第二语言发展因素及预测研究

本文以2018年美国大学生数学建模竞赛赛题为背景,对全球各个国家第二语言使用人数的发展因素进行研究,利用层次分析法对经济、文化和政策三个因素进行了定量分析,找到影响第二语言发展的主要因素。基于灰色预测模型,对第二语言未来50年的使用人数进行预测。研究表明,英语和西班牙语将成为各个国家主要的第二语言,俄语和葡萄牙语的使用人数将渐渐减少。     

甘肃省农业经济发展与供给侧结构性改革研究——基于灰色系统理论

以甘肃省为例,运用灰色关联方法剖析甘肃省农业总产值与内部各产业产值、农业生产条件的内在关系,选取三种模型中误差平方和最小的GM(1,1)模型预测甘肃省“十四五”时期农业总产值及各农业产业产值.结果表明,种植业和林业与甘肃省农业总产值的灰色关联度最高,农业服务业关联度最小;农业生产条件中对农业总产值影响最大的是农村用电量和有效灌溉面积,影响最小的是农用机械总动力.基于灰色关联分析与GM(1,1)模型预测结果,提出积极深化农业供给侧结构性改革,补齐农业基础建设短板,培育、发展和壮大新型农业农村集体经济经营主体,延伸产业链等建议.     

宿州市粮食生产灰色关联分析及预测

根据宿州市1978～2009年粮食产量相关统计资料,运用灰色模型对宿州市粮食生产预测并进行影响因素灰色关联分析.结果表明:宿州市粮食产量整体呈上升趋势,但中间因气候因素导致较大波动,若措施得当,未来6年粮食产量将逐年增加;9个影响因子中,粮食单产、粮食播种面积、农业生产资料价格及农田水利设施是影响宿州市粮食生产的最重要的因子.     

平顶山市学龄人口数量与结构的演进预测分析

学龄人口数量与结构的波动对基础教育区域均衡发展研究具有直接而深远的影响。基于全国第六次人口普查(平顶山市)资料,运用时间序列平滑预测法和改进的灰色预测模型法对未来学龄人口进行预测,并从未来学龄人口数量演进的角度分析其对基础教育区域均衡发展的影响.     

安徽省经济增长的影响因素分析和趋势预测

针对影响安徽省经济增长因素以及未来五年安徽省GDP如何等问题,本文首先定性分析了影响安徽省经济增长因素,从两个角度运用灰色关联度模型分析了影响因素对安徽省经济增长的影响大小和次序;其次本文建立了灰色预测GM(1,1)模型,预测了2011-2015年安徽省GDP的总量和增长率.本文的研究结果表明,安徽省经济增长是基本健康;安徽省GDP的总量和增长率在未来五年里将持续增长、能实现2015年生产总值比2010年翻一番.     

潍坊市耕地数量变化状况及其保有量预测分析

基于1993-2012年的统计数据资料,运用变异系数、泰尔指数、相对变化率及主成分分析法对潍坊市的耕地数量变化状况及其驱动因子进行了分析;运用灰色预测法中的GM(1,1)模型对潍坊市未来20年的耕地面积变化状况进行了预测分析.结果表明,20年间潍坊市耕地面积不断下降,且区域性差异较大,各县市区的变化幅度不同;人口增加、社会经济进步和农业科技进步是影响潍坊市耕地数量变化的3个主要驱动因子;潍坊市在未来20年中耕地数量不断下降,且年递减率增大,人地矛盾突出.     

基于灰色理论的交通量预测

灰色模型可以在交通量资料缺乏的条件下建立模型进行预测,运用灰色模型对未来交通量进行预测。在灰色预测的基础上,建立了一阶单变量的交通量预测模型,运用灰色GM（1,1）模型来体现交通量的灰色性。实例计算分析表明,模型精度良好,预测结果与实际状态基本相符,成功地预测了交通量,预测结果证明了该模型的优点,该模型具有较强的适用性。本方法简便、适用,尤其能够在历史数据缺乏、离散性高、并对影响历史数据的各因素认识不十分清楚的情况下,能够得到较高精度的预测结果,利用灰色理论进行交通量预测是一种行之有效的方法。     

东北经济区煤炭需求预测与供应能力规划

1矿炭需求量预测综合能耗率的预测我们采用的是灰色系统预测方法。预测模型如下:对于国民经济发展力平(以工农业总产值代表)的预测。主要是在参考有关文献和专家意见的基础上,结合作者对东北经济及国民经济发展的未来趋势和前景的认识来确定。由于经济发展的不确定性很大。因此我们似定了高、中、低三个发展方案。相应于经济发展的高中低三种方案,煤炭需求量也有高、中、低三个方案。对于煤炭消费比重的预测则主要是用线性回归法预测出来的。综合以上结果可以得到1990～2030年东北经济区煤炭需求量预测值。     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

基于灰色理论模型的人口城镇化的分析

运用灰色模型对中国人口城镇化进行灰色预测,并结合回归模型进行预测结果误差分析比较,从误差结果可看出,灰色模型用于预测人口城镇化问题比回归模型更精确可靠,可将该模型用于预测未来几年人口城镇化的程度。     

文山市经济增长预测及影响因素分析

根据文山市2008～2012年的统计数据,运用灰色系统预测模型对文山市GDP进行预测,并利用灰色关联度分析法对文山市经济增长影响因素进行分析。结果表明未来4年文山市经济将继续保持增长,第三产业增加值和高校在校生数对文山市经济增长的影响作用最强。     

链球运动员顾原身体素质的灰关联分析及GM(1,1)建模预测

运用灰色理论中的关联分析法,对链球运动员顾原各项素质进行了综合分析,找出了影响运动员成绩提高的主要因素.并运用了灰色理论的灰色模型方法,建立了专项成绩的灰色GM(1,1)预测模型,运用该模型对顾原2004年和2005年的运动成绩进行了预测.     

