一类灰色投入产出优化模型的设计与应用

本文提出一类投入产出优化预测技术,通过对所获信息不断的有效利用,可以将投入产出模型中的灰参数逐次加以修正,使模型不断得到改进,从而提高预测的精度。应用实例表明,应用该优化模型可以取得比较满意的结果。     

动态灰色预测模型在大坝变形监测及预报中的应用研究

详细地讨论了灰色预测模型GM（1，1）和动态灰色预测模型的基本内容及建模过程，并成功地将等维新息和等维灰数递补两种动态灰色预测模型应用于大坝变形的预测预报。实践证明，等维新息动态预测由于实时地加入了新的信息，提高了灰区间的白色度，预测效果最好；等维灰数递补动态预测利用了序列建模的结果，淡化了灰平面的灰度，使预测结果有所改善；GM（1，1）模型由于是静态地反映系统的变化趋势，预测的精度最低。因此，动态灰色预测模型在大坝变形的预测预报中比静态预测模型具有更高的应用价值。     

等维灰数递补模型在人口预测中的应用——以浙江省为例

介绍了GM(1,1)灰色模型的建模过程,应用等维递补方法对其进行修正,得到等维灰数递补模型,采用该模型对2010- 2020年浙江省总人口进行了动态预测.精度检验结果表明,模型预测精度较高、预测结果可靠.     

基于等维灰数递补动态模型的人口老龄化趋势预测

运用灰色系统中的等维灰数递补动态模型,根据人口普查中得到的老年人口占总人口的比例等数据建立了动态GM（1,1）模型.对今后几年老年人口占总人口的比率进行灰色预测,并对预测精度进行验证,结果显示拟和程度较高.     

国内旅游收入预测模型的比较

为了正确预测国内旅游收入,分析国内旅游预测方法的差异,本文以葫芦岛国内旅游收入为例分别建立计量经济模型、灰预测模型以及计量与灰预测组合模型。预测结果表明计量经济学模型预测误差最小准确度高,而计量与灰预测组合模型的预测误差最大准确度小。模型预测结果的比较研究表明为了提高预测结果的准确度与可靠性应更多的使用计量经济模型。     

灰色预测GM(1,1)模型的研究与应用

运用灰色系统GM(1,1)模型进行预测时,模拟精度和预测精度是关注的焦点.对原始数据构造缓冲算子和进行完整的前期检验,运用等维灰数递补的动态建模方法,针对误差建立残差修正模型,都可以提高预测的可信度.本文通过归纳建模各阶段可能出现的典型问题以及解决方法,以期对建立优化模型有所帮助.     

运用等维灰数递补动态模型对我国蝶泳纪录跟踪预测的研究

本文运用灰色系统理论中的等维灰数递补动态模型方法建立了我国蝶泳纪录的预测模型,并进行了后验差检验,结果表明预测模型精度较高。同时,运用该模型对2002年的我国蝶泳纪录的发展趋势进行了预测。     

基于核与灰半径序列的GM(1,N)预测模型及其在雾霾中的应用

既有的关于GM(1,N)模型的研究,都是建立在实数序列基础上,文章将对GM(1,N)模型进行拓广,深入探讨该模型在区间灰数序列情形下的建模机理和建模方法,提出了基于核与灰半径的GM(1,N)模型。将以区间灰数序列的核序列和灰半径序列为基础建立GM(1,N)预测模型,进而对区间灰数序列的核与灰半径进行模拟预测,根据核与灰半径的计算公式推导出区间灰数的上界和下界,从而实现对区间灰数序列的模拟预测。最后,将文中提出的GM(1,N)模型应用于对霾存在时的空气质量指数AQI的预测研究中,模拟预测效果较好,从而验证了该模型的有效性和可行性。     

RBF神经网络优化灰线性回归模型预测建模

针对建筑物地基沉降的机理以及RBF(Radial Basis Function,径向基函数)神经网络能够有效描述不确定性问题和解决复杂非线性问题等特点,通过反复试验,优化设计,建立了RBF神经网络,并用该网络优化灰线性回归预测模型,建立RBF灰线性组合预测模型。通过工程实例,比较分析了单一灰色模型、灰线性回归模型、RBF优化的灰线性回归模型的预测精度。结果表明,RBF优化后的灰线性回归预测模型精度优于灰色模型、灰线性回归模型,预测中误差达到0.0014 mm。径向基神经网络优化后的灰线性模型能更好地反映建筑物沉降的总体趋势及规律。     

基于等维新息动态灰色模型在沉降观测中的应用研究

灰色理论模型是采用较少的数据对目标进行预测.随着长期的预测,预测精度会不断的降低.该文研究的内容就是在预测过程中不断引入最新的观测值,建立等维新息的动态灰色模型.结合工程实例,与传统的灰色模型作对比,新模型预测的结果更加优化,精度更高.     

基于灰理论的居民生活电力消费预测研究

介绍了灰理论及GM模型的建模方法,结合我国2000-2005年居民生活电力消费,建立了GM(1,1)预测模型.通过对模型精度及预测值精度的检验,认为该模型具有较高可信度,适用于居民生活电力消费的预测.     

灰色修正模型及其在大坝监测中的应用

灰色修正模型是改善GM（1,1）模型在背景值取值上的不足,通过加权的手段来获取背景值,通过实例,得出RGM（1,1）模型预测和模拟效果相比较GM（1,1）更好。     

基于模糊回归理论的GM(1,1)模型优化

文章将传统的GM(1,1)模型与模糊回归模型相结合,得到了基于模糊回归理论的GM(1,1)优化模型,保留了传统GM(1,1)模型的所需建模数据少和具有预测功能的优点;利用定义的三角模糊数的左、中、右距离公式,得到了基于模糊回归理论的GM(1,1)优化模型的求解方法.     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

基于灰色系统理论的变形数据处理方法

根据灰色系统理论,提出了应用1-AGO灰色预测方法。建立GM（1,1）模型对变形数据进行分析预测。该模型具有削弱原始数据的随机性、预测精度高等特点,并通过实例进行说明。     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

太原市大气污染物浓度预测方法研究

太原市是全国大气污染最严重的城市之一，其中主要污染物有SO2、总悬浮颗粒物．根据“九五”期间太原市大气中SO2浓度变化规律，使用灰色系统理论，建立GM(1，1)动态模型，对SO2浓度进行预测．结果表明，预测模型精度较高，残差最大值小于15％，预测结果与实际状况基本相符．     

基于GM(1,1)模型在高校招生人数预测中的应用研究——以四川省普通高校为例

论文主要介绍了灰色系统理论及其预测模型GM(1,1),考虑到灰色预测对统计数据较少问题都可以进行预测,结合四川省普通高等学校招生人数的特点,借助灰色预测模型对四川省普通高等学校在每年招生期间所招收的新生人数进行预测.通过对预测结果的分析研究,说明这种方法的合理性,从而对以后的就业趋势作一定的借鉴,使相关部门对将来的就业方针进行适当的调整.