徐微，刘文彬，周敏，杨剑锋，兴城宏

(北京化工大学 化工安全教育部工程研究中心，北京 100029)

灰色预测是研究少样本、贫信息不确定性问题的一种方法，通过对杂乱无章的数据进行累加从而找出其内部的规律性，以预测未来数据短期内的变化情况，但其不足之处是对随机性、波动性较大的数据的拟合效果较差[1]；马尔科夫链是根据状态之间的转移概率来推测系统未来的发展变化，适用于随机波动性较大的动态系统的预测问题，但除需具备马氏性外，还需有平稳过程等均值特点[2]，因此，综合以上2种方法的优、缺点，提出了灰色马尔科夫法，对随机波动性较大的数据进行预测。

目前灰色马尔科夫已经在工程上应用，并取得了大量的成果，如文献[3]成功地将其用于道路事故的预测，文献[4]则在电潜泵工作寿命问题上获得了满意的结果，而文献[5]在发动机磨损趋势的预测上得到了实践。

但考虑到灰色马尔科夫预测的准确与否与状态划分有很大关系，而状态划分的无标准性又不可避免地引入了人为误差[6]。因此，另有学者提出利用神经网络的高度非线性映射特性来拟合数据，寻找历史数据与未来数据之间的关系，建立相应的数学模型，从而达到预测的目的[7]，但其忽略了神经网络也存在一定的局限性，其隐含层节点数的选取直接影响到模型的性能。如果隐含层节点数太少，BP神经网络不能建立复杂的映射关系，网络预测误差较大；……