基于灰色理论的城市燃气负荷预测

城市燃气负荷与城市工业发展,城市人口等因素密切相关,由于传统的城市燃气负荷GM（1,1）预测模型仅与历史数据有关,预测结果并不能真实反映燃气负荷在未来的变化趋势。应用灰色GM（1,N）模型,将工业产值和城市人口两个因子引入燃气负荷预测模型,建立一个一阶3个变量的灰色GM（1,3）模型,进行预测。实例预测计算结果表明该模型能够准确预测城市燃气负荷,而且该模型考虑了影响燃气负荷的主要因素,使得预测模型和结果更为合理。     

城市年供水量预测的动态等维新息模型

运用灰色系统理论的预测原理和方法，探讨了灰色动态等维新息模型在城市年供水量预测中的应用。所建模型经“未知数据法”检验比传统G（1，1）模型精度更高、误差更小。预测结果更可靠。并利用此模型对未来城市的供水量进行了灰色预测。     

Markov残差修正的灰色GM(1,N)模型在粮食产量预测中的应用

将灰色理论和Markov预测方法用于中国粮食产量的预测。运用灰色关联分析,从众多影响粮食产量的因素中确定了影响粮食产量的主要因素为：乡村从业人员、农作物有效灌溉面积、粮食作物播种面积、受灾面积。以粮食产量作为特征变量,以影响粮食产量的主要因素作为选定变量构建了粮食产量的灰色GM（1,5）预测模型,并对我国粮食产量进行拟合和预测。为了捕获粮食产量时间序列的随机波动性,使用马尔可夫模型对GM（1,5）模型的残差进行修正,以便改善预测精度。实例结果：事后检验阶段GM（1,5）模型的平均绝对百分比误差为15.45%,灰色Markov模型的平均绝对百分比误差为5.625%。灰色Markov模型能够提高预测的精度,是一种有效的、具有鲁棒性的预测方法。     

城市热岛效应的灰色评价与预测

将灰色系统理论引入到城市热岛效应的评价与预测中,运用灰色关联度分析法对影响西安城市热岛效应的因子群进行了贡献测度分析.结果表明,人为热释放是造成城市热岛效应的主要因素,风速、日照时数和相对湿度是影响城市热岛效应的主要气象因子.系统云灰色模型(SCGM)的拟合和预测结果与实际情况取得了较好的一致性,表明西安城市热岛效应具有日益加重的趋势,也体现了SCGM在多因子关联系统预测中的优越性.     

河南省冬小麦单产与标准化降水指数的关联度研究及GM(1,1)预测

在调研河南省18个市1995—2014年冬小麦单产与标准化降水指数(SPI)的基础上,运用灰色系统理论,计算了冬小麦单产与SPI的4种灰色关联度矩阵.通过分析,找出了全省18个市冬小麦单产与SPI之间的关联关系.运用GM(1,1)模型,对河南省18个市冬小麦单产进行了未来4年的灰色预测.     

我国商品住宅价格灰色预测

商品住宅价格受多种因素影响，既有宏观因素。又有微观因素；既有确定性因素又有不确定性因素。文中运用灰色理论原理，把我国商品住宅价格看作一个灰色系统，以全国商品住宅价格为原生时间数据系列，建立灰色GM（1，1）预测模型，对我国商品住宅价格未来走势进行预测。对所建模型进行残差检验，关联度检验，均方差检验及小误差概率检验。精度均为一级，因此。可以运用所建模型对我国商品住宅价格进行预测。从模型预测的结果看，我国商品住宅价格在未来呈上升趋势。     

基于BP神经网络的江西省铁路货物周转量预测

采用灰色关联分析法筛选出江西省铁路货物周转量的主要影响因素,在此基础上建立了BP神经网络预测模型,并采用多元线性回归模型、二次指数平滑法、灰色GM(1,1)模型分别对江西省铁路货物周转量进行预测,再对结果进行比较和误差分析。研究表明,BP神经网络模型预测精度明显高于其它三个模型,平均误差为0.76%,可用于实际预测。     

基于灰色-马尔柯夫模型的区域耕地变化预测研究——以四川盆地中部丘陵区为例

以四川盆地中部丘陵区为例,基于1997-2005年的耕地利用变化数据,运用灰色-马尔柯夫预测模型,对区域未来的耕地资源变化趋势进行了科学的预测和模拟分析.研究表明:随着工业化、城市化进程的不断加快,人口增长、建设占用、农业结构调整、生态退耕等多因素的综合影响,研究区的耕地数量将逐年下降,耕地资源安全形势不容乐观.