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。     

灰色模型优化改进及其在人口城镇化问题上的应用

利用最小二乘原则求得最佳平移步长,对原始数据进行平移变换,建立GM(1,1)模型对中国人口城镇化作出了分析,并对预测结果进行了误差检验。从实例可以看出,最佳平移变换方法简单容易实现,优化后的灰色模型精度更高,从而能对中国人口城镇化程度提供更长期的预测效果。     

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。     

黑龙江省大庆市的人口GM(1,1)组合预测模型

在大庆市2000年至2009年人口数据的基础上,分别应用线性回归,灰色系统GM(1,1)理论,构建了人口预测模型,并将预测值与实际值进行比较、分析,表明该模型误差较小,可应用于实践,从而更有效的对大庆市未来十年人口规模进行预测。     

基于灰-回归组合预测模型的河南省城镇居民收支研究

在对灰色GM(1,1)模型及回归模型研究的基础上,考虑到模型的适用范围及预测误差问题,将灰色GM(1,1)模型与回归模型进行组合,以回归模型的模拟值作为灰色GM(1,1)模型的原始数据序列进行预测.然后运用灰-回归组合模型对河南省城镇居民收支进行预测.结果表明:灰-回归组合模型扩大了单一模型的适用范围,并且对河南省城镇居民收支预测误差更小,模型精度更高.     

基于灰色GM(1,1)模型的河南省城镇化水平预测

首先根据河南省人口城镇化数据的特点,将2008—2012年的城镇化水平作为原始数据,建立河南省人口城镇化水平灰色预测模型;其次采用残差估计进行模型检验,结果表明该模型的预测结果较好;最后,根据GM(1,1)模型预计2020年河南省城镇化水平将达到58%左右.     

基于灰色神经网络的机床热误差建模

结合灰色模型和神经网络对数据处理的优点,提出了并联和嵌入型2种结构的灰色神经网络机床热误差预测模型。前者是在灰色模型和神经网络分别对机床热误差进行预测的基础上,采用线性组合方式,按照目标预测精度调整模型的加权系数,从而得到最终组合预测结果;后者是在神经网络输入层前增加灰化层,在输出层后增加白化层,通过对神经网络拓扑结构的改进,达到弱化原始数据随机性、提高预测模型鲁棒性和容错能力的目标。通过与传统灰色模型和神经网络进行试验结果对比表明：上述2种结构的灰色神经网络模型均提高了预测精度,且具有对原始数据要求低、计算简便、鲁棒性强等优点,可用于复杂实际加工场合中的数控机床热误差实时补偿。     

安徽省城镇化水平预测———基于IOWHA算子的组合预测

以1990-2011年安徽省城镇化水平为样本区间,在指数平滑、灰色预测与回归预测三种单项预测方法的基础上,以预测倒数误差平方和最小为准则,建立IOWHA算子组合预测模型;对该模型的预测有效度的评价结果表明该组合预测模型能有效提高预测精度;根据该组合模型预测出安徽省2012-2015年城镇化水平将分别达到46.35％、47.89％、49.44％、50.98％.     

灰色预测模型背景值的改进与应用

GM(1,1)灰色预测模型能够对含有不确定因素的系统进行预测,其已成为决策和系统分析的重要方法之一,但在预测中也会产生一定的误差,而背景值是导致GM(1,1)灰色预测模型产生误差的主要原因之一,为了降低灰色模型的预测误差,基于柯特斯公式和拉格朗日公式组合插值的方法建立一种新的灰色模型的背景值,将该模型应用于我国老年人口数的预测。数值实验表明,新模型极大地降低了预测误差,并增强了原模型的适用性。     

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．     

基于神经网络冷再生层最大剪应力预测

目的针对乳化沥青冷再生路面内部剪应力过大易导致路面产生车辙等路面破坏问题,对其内部剪应力进行预测,减少此类病害,更好地选择路面结构参数,提高冷再生层内部抗剪强度.方法以乳化沥青冷再生层的厚度、模量,水泥稳定碎石的厚度、模量以及土基模量为输入参数,以冷再生层最大剪应力为输出参数,运用遗传算法对初始参数进行优化,运用灰色神经网络理论构建冷再生层最大剪应力预估模型;构建多元线性回归模型预测最大剪应力,对二者的预测能力进行分析.结果笔者建立的神经网络模型预测值与实测值拟合效果良好,最大误差仅为4.119 2%,能够进行准确预测.多元线性回归和灰色神经网络预测模型,都可用于冷再生层最大剪应力的预测,但灰色神经网络模型对冷再生层最大剪应力数据的预测结果较优.结论把灰色神经网络预测模型与沥青路面结构的设计联系起来,可以更好地控制乳化沥青冷再生路面的剪切破坏.     

