基于残差修正的GM(1,1)模型在水质预测中的应用研究

将基于残差修正的GM(1,1)模型应用到永定河流域官厅水库出口断面的水质预测中,对常规污染物COD,DO,NH_3-N的浓度值进行趋势预测并对预测结果进行后验差检验.结果表明,与传统的GM(1,1)模型相比,残差修正的GM(1,1)模型能够有效提高预测精度.     

基于灰色理论模型预测上海市质量竞争力指数

质量竞争力指数是指质量因素在塑造核心竞争力过程中发挥的程度,它通过分析与质量密切相关的因素以建立评价指标体系,并运用适宜的指数化评价方法进行量化测评而得来.利用灰色系统理论对于"少数据"、"贫信息"不确定性系统的研究优势,采用G(1,1)模型,根据上海市2008-2017年制造业质量竞争力指数,对上海市2018年制造业质量竞争能力进行建模和预测,并且通过残差检验,后验差检验和关联检验,说明所建模型在预测上海制造业质量竞争力指数的可行性.     

基于多种灰色模型对比的广西外贸加工贸易预测研究——灰色系统理论与应用系列论文之二

根据广西2009-2015年外贸加工贸易的数据,构建多种灰色模型,用残差检验和后验差检验计算小误差概率和均方差比,以此判断各模型的精度,并对广西外贸加工贸易额进行了预测.预测结果表明,新陈代谢模型在广西外贸加工贸易的短期预测中精度较高,Verhulst模型在广西外贸加工贸易的长期预测中精度较高.根据预测结果,提出构建并完善加工贸易数据平台,打造中国—东盟区域性制造中心,高端锁定广西-东盟加工贸易产业链,强化投资便利化与人才吸引力,加大对中小型加工贸易企业的扶持等对策建议.     

基于GM(1,1)残差模型的科技园区财政收入预测

根据科技园区财政收入预测的需要,在对历史数据分析的基础上,利用灰色预测理论建立了丰台科技园区财政收入预测的GM(1,1)模型,为了提高预测精度,用GM(1,1)残差模型对其修正,得出预测公式.通过预测结果的对比分析和模型的后验差检验,证明预测模型精度较高.模型的应用为科技园区财政收入预测提供了一种科学方法,同时也为园区管理决策提供了依据.     

灰色预测在农林牧渔业发展中的应用

运用GM(1,1)模型对我国农林牧渔业总产值进行预测,首先对数据进行预处理,使其满足灰色预测模型的条件,运用M ATLAB软件编程求解.通过做残差检验和滚动检验,发现误差均小于10%,最后进行了关联度分析.得出结论:对农林牧渔业总产值影响最大的为渔业,其次为牧业,林业和农业.     

基于改进灰色verhulst模型的稠油产量预测

稠油油田开发是一个复杂的过程,在地下信息较少的情况下可以将其视为灰色系统.以辽河油田某稠油研究区为例,基于Verhulst模型建模理论对该区2005-2011年的年产油量建模发现后期预测误差呈增大趋势.在Verhulst模型的基础上结合G(1,1)灰色建模理论建立了残差修正年产油量Verhulst模型,模型精度由原来的96.0994%提高到97.6763%.2012-2014年的年产油量预测结果显示残差修正模型的预测精度达到了99.2281%,且关联度检验结果显著提高.将模型预测结果与数值模拟预测结果进行了对比,结果表明残差修正的Verhulst模型是一种快速、简洁、精准的预测方法,在一定的条件下使用残差修正Verhulst模型,不仅可以预测稠油油田近期的年产油量,还可对研究区后期开发方案调整等问题提供决策依据.     

基于灰色灾变理论的云南省干旱气候预测研究

应用灰色灾变理论对1950-2013年云南省的干旱数据进行研究,并建立GM(1,1)模型,预测2014-2030年云南省可能出现干旱的年份,为政府、农业、水利等部门的规划决策提供科学的依据,通过相对误差和后验差检验模型的有效性.     

安徽省道路交通事故影响因素分析及其预测研究

以安徽省道路交通安全状况为研究对象,探讨分析安徽省道路交通事故致因要素及未来发展趋势.首先利用灰色关联度法分析道路交通事故数与相关致因要素之间的关联度,得出人口因素是主导因素,其次为环境因素,包括社会经济环境和道路环境.在此基础上,运用灰色GM(1,1)及其残差改进模型,对事故起数及其主导因素进行预测研究,结果证明灰色预测可以很好地预测人口发展趋势,但对事故起数这样波动较大的数据更适宜残差修正模型.     

基于GM-Markov模型的京津冀区域物流需求量的预测

利用2009-2014年京津冀三地的货运量,通过灰色预测模型中的GM(1,1)预测模型分别对京津冀三地2015-2017年的货运量进行预测,经过后验差比值和小误差概率检验,得出采用该模型的预测精度为优.同时采用Markov模型对灰色模型进行修正,构建出了新的GM-Markov模型,采用新模型分别对京津冀三地2015-2017年的货运量进行预测,将前后模型预测的结果与实际值进行比较,得出采用GM-Markov模型比单纯的运用GM(1,1)预测模型预测的结果更为精确.最后,利用GM-Markov模型分别对京津冀三地2018-2022年的物流需求量进行了预测,得出了京津冀三地货运量未来的变化趋势.     

ARMA模型在我国电力需求预测中的应用

本文以1973年~2004年我国电力消费量的历史数据为基础,根据其趋势图拟合出与之相似的指数回归曲线,然后对其残差序列利用时间序列进行分析和识别,建立起适合我国电力需求预测的指数回归-ARM A(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测要求.