基于BP神经网络改进的GM（1,N）模型在经济预测中的应用——以河南省经济为例

论文就修正GM（1,N）预测模型的误差,提出了新方法。使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响。实践表明这些改进模型可以有效地提高GM（1,N）模型的预测精度。     

中国城乡恩格尔系数差异度的灰色建模与预测

为了提高预测精度,利用灰色GM （1,1）预测模型对中国城乡居民恩格尔系数差异度的变动趋势进行实证研究,并利用残差灰色预测模型对原始GM （1,1）模型进行修正。修正结果表明,残差修正后的GM （1,1）模型预测精度有显著提高。同时,中国在经历了二元经济结构后,目前整体上已经达到了城乡一体化,城乡居民生活质量基本一致的状态。     

BP与GM(1,1)预测隧道涌水对比分析和实证

利用某隧道的涌水监测数据,对比BP神经网络和GM(1,1)灰色数列预测模型两种方法预测结果的差异,以考察其适应性与误差。结果显示,在小样本信息量少的情况下,GM(1,1)预测精度优于BP,但训练样本的精度低于BP;BP的预测结果同隐含层神经元个数密切相关,并存在一最优值;在监测数据较少时,对BP网络进行初始化和预测,每次训练样本的误差都满足要求,但预测值的误差大幅波动。研究表明,监测数据较少时,采用GM(1,1)较合适。通过分析小样本下产生上述结果的原因,提出了在有足够监测数据下,GM(1,1)用于中长期监测的改进方法(GM(1,1)展开或用Verhulst模型)、BP神经网络的改进方法(滑移窗口处理)。     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

基于反余弦函数变换的优化GM(1,1)模型应用研究

研究了有关提高灰色GM(1,1)模型预测精度问题。在对原始数据序列进行标准化处理基础上,结合反余弦函数变换与灰色预测模型的新陈代谢思想建立优化GM (1,1)预测模型,并用实例验证了优化GM(1,1)模型比优化模型的单个条件能获得更高的预测精度。     

数控机床热误差变参数GM(1,1)的建模

为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.     

基于缓冲算子的灰色瓦斯涌出量预测研究

基于灰色GM（1,1）预测模型的构建理论,尝试引入缓冲算子来消除瓦斯涌出量原始数据序列所受到的冲击扰动,并利用MATLAB语言编程实现瓦斯涌出量灰色GM（1,1）预测模型程序化运算,选择合理的精度检验方法对预测模型和结果进行检验判断。通过工程实例,证明了引入缓冲算子改进的GM（1,1）模型预测精度和拟合优度更高,可为煤矿企业正确决策提供一定的理论依据。     

基于马尔科夫滚动优化的锂电池寿命灰色预测研究

文章建立了一种电池容量的动态预测方法,提出了滚动优化GM(1,1)模型、残差修正滚动GM(1,1)模型和Markov残差修正滚动GM(1,1)预测模型。研究结果证明了3种模型具有极好的预测性能,只是残差GM(1,1)模型的精度比其他2个低一些。且发现在仅有4个数据点建立的残差修正滚动GM(1,1)模型与Markov残差修正滚动预测模型也有相当高的预测精度。通过预测不同电池在不同充放电条件及温度条件下的电容容量,验证了滚动优化模型的普遍适用性。     

改进GM（1,1）模型在营养状况预测中的应用

为了提高灰色GM（1,1）预测模型的拟合和预测精度,通过初值和背景值的修正,给出了改进灰色GM（1,1）预测模型,并利用粒子群优化算法给出了模型相关参数的优化.根据中国学生体质与健康调研报告中4种营养性疾病检出率的数据资料,就10～12岁城乡男女的超重和肥胖数据,建立改进GM（1,1）预测模型对2010年和2015年的...     

