青岩油杉种群密度的GM(1,1)组合模型

探讨了植物种群ＧＭ（１，１）组合模型手理论和方法。以种群密度为时间数据序列，建立了青岩油杉种群密度的ＧＭ（１，１）组合模型，并对其精度进行了分析，结果表明，ＧＭ（１，１），组合模型是一种较为理想的处群动态模型。     

桤柏混交林幼林生长的灰色拓扑预测

应用灰色系统ＧＭ（１，１）模型及其改进模型研究了四川省盐亭县龙江４年来连续营造的桤柏混交林和柏木纯林，建立了混交林和柏木纯林中幼木生长的灰色ＧＭ（１，１）模型、新息ＧＭ（１．１）模型和ＧＭ（１，１）新陈代谢模型，结果表明，ＧＭ（１，１）新陈代谢模型能较好地摸拟和预测桤木和柏木在幼林期的生长状况，井对其随后６年的胸径、树高作了预测．由预测结果可以推断，桤柏混交林促进目的树种柏木生长的效益是非常明显的．     

灰色系统SCGM(1,h)c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统ＳＣＧＭ（１,ｈ）ｃ模型的三种拓广模型,即ＳＣＧＭ（２,ｈ）ｃ模型、ＳＳＣＧＭ（１,ｈ）ｃ模型、带有时滞的ＳＣＧＭ（１,ｈ）ｃ模型,并给出了参数辨识算式及解     

灰色预测模型GM（1，1）的修正

应用样条函数对灰色预测模型ＧＭ（１，１）的残差序列进行插值，将插值后的残差表示式作用于微分动态模型，用最小二乘法则进行参数辨识，从而建立残差的时间响应式，并以此修正ＧＭ（１，１）模型。经实例检验，修正后的模型精度有显著提高。     

马缨杜鹃种群密度的GM(1,1)模型

应用灰色系统理论，以种群基径大小作为时间序列，建立马缨杜鹃种群密度的ＧＭ（１，１）模型，并对其精度进行了分析。结果表明，ＧＭ（１，１）模型是一种较为理想的种群动态模型。     

灰色系统SCGM（1,h）c模型的拓广

对于一类贫信息耦合多因子系统,建立了灰色系统ＳＣＧＭ（１,ｈ）ｃ）模型的三种拓广模型,即ＳＣＧＭ（２,ｈ）ｃ）模型,ＳＳＣＧＭ（１,ｈ）ｃ模型,带有时滞的ＳＣＧＭ（１,ｈ）ｃ模型,并给出了参数辨识算式及解。     

提高GM（1，1）预测精度的一些措施

本文讨论了影响ＧＭ（１，１）预测精度的常见的一些原因，并相应地介绍了改进ＧＭ（１，１）预测模型，以提高预测精度的几个措施。     

建立GM(1.1)模型的差分法

本文在分析 ＧＭ（１．１）模型传统建模方法及各种改进所存在问题的基础上，通过研究ＧＭ（１．１）模型与差分模型的关系，提出一种建立ＧＭ（１．１）模型的差分法。     

灰色预测模型建模方法探讨

作者在本文中用差分格式对灰色ＧＭ（１，１）建模方法作了改进，建立了ＧＭ（１，１，λ模型），文中给出了以误差平方和最小，误差绝对值之和最小、绝对百分误差和最小为目标的优化模型，同时还给出了三者为目标的多目标优化模型，求解λ值，进而对原始序列进行预测。由λ的取值知ＧＭ（１，１，λ）模型的精度一定比普通ＧＭ（１，１）模型高。实例分析效果是显著的，拟合精度非常高。     

灰色改进等维新息GM（1，1）模型在电力系统长期负荷预测中的应用

本文分析了灰色系统预测ＧＭ（１，１）模型用于长期负荷预测时的局限性，针对电力系统需求增长的特点，提出了灰色改进等维新息ＧＭ（１，１）模型，对江苏电网的用电量进行测算的结果表明，采用改进等维新息ＧＭ（１，１）模型进行长期负荷预测的精度高于一般灰色ＧＭ（１，１）模型的预测精度，给出了程序框图与测算结果。     

基于灰模型白化响应的边缘检测算法研究

边缘检测是图像分析与处理的重要基础，一直是视觉领域研究的活跃课题。本文深入研究了一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法。该算法用原图相邻的若干象素点，构建GM(1,1,C)模型，算出相应象素点的白化值，得到原图像素点亮度值与相应白化值之间的误差。依据边缘像素点其亮度与非边缘像素点亮度相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值误差大的特点，实现边缘检测。实验证明该算法的有效性和具有一定的抗噪能力。     

GM(1,1)模型的性质及改进

在对GM(1,1)模型进行分析的基础上,经过理论推导,得出了初始数对预测没有影响的结论,对GM(1,1)模型进行改进,给出了GM(1,1)模型Ⅰ。当向原始序列添加相同的数字时,预测值将更改,由此提出了GM(1,1)模型Ⅱ,利用粒子群算法,得到最佳的增加量。仿真结果表明,GM(1,1)模型Ⅰ和模型Ⅱ具有较高的精度。     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.     

基于自适应粒子群算法的GM(1,1)模型及其应用

将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。     

煤炭海运总量的灰色预测

基于灰色数学理论,通过常规全数据GM(1,1)模型及等维新陈代谢GM(1,1)模型分别对煤炭海运总量进行建模并预测,并与传统的最小二乘曲线拟合所得结果进行比较,结果表明,运用灰色理论所建立的等维GM(1,1)进行预测是可行的,而且精度较传统方法高。     

改进GM(1,1)模型在城市流动人口预测中的应用

利用泰州市2003-2009年流动人口数据,建立GM(1,1)模型、残差GM(1,1)模型和等维递补GM(1,1)模型对流动人口数量进行预测.并用多种方法检验了三种模型的拟合效果.结果表明三种模型均能合理地对流动人口数量变化进行预测,但残差GM(1,1)模型和动态等维递补GM(1,1)模型拟合效果优于一般的GM(1,1)模型.     

GM(1,1)的MATLAB实现及其应用

灰色GM(1,1)预测模型是灰色理论中的重要组成部分,也是主要的预测方法之一.因此,GM(1,1)模型的应用范围很广泛.本文简要介绍了GM(1,1)模型的原理及其预测步骤,用MATLAB软件实现了GM(1,1)预测算法并给出了源代码.在此基础上,用统计年鉴上的住宿和餐饮业收入增加值数据进行了仿真,从而验证了该算法的有效性和程序的正确性。     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

地空导弹武器系统维修费用灰色预测模型

维修费用的预测是武器装备全寿命周期费用管理的重要部分。针对地空导弹维修费用数据量有限规律性不同的特点,选用灰色理论进行维修保障费用预测:首先,简要分析了GM(1,1)模型,讨论了维修费用数据的处理;然后,以某新型地空导弹武器系统为例,具体探讨了灰色预测模型的应用,并对比分析了老信息灰色预测、新信息灰色预测和新陈代谢预测模型的精度;由实例分析可知,新陈代谢预测模型的精度更高、计算量更小。     

完全信息利用的GM(1,1)建模方法

通过对GM(1，1)模型的协调性分析，证明GM(1，1)模型的还原数据模型与原始序列的第一点无关，并在此基础上提出了一种可以完全利用全部已知信息的GM(1，1)建模方法，完善了灰色建模理论．实例证明完全信息利用的GM(1，1)建模方法能够获得较好的预测效果。