基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

区域粮食生产灰色关联分析

采用灰色系统理论,对影响河南省粮食产量的诸因素进行动态灰色关联分析,运用GM(1,1)模型在对其发展趋势预测的基础上,进行趋势关联分析.研究结果动态地反映了河南粮食生产发展的趋势,为粮食生产持续发展、科学决策提供理论依据.     

基于灰色理论的上证指数预测研究

本文利用基于模型的灰色波形预测模型,选取2007年8月1日到9月28日的上证指数进行研究,结果表明在相同等高线范围内的预测值与真实值波动趋势基本一致,说明灰色波形预测模型在数量少、波动大的数据未来趋势预测上的优越性。但模型也存在一定的局限性。     

灰色模型在地区 GDP 预测中的应用

采用灰色系统法，建立灰色经济预测模型，利用最小二乘法确定模型中的参数，并用建立的模型对山东省潍坊市2013-2015年的GDP进行预测，分别为2013年42．79 h亿元，2014年48．66 h亿元，2015年55．32 h亿元．分别比上一年增长20．8％，13．7％和13．69％．对误差的计算显示模型的相对残差不超过3．57％，模型精确度较高．     

基于灰色系统理论的中国就业结构预测分析

由于就业结构存在定和为1的限制,采用非映射变换方法首先进行降维处理,在此基础上结合灰色GM(1,1)模型对中国就业结构"十二五"期间发展趋势进行预测。结果表明:采用该方法研究中国就业结构预测问题,预测精度较高,且克服了采用传统预测方法进行建模得到的预测结果数据总和通常不为1的缺点;"十二五"期间中国就业结构调整将实现突破,由目前第一产业居主导地位的"一、三、二"格局转变为"三、一、二"格局,第三产业成为未来吸纳就业人员最多的产业。     

GM(1,1)模型灰色预测法预测城市人口规模

以1992-2001年呼和浩特市人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型,统计检验和误差分析表明,模型精度较高．用该模型预测了呼和浩特市2005-2009年城市人口规模,并对预测结果进行了分析．     

我国工业增加值的灰色预测与分析

以2000～2005年间我国工业增加值的数据为主要对象,应用灰色预测理论,建立灰色系统的预测GM（1,1）预测了2006～2010年我国工业增加值（1978年为基年）,从定量分析角度分析了我国工业增加值较快速增长的良好趋势．     

我国金融业职工人数的灰色模型及预测

近几年来,我国经济稳定增长,金融业人才需求持续高涨,金融及金融服务业的外部招聘需求几乎翻倍增长。为此本文通过对2006至2011年金融业职工人数变化趋势的研究,运用灰色系统理论,建立了灰色系统的预测GM(1,1)模型,对2015年的金融业职工人数做出预测。     

基于DBSCAN与HL相结合的晶圆成品率预测研究

对半导体成品率进行预测分析可有效控制产品成本,提高产品质量,而缺陷问题是导致半导体成品率损失的关键因素。因此,考虑晶圆缺陷聚集特性和数据嵌套性,研究了一种密度聚类与多水平逻辑回归相结合的受缺陷限制的成品率预测方法。首先采用密度聚类算法获取晶片缺陷模式类型;将在线缺陷数据在晶片水平进行整合,作为多水平逻辑回归模型的输入参...     

影响粮食产量的因素分析及对策建议

通过对1986-2005年间我国粮食产量的分析,在影响我国粮食产量的诸多原因中选出了6个主要影响因素,建立了改进的柯布-道格拉斯生产函数模型,通过计算各个影响因素对粮食产量的产出弹性,研究了这些影响因素对粮食产量的影响与作用,最后,在此基础上提出了提高我国粮食产量的对策建议.     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量的仿真实验,结果显示该模型能够对网络流量进行比较精确的预测.     

基于小波包分析的网络流量组合预测模型

提出一个基于小波包分析的网络流量组合预测模型,将流量数据构成的原始序列进行小波包分解,并将分解得到的各近似部分和各细节部分分别单支重构成低频序列和高频序列.根据低频序列和高频序列的不同特性,分别采用自回归模型（AR）和线性最小均方误差估计（LMMSE）对未来网络流量进行预测,最后重新组合生成预测流量.通过对真实网络流量...     

建筑投标价格指数神经网络方法及敏感性分析

将神经网络技术应用于建筑投标价格指数预测,提出了两种神经网络的变量敏感性分析方法,并用提出的方法分析了投标价格指数所涉及变量的敏感性．     

地下水位动态预测模糊识别全解析模型

为了预测地下水位动态变化,采用理论分析与实验方法,对多目标模糊识别的目标函数进行了全面分析,提出了不同权重情形下的模糊模式识别全解析模型,同时提出了模式样本模糊克隆的概念,并将提出的模型应用于地下水位动态预测.实验结果表明,三种预测模型测试样本的平均误差分别为4.53%、5.33%、4.61%.研究结果表明本文提出的地下水位动态预测方法是有效的.     

基于三剪屈服准则的材料弹塑性统一本构方程

为了改进双剪统一强度理论公式的分段表达,克服双剪统一弹塑性本构模型在θ=θb点上的双重滑移角现象,考虑十二面体单元上所有三个主剪应力共同作用的三剪屈服准则建立了材料的弹塑性统一本构方程,该弹塑性统一本构方程适合于服从Tresca屈服准则到Von Mises屈服准则的全部材料.     

基于AGSO-LSSVM的热点话题预测模型

针对网络热点话题的时变性、混沌性,为了进一步提高网络热点话题的预测精度,提出一种人工萤火虫算 法(artificial glowworm swarm optimization,AGSO)优匕最小、二乘支持向量机(least squares support vector machine, LSS-VM)的网络热点话题预测模型（AGSO-LSSVM)。模型收集网络热点话题数据,采用互信息法和CAO法选择最优延迟时间和嵌入维数,采用优延迟时间和嵌入维数重构网络热点话题数据学习样,并输入到最小二乘支持向量机 中训练,进而采用人工萤火虫算法优化最小二乘支持向量机参数建立网络热点话题预测模型,采用仿真实验测试其性能。实验结果表明,相对于其他网络热点话题预测模型,该模型可以对网络热点话题的变化特点进行拟合,进一步提高网络热点话题的预测准确性。     

基于隐马尔科夫模型的浏览路径预测

基于马尔科夫模型的浏览路径预测，仅仅从用户的浏览会话本身出发来预测用户下一步的链接，并不能捕获用户的真正兴趣所在。运用隐马尔科夫模型来分析用户浏览网页的内容，可进一步捕获用户的浏览兴趣，并作下一步的链接预测。当浏览序列长度逐渐增加，系统捕获的用户浏览信息越来越多，此时能够折射出用户的兴趣所在，预测准确率也逐步增加。当浏览序列长度大于或等于8时，预测准确率已经到达80％，提高了预测准确率。     

基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,本文以山西省1993-2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数(c,g)进行寻优,构建PCA-FOA-SVR模型;对试验结果进行验证,发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数(coefficient of determination,R2)分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对本文的后续研究提供了一定的帮助。