地下水水质预测的有机灰色神经网络方法

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,结合灰色理论中的GM（1,1）,和灰色残差GM（1,1）和RBF神经网络的特点,提出一种新的灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构。以某地区地下水水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高。     

普通高等学校招生规模的预测方法

近年来,中国普通高等学校招生规模不断扩大,提高了高等教育的入学率,却增加了大学毕业生就业的压力。研究普通高等学校招生规模的预测方法对于合理地制定普通高等学校招生规模,实现高等教育可持续性发展是非常关键的。采用灰色系统方法和神经网络方法,结合1970—2009年全国普通高等学校招生人数的数据资料,建立了普通高等学校招生规模的灰色系统GM(1,1)模型和BP神经网络模型。对2种模型的模拟通过MATLAB平台实现。BP神经网络建模考虑了普通高等学校数、普通高等学校教职工人数、普通高中毕业人数以及国家财政教育经费投入4个影响因素。灰色系统GM(1,1)模型的精度为75.7%;BP神经网络模型的精度为95.4%。通过模拟分析可以得出:BP神经网络方法用于普通高等学校招生规模的预测是可行的。     

基于灰色BP神经网络的混凝土连续刚构桥应力预测

为了对混凝土连续刚构桥施工过程中的应力进行控制与预测,保证桥梁施工的安全,根据灰色理论和BP神经网络建立了灰色BP神经网络应力预测模型GNNM（1,1）．以贵阳花溪特大公路刚构桥施工过程实测应力为输入数据,对模型GNNM（1,1）进行训练,得到了应力预测值．该预测值与检验值的相对误差在3％以内,表明GNNM（1,1）模型的预测精度高,可以对混凝土连续刚构桥施工进行短期应力预测,同时,对大桥应力控制及安全施工具有一定的参考价值．     

基于差值灰色RBF网络模型股票价格预测研究

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。并利用此模型进行股票价格预测,实证结果表明:该模型预测稳定性较好,预测精度高,平均预测误差为0.68%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的实用价值。     

煤岩界面预测灰模型

为提高煤岩界面记忆截割检测的自动化水平，基于灰建模改进方法，采用相同的初始数据序列，建立经典GM（1，1）、新数据CM（1，1）、新陈代谢GM（1，1）三种煤岩界面预测模型，并分析其数据残差和相对误差。结果表明，三种模型的残差和相对误差均随预测步数的增加而增大，新陈代谢GM（1，1）模型的残差和相对误差最小，模型精度较高，适用于煤岩界面预测。     

灰色优化GM(1,1)和人工神经网络组合模型的江西省GDP预测应用

为了提高GDP的预测精度,结合灰色系统和人工神经网络的各自优势,建立灰色人工神经网络组合预测模型。该模型既具有灰色优化GM(1,1)模型适用发展系数范围较大的优点,也融合了人工神经网络在不确定因素预测方面的优点。最后以江西省GDP的预测为实例,对比了单独的灰色优化GM(1,1)模型与组合模型的预测结果,结果显示组合模型的预测精度较高。     

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.     

动态调整GM(1,1)发展系数的预测优化算法

在灰色预测GM(1,1)算法的基础上,针对小样本、穷信息、不确定性和以时间为序列的特征数据,运用限定条件下的随机非线性规划方法、动态调整GM(1,1)算法均质生成数列中的发展系数,构建一套优化预测模型,藉此提高算法的数据预测精度.结果表明:优化算法的预测结果精确度高,在数据预测方面,优于传统的GM(1,1)算法.     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

基于灰色系统理论单桩竖向极限承载力的预测

根据不完全的竖向静载试验数据,利用灰色系统理论的GM(1,1)模型预测单桩的竖向极限承载力,并对结果的合理性及误差进行分析.工程实例分析表明,竖向静载试验所施加的荷载达到或超过极限荷载的四分之三时,利用其数据进行单桩竖向极限承载力的预测具有较高的精度.同时新信息GM(1,1)模型、新陈代谢GM(1,1)模型比老信息GM(1,1)模型预测的结果更精确.