基于小波与动态GM(1,1)-ARIMA模型的股价预测研究

针对传统时间序列股价预测模型的时间滞后性,提出一种基于小波与动态GM(1,1)-ARIMA的股价预测模型。运用小波分析对股价数据进行预处理,对小波重构序列建立ARIMA模型,考虑预测过程中未来因素对系统的影响,建立动态GM(1,1)模型。选取沪深300指数进行实证分析,结果表明所提出的小波与动态GM(1,1)-ARIMA模型与传统股价预测模型相比,其预测精度最高。     

优化GM(1,1)模型在滑坡形变预测预报中的应用研究

传统的GM(1,1)模型,只适用于等间距监测数据序列的模拟预测,对非等间距监测序列,一般经过等间距处理或经过复杂的变换计算再建立非等间距模型。针对传统GM(1,1)模型的不足,本文探讨了几种合理且实用的改进GM(1,1)预测模型,并对各种优化GM(1,1)模型和传统GM(1,1)模型的预测结果进行了系统的对比分析。     

灰色马尔科夫模型对煤自然发火预测的研究

传统灰色模型GM(1,1)对于随机波动性较大的数据序列拟合较差,预测精度较低,为了弥补这一缺陷,更准确预测煤层自然发火的趋势与危险性,将GM(1,1)模型和马尔科夫模型有机结合,构建了灰色马尔科夫模型。用灰色马尔科夫模型对柴里煤矿实测CO发生量进行预测,与传统GM(1,1)模型的预测结果比较,灰色马尔科夫模型的拟合精度更好,平均相对误差更小,简便、实用,能够为矿井煤自燃火灾的防治工作提供科学的理论依据。     

桑丝绸老化力学性能预测灰色模型研究

提出了采用灰色模型对桑丝绸老化力学性能进行预测的基本方法,利用实测的老化后织物的断裂强力序列建立GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型,预测织物的断裂强力,并对各模型的预测结果进行比较分析.结果表明:将GM(1,1)模型和等维新息GM(1,1)模型结合使用可以使预测效果更好.     

基于强化缓冲算子的装备修理价格预测

针对装备随使用年限的增加而不断劣化,修理价格增长速度加快的特征,使用强化缓冲算子对装备修理价格的原始数据时间序列进行预处理,以消除劣化对数据的扰动影响,结合GM(1,1)建模,对装备修理价格进行预测研究.通过对某型装备修理价格的预测分析表明,经过2阶强化缓冲算子处理后的GM(1,1)模型具有更好的预测精度.     

生物降解复合材料降解性能预测灰色模型研究

提出了采用灰色模型对生物降解复合材料的降解性能进行预测的基本方法,利用实测的降解率序列建立GM(1,1)模型、残差GM(1,1)模型和等维新息GM(1,1)模型,预测复合材料降解率,并对各模型的预测结果进行比较.结果表明,将残差GM(1,1)模型和等维新息CM(1,1)模型结合使用可使预测效果更好.     

基于缓冲算子无偏差GM(1,1,k)模型的光伏发电装机容量预测

针对我国光伏发电装机容量数据序列呈非齐次型指数、非凸凹一致性分布的特点,运用无偏差GM(1,1,k)模型、一次缓冲算子无偏差GM(1,1,k)模型、二次缓冲算子无偏差GM(1,1,k)模型对光伏发电装机容量进行了预测.结果显示,二次缓冲算子无偏差GM(1,1,k)模型的预测值适中,可信度较大.     

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。     

基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度,运用卡尔曼滤波对原始沉降数据进行滤波去噪,并重新构建灰色GM(1,1)模型的背景值,建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例,进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较,结果表明,新模型不仅可以有效剔除监测数据中的随机噪声,而且提高了模型精度。     

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。     

动态优化GM模型中分辨率系数的数据预测算法

为提高传统GM(1,1)算法的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变传统灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.算法的数值实验结果表明,优化算法的预测精度高于传统的GM(1,1)算法和文献[3]中的算法.     

基于自适应精英蚁群算法的GM（1,1）预测模型

在GM(1,1)预测模型中,发展系数a和灰色作用量b两参数对模型的预测精度有直接影响。在分析GM建模原理和参数对模型精度影响的基础上,提出了一种信息素浓度自适应调整的精英ACO算法与GM（1,1）融合预测模型,在不改变GM(1,1)模型表达形式前提下,使用了改进的ACO算法来求解模型的最优参数。试验结果表明：与传统的GM(1,1)模型相比,改进的ACO算法与GM（1,1）融合模型的预测精度在传统GM模型误差较大的情况下也能得到较好的预测效果,在适用性上比传统模型具有优越性,是提升模型精度一种新思路。同时也说明了运用自适应精英策略改进蚁群算法提升算法全局寻优能力是合理的科学的。     

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.     

混凝土受压过程中声发射数的灰色模型研究

针对在混凝土单轴受压破坏全过程的声发射试验中,采用传统GM（1,1）灰色模型多步预测分析所得预测值普遍较实测值偏大、预测精度偏低的问题,通过引进预测值折减系数,重点探讨了折减系数的特点。结果表明,折减系数在预测曲线起点处基本为一常数,在终点处基本与已知数据百分数呈线性关系。基于上述特点通过插值求其折减系数来合理修正传统的灰色模型,建立起折减修正GM（1,1）灰色模型。通过该修正GM（1,1）灰色模型对室内声发射试验建立的预测模型,其精度较传统GM（1,1）灰色模型有较大提高。     

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。     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

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。     

大冶铁矿滑坡预测模型研究

在深入研究滑坡变形特征的基础上,以大冶铁矿东露天采场狮子山北帮滑坡位移监测数据为依据,采用灰色理论,将滑坡的预测模型与滑坡运动特征相结合,推导出传统GM（1,1）模型和优化的GM（1,1）模型,通过验算比较,优化的GM（1,1）模型预测曲线与实测曲线的拐点及发展趋势高度吻合,模拟精度高,预测值可信度大,对临滑滑坡也有一定的预警意义．优化的GM（1,1）模型可以用于中长期预测模型．     

GM(1, 1)模型的建模条件

GM(1,1)模型是灰色系统理论的核心预测模型,对GM(1,1)模型的建模条件进行研究是提高模拟精度的基础.采用理论证明和数值算例相结合的方法对GM(1,1)模型的建模条件进行研究,拓展了经典灰色预测模型的级比判定条件.结果表明:当原始序列的累加序列值都相等时,发展系数不存在;提高原始序列光滑度不是提高模拟精度的充分条件.