具有可变结构的自适应智能灰色预测模型建模方法及其应用研究

The contradiction between the structural simplicity and the modeling object complexity is the fundamental cause of poor stability of grey models. Studying the dynamic matching between modeling object complexity and model structure adaptivity can provide solutions to the structural simplicity and the poor adaptability of grey models. To this end, the proposed project aims to study the modeling method of a self-adaptive intelligent grey prediction model with variable structure. Firstly, the analytic expression, mechanism of action, stability and reversibility of the accumulating generator operator and its inverse operator with fractional order will be studied systematically. Then, a self-adaptive grey prediction model with dynamic variable parameters and intelligent adjustable structure will be built, and the compatibility and dynamic optimization method of the development coefficient of the novel model will be studied. Based on this, an interval prediction model for the oscillation sequence with small data will be built, and the prediction issue will be solved from two aspects, oscillation range and center of gravity. Lastly, the above findings will be employed to forecast the medium-long term output of shale gas, which has the characteristic of 'small data and poor information'; after this, the exploring potential of shale gas resource in China will be obtained, which can provide Chinese government with data information to formulate energy policies. Findings in this project will have positive significance on enriching and developing grey prediction theory; at the same time, it will also provide a quantitative research method for forecasting China's output of shale gas.

灰色预测模型结构单一性与建模对象复杂性之间的矛盾是导致灰色模型稳定性较差的根本原因，研究建模对象复杂性与模型结构自适应性的动态匹配是解决传统灰色模型结构单一、适应性差的重要手段。本项目拟对具有可变结构的自适应智能灰色预测模型建模方法展开研究。首先，探究分数阶累加生成算子与累减还原算子的解析式、作用机理、稳定性及可逆性；然后，构建一种参数动态可变、结构智能可调的自适应灰色预测模型，研究该模型的兼容性与发展系数的动态优化方法；并以该模型为基础，建立面向小数据振荡序列的区间预测模型，从振荡区间及振荡重心两个维度解决小数据振荡序列的预测问题；最后，将上述成果应用于解决具有“小数据、贫信息”特征的我国页岩气产量中长期预测问题，以期准确掌握我国页岩气资源开发潜力，为政府制定能源政策提供数据支撑。本项目研究成果对丰富与发展灰色预测理论具有积极意义，同时为科学预测我国页岩气产量提供一种定量研究方法。

研究背景：灰色预测模型结构单一性与建模对象复杂性之间的矛盾是导致灰色模型稳定性较差的根本原因，研究建模对象复杂性与模型结构自适应性的动态匹配是解决传统灰色模型结构单一、适应性差的重要手段。.研究进展：①理论研究，借助分数阶微积分理论及Gamma函数的递归性质，对分数阶灰色累加生成算子与累减还原算子的性质进行了研究，提出了分数阶灰色累加算子的不动点定理。②方法研究，建立和优化了具有可变结构的自适应智能单变量/多变量灰色预测模型、自适应智能灰色幂模型，研究了面向小数据振荡序列的自适应智能灰色预测模型建模方法。③应用研究，本项目研究成果成功应用于中国航空技术国际控股有限公司、黄河勘测规划设计研究院及河南省统计厅等科研院所和政府部门，有效解决了管理预测和决策领域的重要现实问题。④成果推广，基于Visual C#语言开发了“可视化灰色系统建模软件VGSMS1.0”一套，该软件能实现模型参数与模拟误差的自动计算、模拟效果图的自动生成及建模结果的Word导出。.重要数据：①发表学术论文共39篇，其中SSCI/SCI收录论文33篇（中科院SCI一/二区24篇、ESI高被引/热点论文13篇），NSFC重要学术期刊（A类）论文3篇，论文被引用1200+次；②研究成果获重庆市自然科学二等奖2项，获英国“Emerald Publishing Limited”出版集团授予的“Highly Commended Award”2项；③获国家发明专利授权3项，出版学术专著3部，开发灰色系统建模软件1套；④培养硕博研究生13名，项目主持人及团队成员分别于2020年及2021年入选了全球前2%顶尖科学家及Clarivate全球高被引学者榜单，多名团队成员入选了重庆英才计划、重庆市巴渝学者（青年学者）、重庆市中青年骨干教师等省部级人才计划，5位团队成员晋升副教授或教授职称；⑤项目主持人受邀担任五个学术期刊的编委、专辑主编或学术编辑，与加拿大、英国、伊朗及香港等境外学者开展学术交流及合作研究工作近10项。.科学意义：本项目研究成果对丰富灰色系统基础理论、完善灰色预测模型建模机理与体系结构、改善灰色预测模型泛化能力与自适应能力，提高灰色预测模型建模精度与综合建模能力，拓展灰色预测模型建模对象与适用范围，促进灰色预测理论与现实问题的有效对接等方面，均具有重要意义。