建立一个模型，然后对该模型进行评价后用来预报，无论采用什么计算方法，都离不开建立在历史数据及相关因素上的预测模型，模型精度决定了预测的准确性。
（一）负荷预测模型应能满足下述要求
1．提供包含有长期预测、中期预测、短期预测、超短期预测等各种方式的预报手段，而且预测的时间间隔可由用户自定义。
2．预测模型应能反映负荷随季节、星期及一天内24小时等周期性波动的特点，又能反映负荷自然增长的内在规律，同时能反映负荷受气温、日照等气象条件的影响。
3．对于包括节假日在内的广义特殊事件的负荷预测应建立专用预测模型，且能提前预测。
4．提供各种类型的预测方法与模型，并且能对历史数据的合理性进行检查、修正，具备误差分析和自动不良数据检测、辨识功能。
5．预测系统应当既可进行整个区域或电网系统的负荷预测，又能进行分地区电网系统的负荷预测；既可以进行离线负荷预测，也可以进行实时在线负荷预测；
（二）提高负荷预测准确性的难度
1．气象因素一直是影响负荷的主要因素，特别是对短期负荷预测的影响尤为重要，不同的气象因素影响程度又随用户类别而异，作为可估计的随机事件，气象预报的不准确会造成预测结果的双重误差。
2．特殊事件的不确定性将造成负荷预测的较大误差，当今特殊事件的出现趋于频繁，给预测带来了难度。
3．反映负荷周期性、趋势性及与影响因素之间关系的样本数目难以确定。
4．随机负荷部分并非平稳的随机序列。
5．网省级大电网负荷变化有较强的统计规律性，预测结果较准确。而地区级电网的统计规律不甚明显，不能稳定地指导负荷预测。
任何一种算法都不能保证在所有情况下精度很高，要想提高负荷预测的精度，我们还需要做大量的工作。
三、提高负荷预测精度的措施
（一）原始数据的预处理
我们都知道，任何负荷预测都是基于原始数据的，因此，原始数据的正确与否决定预测结果的精度。而原始数据往往都是从ems系统实时采集的，由于动态的数据采集有时会出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误与不真实。所以，在程序设计中，首先应针对原始的各种不真实现象进行预处理，力求将设备造成的随机的影响据之于预测过程之外。
（二）随机因素（冲击负荷）捕捉
大家都知道，在负荷的构成中有许多类似于电炉、轧钢等冲击性的负荷，这种负荷的特点是起停快、持续时间短、随机性强、数值较大，而负荷预测的精度要求在2％以内。因此处理好冲击负荷的影响对于提高精度有很大的影响。所以在原始数据的处理中必须考虑到冲击负荷。我们使用的方法是有效值法，通过对冲击负荷的分析和处理，得到其有效值，然后叠加到平滑后的负荷曲线上，这样的处理结果便可以应用于负荷预测中了。
（三）提高影响因素的预测精度以及影响因素的量化处理
负荷预测不仅仅要使用历史数据，还要考虑各种对负荷有较大影响的因素，如气象因素、政治因素、重大活动等。这些因素都会与历史数据一样作为预测程序的输入值。因此，这些因素的准确度直接会对负荷预测结果造成影响。因此，必须对这一类数据必须进行适当的量化处理：一是依靠经验值，并且调试后不断改进，力求准确，二是由程序识别，通过回归等方法动态赋值。前一种方法比较简单，但很难准确，后一种方法虽然理论上比较成熟，但由于模型不确定，实现起来很困难，具体应用哪一种方法，要视实际情况而定。
（四）比较预测模式，寻求最优方案
对于中国目前的电力结构，在一个网省调下面有许多供电区域，往往是以地域划分的。而实际需要的结果却是一个整体的负荷。因此便产生了单独预测和整体预测两种模式，究竟哪一种模式比较好，则需要从实践中去试验。
