灰色建模技術及其在自然災害非常規(guī)突然事件人員傷亡預測中的應用

第1章 灰色建模技術的研究現(xiàn)狀
1．1 灰色建模技術研究目的與意義
1．2 灰色建模技術的研究現(xiàn)狀
1．2．1 緩沖算子
1．2．2 灰色預測模型
1．2．3 灰色關聯(lián)分析模型
1．2．4 灰色決策模型
1．3 本書內容安排與技術路線
1．3．1 內容安排
1．3．2 技術路線
1．4 本章小結
第2章 緩沖算子
2．1 緩沖算子的定義及公理
2．2 弱化緩沖算子
2．2．1 弱化緩沖算子的構建
2．2．2 弱化緩沖算子的應用
2．3 強化緩沖算子
2．3．1 強化緩沖算子的構建
2．3．2 強化緩沖算子的應用
2．4 本章小結
第3章 灰色預測模型的構建及優(yōu)化
3．1 NGM(1，1，k)模型的構建
3．1．1 NGM(1，1，k)模型的構造
3．1．2 灰色NGM(1，1，k)模型的應用
3．2 NGM(1，1，k)模型的拓展與初始值優(yōu)化
3．2．1 NGM(1，1，k)模型的三種形式
3．2．2 優(yōu)化的NGM(1，1，k)模型
3．2．3 優(yōu)化的NGM(1，1，k)模型參數(shù)求解
3．3 NGM(1，1，k)模型背景值的優(yōu)化
3．3．1 NGM(1，1，k)模型背景值的誤差分析
3．3．2 NGM(1，1，k)模型背景值的優(yōu)化
3．4 本章小結
第4章 灰色預測模型的特性研究
4．1 NGM(1，1，k)模型的數(shù)乘特性
4．1．1 NGM(1，1，k)模型參數(shù)包的定義
4．1．2 數(shù)乘變換下NGM(1，1，k)模型的參數(shù)特性
4．2 NGM(1，1，k)模型的病態(tài)性
4．2．1 病態(tài)方程組與矩陣條件數(shù)
4．2．2 NGM(1，1，k)模型的參數(shù)識別方法及其病態(tài)性度量
4．3 灰色Verhulst預測模型的數(shù)乘特性
4．3．1 灰色Verhulst模型的定義
4．3．2 數(shù)乘變換下Velhulst模型的參數(shù)特性
4．3．3 案例分析
4．4 灰色Verhulst預測模型的病態(tài)特性研究
4．4．1 病態(tài)方程組與矩陣譜條件數(shù)
4．4．2 灰色Verhulst模型的參數(shù)識別方法及其病態(tài)性度量
4．4．3 實例分析
4．5 灰色Verhulst拓展預測模型的數(shù)乘特性
4．5．1 灰色Verhulst拓展模型及其參數(shù)包
4．5．2 灰色Verhulst拓展模型的數(shù)乘特性
4．5．3 實例分析
4．6 灰色Verhulst拓展預測模型的病態(tài)特性
4．6．1 病態(tài)方程組與矩陣條件數(shù)
4．6．2 灰色Verhulst拓展模型的病態(tài)性度量
4．7 本章小結
第5章 灰色關聯(lián)分析模型及性質
5．1 鄧氏關聯(lián)度模型及其優(yōu)化
5．1．1 灰色關聯(lián)因素及其公理
5．1．2 鄧氏關聯(lián)度模型的優(yōu)化
5．1．3 優(yōu)化鄧氏關聯(lián)度模型的應用
5．2 幾類關聯(lián)度模型的性質研究
5．2．1 灰色關聯(lián)度的性質及常見關聯(lián)度
5．2．1 幾類灰色關聯(lián)度模型的仿射性
5．2．1 幾類灰色關聯(lián)度模型的仿射變換保序性
5．3 灰色相似關聯(lián)度模型研究
5．3．1 灰色相似關聯(lián)度模型的構建
5．3．2 灰色相似關聯(lián)度模型的性質研究
5．3．3 灰色相似關聯(lián)度模型的應用研究
第6章 灰色決策模型
6．1 基于灰色關聯(lián)度求解指標權重的改進方法
6．1．1 求解指標權重的灰色關聯(lián)度法
6．1．2 基于灰色關聯(lián)度求解指標權重的改進方法
6．2 灰色多階段動態(tài)決策模型
6．2．1 灰色決策預備知識
6．2．2 灰色多階段動態(tài)決策模型的算法
6．2．3 實例分析
第7章 基于灰色建模技術的自然災害類非常規(guī)突發(fā)事件人員傷亡演化預測仿真研究
7．1 研究背景
7．2 研究意義與應用前景
7．3 自然災害類非常規(guī)突發(fā)事件人員傷亡演化預測模型及其算法設計
7．4 NGM模型時間響應式的求解及仿真分析
7．5 本章小結
參考文獻