基于GM(1,1)模型的城镇居民人均可支配收入预测——以重庆市城镇居民家庭为例

城镇居民的人均可支配收入情况直接反映了城镇居民的生活水平高低,而影响人均可支配收入的因素较多,用回归模型难以预测其走势.本文建立了人均可支配收入的GM(1,1)预测模型(·x)(1)(k)=(x(0)(1)-b/a)ea(k-1)+b/a,并对该模型的可用性进行了验证;利用该模型对重庆市2013-2015年的城镇居民家庭人均可支配收入进行了预测,分别为2.741 6、3.149 9和3.619万元.结果表明,该模型能够较好地预测城镇居民家庭人均可支配收入情况.     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

中国城镇居民消费结构发展演变的动态数量分析

应用灰色系统理论中关联分析方法和GM(1,1)预测模型,对中国城镇居民消费结构转变过程和发展趋势进行了灰色关联和预测分析,揭示了中国城镇居民消费结构的转变规律.     

基于灰色-马尔可夫模型的国内游客总数预测

结合灰色模型在小样本下预测精度较高的优点和马尔可夫模型对随机波动数据处理结果较好的优点,以2004—2015年国内游客总数构建传统灰色GM(1,1)模型、无偏灰色GM(1,1)模型、灰色马尔可夫模型和无偏灰色马尔可夫模型,并对比2016—2018年国内游客总数的预测值与实际值.结果表明,灰色马尔可夫模型和无偏灰色马尔可夫模型相比于传统灰色GM(1,1)模型和无偏灰色GM(1,1)模型的平均相对误差分别提高了2.36个百分点和2.33个百分点,灰色模型结合马尔可夫模型后能够解决对随机波动数据的预测偏差,有效提高预测精度.     

基于GM(1,1)模型的城镇居民人均可支配收入预测——以重庆市城镇居民家庭为例

城镇居民的人均可支配收入情况直接反映了城镇居民的生活水平高低,而影响人均可支配收入的因素较多,用回归模型难以预测其走势。本文建立了人均可支配收入的GM(1,1)预测模型x^(1)(k)=(x(0)(1)-b/a)e-a(k-1)+b/a,并对该模型的可用性进行了验证;利用该模型对重庆市2013—2015年的城镇居民家庭人均可支配收入进行了预测,分别为2.741 6、3.149 9和3.619万元。结果表明,该模型能够较好地预测城镇居民家庭人均可支配收入情况。     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

短期人口增长预测模型

利用已知数据对不同维度的灰色GM(1,1)模型和不同维度新陈代谢GM(1,1)模型进行了精度对比.最终选取5维新陈代谢GM(1,1)模型来预测2011-2020年的我国人口数量.     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

基于变权聚类与条带式GM(1,1)模型的矿山资源管理研究

考虑到矿山资源综合利用率由主要矿产品资源利用率和附生矿产品资源利用率构成,而各种矿产品的资源利用率又由矿石贫化率,矿石回采率以及选矿回收率决定,利用灰色聚类理论对历年矿山资源综合利用情况进行了变权聚类.根据聚类结果结合矿山实际情况对历年矿山资源综合利用情况进行了分级,针对原有的灾变式GM(1,1)模型只能对上灾变序列和下灾变序列进行预测,预测信息有限的情况,将灾变式GM(1,1)模型改进成条带式GM(1,1)模型,利用条带式GM(1,1)模型对矿山资源综合利用情况较差的年份进行了分级预测,对不同级别的预测年份,分别采取了不同的应对措施,为矿山提前应对提供了科学依据.     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。