从电网的负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于各类影响因素的分布区域不同，单独预测时可以通过细化考虑的因素比较真实，以气象因素为例，电网的地区气象条件不同，可以各自考虑，应该说更准确些，但这样做也有缺陷，一方面是一般都采用一种方法进行预测，其误差方向比较一致，这样叠加后产生更大的误差，另一方面各供电区域的预测叠加后并非是我们所需求的用于发电安排的负荷，还要通过换算，考虑到厂用电情况，而厂用电率一般并不是一个精确的数值，如此势必带来误差。若采用整体预测，原始数据便是我们用于安排发电计划的数据，各种因素虽然不能直接使用，但可以通过负荷比例进行等值拟合后作为整体预测的输入量，这样只会有一次误差。从实践中看，后一种方式虽比较模糊，但由于大电网效应，精度较前一种方式高。
当然，具体采用哪一种方式要根据实践的检验而定，前一种模式在理论上比较成熟，但在算法的选择上不能单一。我们都知道，任何一种算法都无法在所有情况下达到较高的精度，这与负荷结构以及负荷特性有直接的关系。
（五）做好负荷日的类型分析
在做负荷预测的时候，对于历史数据的选择很有学问，力求使用与预测日同类型的历史负荷数据。这样不但可以去除好多非同类型日数据的干扰，而且可以提高迭代收敛速度，简单计算。但是，对负荷日进行精确分类是相当困难的，需要大量的经验和比较。目前最简单的分类是休息日和工作日，这样的划分太粗糙，不能满足实际的需要，真正实用化的分类还需要大量的判据。负荷日类型一般可以根据以下几个方面科学分类：负荷特性，一般指负荷曲线轮廓；负荷值大小；气象等有关因素；工作日、休息日、节假日。在这几个方面中最重要的是负荷特性和负荷值，但这个判据比较难于归纳分析，而后两种判据易于判别。因此，实际中主要根据后两种判据进行分类。
（六）利用约束条件进行预测结果修正
负荷预测应包括电力预测和电量预测，我们常使用的是电力预测，因为这也是需要的最终结果。但电量预测也是相当有用的，它不会像电力预测的随机性那么大，可以作为电力预测的修正约束条件。
以最大、最小值配合分配系数法的电力预测为例，这种方法只需要预测出预测日的最大、最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经分配计算后便可以得到预测日的预测曲线。这种方法比较简单、实用、计算量小，但随机性较大，若最大、最小值由于受历史坏数据或冲击负荷的影响偏差过大，就会使整个曲线抬高或降低，而电量受冲击负荷的影响较小，利用电量预测进行约束，便可以得到较好的修正曲线。
四、灰色理论在负荷预测中的实际应用
（一）灰色理论概念
灰色系统理论是由邓聚龙教授于1982年在国际上首先提出的，长期以来普遍应用于国民经济的工业控制、经济预测、产量预测等硬科学领域和软科学领域，成为这些领域预测、决策、分析、控制的有利工具。
灰色系统理论认为客观世界是物质的世界，也是信息的世界。根据对客观系统所了解的信息量的多少，灰色系统理论把客观系统分为：信息完全已知的系统白色系统、信息完全未知的系统黑色系统，以及信息部分已知、部分未知的系统灰色系统。对灰色系统的研究的主要目的在于对灰色系统建模，也就是根据已知信息建立灰色系统的数学模型，从而预测灰色系统的未知信息。灰色系统理论把任何随机过程都看作在一定时空区域中变化的灰色过程，而随机变量则被看作为灰色量。灰色量所表现的无规律的离散时空数列是潜在的规律性的表现。灰色系统理论首先通过数据灰色生成把原始数据数列处理成适合于灰色建模的有规律的数列。在得到预测值数列以后，同样还要进行数据还原得到实际系统的预测数据，所以可以说灰色过程实质上是对生成数列建模。在处理技术上，灰色过程是通过对原始数据的整理来找数的规律的，而其他的一些处理方法则是按统计规律和先验规律来处理数据的。按统计规律和先验规律处理数据的方法是建立在大样本量的基础上，而且要求数据规律是典型的规律，而对于非典型的规律（如非平稳、非高斯分布、非白噪声），则是难以处理的。而灰色过程却没有这样限制，灰色模型通常只需4个以上的数据就可以建模，而且不必知道原始数据具有的先验特征。
（二）灰色系统预测方法基本原理
灰色系统是指部分信息已知，部分信息未知的系统。灰色系统理论的实质是将无规律的原始数据进行累加生成，得到规律性较强的生成数列后再重新建模。由生成模型得到的数据再通过累加生成的逆运算累减生成得到还原模型，由还原模型作为预测模型。灰色模型是预测工作的基础模型。以灰色系统理论的gm（1，1）模型为基础的预测，叫灰色预测。它可以分为以下7类：
