一种改进的GM(1,1)模型在交通量预测中的应用

建立了GM（1,1）循环残差修正模型,并与经典GM（1,1）进行比较,考察改进模型的预测效果。结合经典GM（1,1）模型,使用预测序列与残差序列绝对值之和来构造新序列,对新序列进行建模。通过Matlab软件编程实现了该模型,并将其应用于常熟市某无检测器交叉口每五分钟测得的交通流量预测。将本模型应用于交通流量预测建模上,其结果明显好于经典GM（1,1）模型,且预测效果更好。本模型基于经典GM（1,1）模型建立了GM（1,1）循环残差修正模型。根据实证分析和比较发现,该预测模型是合格的,并且拟合精度较高。     

改进GM（1，1）残差修正模型在光伏发电量短期预测中的应用

采用改进的GM（1,1）残差修正模型建立光伏发电量预测模型,从理论发电量和实际发电量两方面对5．6kW太阳能光伏发电系统的发电量进行预测．通过对比GM（1,1）模型和改进的GM（1,1）残差修正模型的预测结果,证明采用改进的GM（1,1）残差修正模型预测短期太阳能光伏发电量能够取得更好的预测效果．     

预测酸雨频率的双残差GM(1,1)模型及其应用实例

目前预测酸雨频率多采用传统的残差GM(1,1)模型 .本文结合最新修正的GM(1,1)模型及二级残差的概念 ,提出一种新的酸雨频率预测模型———双残差GM(1,1)模型 ,并利用该模型对青岛市酸雨频率进行模拟和预测 ,结果表明所建模型较之于传统模型有更高的模拟和预测精度 .     

基于残差周期修正的大气环境发展趋势的灰色新陈代谢预测分析

在传统灰色模型的基础上,遵循数据“重近轻远”的原则,运用了灰色新陈代谢GM（1,1）预测模型对我国大气环境发展趋势进行了预测,及时考虑了系统发展过程中的扰动因素,在补充新信息的同时去掉因时间推移使信息意义降低的老信息,比常规的GM（1,1）模型更好的反映出了系统当前的特征。通过预测可以得出,实行节能减排后,二氧化硫、烟尘和工业粉尘排放量分别降低了34．48％、28．61％和38．71％,大气环境质量有明显好转;其次,对残差序列进行分析,并利用残差周期修正对残差序列进行了修正补偿,通过残差检验、关联度检验和后验差检验,得出基于残差周期修正的新陈代谢GM（1,1）模型精度较高,适合于大气环境发展趋势的预测。最后,进行了滚动检验,也称为事后检验,得出滚动精度较高,可信度较大。     

基于残差变化趋势的GM(1,1)修正模型的算法实现与应用

介绍了GM(1,1)模型的基本原理、建立方法和特点,然后提出了一种基于残差变化趋势的GM(1,1)修正模型和它的算法实现,最后用一个例子说明了该模型确实能大大地减少误差,提高拟合效果。     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度; 接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值; 然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度; 最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。     

GM(1,1)残差模型在民航客运量预测中的应用

利用GM（1，1）模型对民航客运量进行模拟预测，用GM（1，1）残差模型对其进行修正，得出精度很高的预测公式，并用模型的后验差检验所建预测模型，证明预测公式精度较高，以期在今后的实际预测中取得很好效果。     

灰色人工神经网络模型及其在和田河径流预测中的应用

针对GM(1,1)模型在原始数据变化幅度较大且趋势不明显时,预测效果差的情况,提出了用人工神经网络对GM(1,1)模型的残差系列进行修正的改进模型,并将其应用于和田河径流变化预测中.结果表明,该方法提高了模型精度,为分析和田河径流变化趋势提供了有效的方法.     

基于灰色残差GM（1，1）模型的建筑物沉降预测的研究

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义。针对传统灰色GM（1,1）模型存在的模型精度不高的问题,提出了灰色残差GM（1,1）模型,并将其应用于对建筑物的沉降变形进行定量分析。通过与原始模型的对比分析可以发现,灰色残差模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值。     

新陈代谢GM(1,1)模型在建筑物沉降预测中的应用

利用MATLAB7.0软件对原始数据进行等间距处理后,用一次累加数列与原始数列构建微分模型,通过不断去掉旧数据加入新数据,以工程数学为基础,运用灰色理论构建新陈代谢GM(1,1)模型。并以工程实例进行模拟和预测效果检验,将普通GM(1,1)模型和新信息GM(1,1)模型预测效果进行比较,计算和对比结果表明,新陈代谢GM(1,1)模型精度明显高于其它模型,预测效果大大提高。     

基于GM(1,1)的道路交通事故预测

灰色预测法是将随机的原始数据序列用数据生成的方法生成规律性较强的新数列,以生成的新数列建立数学模型,GM(1,1)是一种典型的灰色模型.论文介绍数列灰色预测方法,通过道路交通事故预测实例,论述了GM(1,1)的建模过程,并对模型进行了检验.结果证明:针对我国道路交通事故典型灰色特征,用灰色理论进行预测研究是一种可行的方法,短期预测有较高的精度.     

灰色马尔柯夫预测模型

概要地介绍了灰色系统理论的研究对象，引入了ＧＭ（１，１）灰色预测模型，并将灰色预测与马尔柯夫预测方法相结合建立了一种对ＧＭ（１，１）模型进行了预测物新方法，克服两种预测法的不足，提高了预测精度。最后用一例子说明灰色马尔柯夫预测方法的应用。     

改进的GM（1,1）灰色模型在大坝沉降预测中的应用

针对传统GM（1,1）模型的不足,分别从提高原始序列的光滑度、优化背景值、优化时间响应函数三个方面对其进行了改进,对模型进行后验差检验进行模型精度检验,并建立了一种新的GM（1,1）模型,将改进了的模型应用于大坝沉降预测中,结果显示,新的GM（1,1）模型拟合预测精度明显高于传统模型.     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

多变量灰色数列预测模型在非典研究中的应用

在传染病传播过程中,对病人数的预测一直是一个重要课题.研究了利用灰度模型中的灰度理论建立起GM(1,3)模型,并采用GM(1,1)模型修正残差,得到确认病人数的预测模型,再采用人工神经网络对所得数据进行校正,进一步提高了预测精度.将MATLAB编程计算得到的预测结果,与真实数据比较,可以知道该预测模型比传统预测模型具有更高的精度.     

基于灰色系统的机床热误差建模研究

针对机床加工过程中的热变形误差受多因素影响,变化趋势复杂,难以用常规预测方法进行有效预测的问题,该文提出了一种新的基于改进灰色系统的智能预测模型。该模型利用函数变换法改善灰色系统数据序列的光滑度,采用等维新陈代谢法克服了传统的灰色预测模型的不足,所建模型具备了输入数据动态更新的能力,预测更趋于合理。将该模型应用于工厂现场的一台数控车削加工中心进行热误差趋势的预测,从而实现热误差的补偿研究。研究表明,该模型的预测性能优于全数据GM(1,1)模型和新信息GM(1,1)模型,是运用灰色系统理论进行机床热误差补偿建模最理想的模型,具有优异的补偿功能,能够有效的提高机床加工精度。