基于灰色GM（1,1）模型的城市用水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例（新疆阿克苏市1990~2000年城市用水量资料）建立灰色GM（1,1）预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行精度检验,其模型拟合精度为99%。用所建立的模型对阿克苏市2001~2005年城市用水量进行预测。结果表明,该灰色模型用于城市用水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与实际情况比较吻合。     

基于GM(1,1)模型的新能源预测及分析

随着河北省能源消耗增加、环境污染严重,开发利用新能源已经成为解决能源问题和环境污染的根本途径.通过GM(1,1)模型对河北省能源生产量和消费量进行预测,从而对新能源发展进行前景预测,并从风力发电、小水电、太阳能、地热能和生物质能五个方面进行分析.从发展新型产业链核心,整体布局、突出地区特色,加强技术研发及其相关配套工作...     

基于GM(1,1)模型的天长市需水量预测

用GM(1,1)模型对天长市2010,2015,2020年的需水量进行了预测,预测结果分别为1934.4,2537.6,3075.7万m3.对预测结果的精度校验表明,模型的预测精度等级为一级,模型可靠、合理.     

应用灰色GM(1,1)模型的粮食产量预测研究

粮食产量是关系到国计民生的头等大事,准确预测粮食产量有着非常重要的战略意义。选取我国2003—2013年11年间的粮食产量数据,应用灰色预测理论,建立我国粮食产量的GM(1,1)预测模型,对我国粮食产量进行中短期预测。结果表明:灰色GM(1,1)模型的预测精度很高,比较适合进行粮食产量的中短期预测;同时,未来几年我国粮食产量依然保持稳步增长。最后,提出了我国未来几年的粮食生产政策建议。     

基于GM(1,1)模型的用电量灰预测方法

根据社会存在用电量不确定因素较多,变化趋势较为明显的特点,基于灰系统理论建立灰模型（GreyModel,GM）对用电量进行灰预测;用新信息替代旧信息构造了新息GM（1,1）模型,并及时反映目标值的时变特性,更好地考虑实际数据的影响。算例表明：模型的置信度达到99.15%,而误差仅为2.96%,说明用GM（1,1）模型进行用电量预测是有效的。     

基于改进GM(1,1)模型的天津市电力消费预测研究

基于灰色GM(1,1)预测模型,选取天津市2000—2012年每年的电力消费数据,建立改进的GM(1,1)模型对天津市电力消费水平进行中短期预测。研究表明:改进的GM(1,1)模型具有较高的预测精度,适合进行中短期预测;同时,十二五规划期间天津市电力消费水平依旧保持较高的增长速度,到2015年天津市电力消费量将达到1 087.31亿千瓦时,对此提出了天津市十二五期间电力发展的政策建议。     

灰色GM(1,1)模型在电力系统负荷预测中的应用

研究了灰色GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论:灰色GM(1,1)模型精度较高,但也存在一定的局限性.     

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。     

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。     

长春市需水量预测

说明了水量预测的必要性,以长春市1995年-2006年的城市需水量为基础数据,通过建立以新代旧的GM（1,1）模型,分别对长春市2010年,2015年,2020年的城市需水量进行了预测．     

基于灰色GM（1,1）模型的安徽省GDP总量预测

建立了不同维数的灰色GM(1,1)模型和充分利用新信息的灰色模型的改进版——新陈代谢模型,比较了它们的优劣,确定了最优维数预测模型.应用该模型预测出2015年安徽省GDP首次达到2万亿元.     

灰色预测GM(1,1)在变形监测中的应用研究

根据灰色模型的建立和检验理论,以南沙滨海花园水晶湾商业街工程为例,进行灰色系统理论建模,通过实测沉降数据对比和验证,其精度与实测相近,预测了建筑物变形趋势。     

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.     

GM（1，1）模型在地表沉降预测中的应用

在城建中基坑开挖所带来的基坑周边地表沉降预测缺乏成熟的计算理论。结合南京某地铁车站基坑开挖工程,通过灰色理论中的GM(1,1)模型对基坑开挖所引起的周边地表沉降进行预测,并与实测值进行对比,结果表明,运用GM(1,1)模型,尤其是改进的GM(1,1)模型,利用初期沉降实测值来预测未来一定时间内的沉降量能够获得比较精确的预测结果。     

GM（1，1）模型在道路交通事故预测中的应用

保证交通安全是交通管理者的首要目标,为了掌握交通事故的发展规律,及时采取有效的事故预防措施,对交通事故进行预测是一个非常重要的问题。在分析道路交通事故灰色性的基础上,运用灰色系统理论,构建道路交通事故GM（1,1）预测模型,以福建省道路交通事故统计数据为例,给出GM（1,1）模型的应用实例,预测结果与实际值的平均相对误差为1．54％,可见GM（1,1）模型的预测结果是可信的。     

以ｘ（１）（ｎ）为初始条件的无偏ＧＭ（１，１）模型

根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以显著提高灰色建模的功效.将无偏GM（1,1）模型的初始条件由x^（1）（1）改为x^（1）（n）,对原模型进行改进,从而提高了所建模型的模拟预测精度.通过实例验证了所建模型的实用性和可靠性.