1.数列预测：对某一事物发展变化趋势的预测。2.灾变预测：即灾变出现时间的预测，灾变有多种，如洪水、干旱、涝等灾害。3.季节灾变预测：指对灾害出现在一年内的某个特定时区的预测。4.拓朴预测：也叫波形预测、整体预测，是用gm（1，1）模型来预测未来发展变化的整个波形。5.系统预测：指对系统的综合研究所进行的综合预测。6.包络gm（1，1）灰色区间预测：参考数列分布趋势构造一个上、下包络线为边界的灰色预测带，建立上、下2个包络模型。7.激励阻尼预测：将激励、阻尼因数以量化形式反映在gm（1，1）模型中的预测，叫激励阻尼预测。
(三)《基于灰色理论的电力负荷预测系统》
《基于灰色理论的电力负荷预测系统》目前以汉化visual basic 6.0开发图形显示部分，以汉化的access2000数据库支持数据管理部分。程序代码在win98以上操作系统均通过调试，运行环境为：中文 window98
以上操作系统。
《基于灰色理论的电力负荷预测系统》是一个以中长期负荷预测为目标的预测系统，具备5年之内年度预测的基本功能。该软件设计思路如下：采用灰色理论为设计的基本理论，采用原始数据的一次累加生成序列（1-ago）和gm（1，1）模型为建模基础！在实际设计中通过对命令按钮的click事件触发原始数据，按照指定的模型进行计算。在最后预测的显示过程中，通过建立的控件数组text10（0-4）与最终计算结果相匹配，显示在文本框中。其主要特点为：
1.强大的数据库功能:本系统采用data控件与access2000关系型数据库相连。关系型数据库是目前最流行的数据库，可以采用现代数学理论和方法对数据进行处理，它提供了结构化的查询语言sql.各项操作都是通过记录集完成的。记录集是一个对象，一个记录集是数据库中的一组记录，可以是整个数据表或表的一部分。在原始数据的输入方面，操作人员可直接通过表输入并修改数据，也可在系统上直接操作。
2.欲改进及增加的功能：①将预测结果数据与数据库相结合，能够将预测数据保存到数据库中。②进一步改进预测精度，如从在原始数据上采用更精确的插值算法；在预测模型上增加一个系数，将天气及节假日影响加入到最终预测结果中。
五、结束语
负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。
几十年来各种可能的算法均在负荷预测课题上试验过了，目前实用的算法主要有：线性外推法、线性回归法、人工神经网络法、灰色系统法和专家系统方法等。各种算法均有一定的适用场合，可以说没有一个算法适用于各种负荷预测模型而精度比其它算法都高。
灰色系统理论把一般系统论、信息论、控制论的观点和方法延伸到社会、经济、生态等抽象系统，并结合数学方法，发展成为一套解决信息不完备系统即灰色系统的理论和方法。它对未来的研究具有重要意义。由电力系统实际情况可知：用电量及负荷增长受经济发展、产业结构、居民收入水平、气候等诸多因素的影响，其中一些因素是确定的，而一些因素则不确定，故可把它看作一个灰色系统。
但目前gm（1，1）模型在实际应用中还存在局限性，比较适用于具有较强指数规律的负荷序列，只能描述单调的变化过程，而对于特殊的负荷增长方式，例如当负荷按照“s”型曲线进行增长或增长处于饱和阶段时，若采用该灰色模型则预测误差较大，预测精度不满足实际要求。
灰色预测法作为电力系统需电量预测方法之一，已成为重要的研究手段，但尚有许多方面有待于进一步研究，如寻求更有效的、更符合电力系统需电量发展规律的原始数据处理方法。
总之负荷预测的结果是电力系统运行的基础数据，其精度直接影响运行的安全性和经济性。因此，提高其精度也是每个负荷预测人员追求的最高目标。
参考文献：
[1]刘晨晖，电力系统负荷预报理论与方法。哈尔滨：哈尔滨工业大学出版社，1987.