容县人口现状分析和未来预测

本文首先对容县四十多年来人口的发展变化趋势及现状特点进行分析，然后用自然平均增长法、回归预测法、灰色系统ＧＭ（１．１）模型、中国人口模型及逻吉斯蒂模型等方法对该县未来人口的发展作了预测，经对预测结果进行分析比较，选取了中国人口模型的预测结果．此结果可为容县制定社会经济发展规划，土地利用规划等提供科学依据。     

基于灰色Verhulst动态模型的人口预测——以天津为例

运用灰色系统理论,基于天津人口发展规律建立了等维灰色Verhulst动态模型.选用天津2008年至2013年的人口统计数据进行了实证分析,经误差检验达到一级精度.运用等维灰色Verhulst动态模型进行中长期预测,削弱了灰色系统中的随机干扰因素,且预测方法简单实用.结果表明,2021年天津人口将近1 900万,为天津人口发展战略提供了科学依据.     

灰色系统模型在露天矿边坡沉降预测中的应用

为解决抚顺西露天矿边坡沉降变形问题,运用灰色系统模型结合曲线拟合对抚顺西露天矿边坡沉降变形进行预测分析.在传统灰色系统的基础上,运用对数变换的数学方法对实测数据进行改进,建立改进的灰色系统模型,并对露天矿边坡沉降变形进行预测.结果表明:改进的灰色系统模型最大误差仅为0.7%,低于传统灰色理论模型的平均相对误差2.3%,模拟预测效果好,能够满足沉降预测的预报要求.因此,改进的灰色系统模型可用于露天矿边坡变形预测中.     

灰色系统模型在露天矿边坡沉降预测中的应用

为解决抚顺西露天矿边坡沉降变形问题,运用灰色系统模型结合曲线拟合对抚顺西露天矿边坡沉降变形进行预测分析.在传统灰色系统的基础上,运用对数变换的数学方法对实测数据进行改进,建立改进的灰色系统模型,并对露天矿边坡沉降变形进行预测.结果表明:改进的灰色系统模型最大误差仅为0.7%,低于传统灰色理论模型的平均相对误差2.3%,模拟预测效果好,能够满足沉降预测的预报要求.因此,改进的灰色系统模型可用于露天矿边坡变形预测中.     

灰色-线性回归组合模型在预测中的应用

针对现阶段灰色经济预测方法在实际应用时的千变万化的情况,结合实际调查和预测经验,提出了一种基于灰色理论和线性回归理论的模型--灰色线性回归模型.给出了灰色-线性回归模型算法的基本思想和计算步骤,并举例说明如何用该模型解决实际问题.结果表明灰色-线性回归模型用于预测是有效的和可行的.     

交通量的灰色神经网络预测方法

结合灰色系统思想与神经网络构成灰色神经网络,根据目前灰色模型与神经网络结合的方法,提出并联型、串联型和嵌入型3种预测模型的结构.并联型灰色神经网络首先采用灰色模型、神经网络分别进行预测,而后对预测结果加以组合作为实际预测值;串联型对多个灰色预测的结果使用神经网络进行组合;嵌入型在神经网络的输入端、输出端分别增加一个灰化层和白化层而构成.对并联型灰色神经网络给出一种根据预测模型的有效度确定加权系数的方法.将上述3种灰色神经网络模型用于对京石高速公路断面机动车实时交通量进行预测,模型精度和预测结果比较理想,优于单一预测模型.实验表明:灰色神经网络可提高预测精度,用于交通量预测方法是有效可行的.     

基于熵权法的灰色组合模型的应用

针对粮食产量波动较大,单一预测模型不能实现精确预测问题,提出一种基于熵权法的灰色组合模型.利用熵权法对预测误差较小的DGM(1,1)和多元线性回归模型进行定权组合,并分别对我国2010—2015年粮食产量进行预测,结果表明,用改进的组合模型预测的粮食产量误差更小.     

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。     

安徽省城镇居民人均消费的组合预测

在灰色预测、回归预测和时序预测基础上,建立1990到2009年安徽省居民人均消费组合预测模型,并通过误差指标评价体系对组合模型和单项预测模型进行评价,结果表明组合预测模型的各误差指标远低于三种单项预测模型预测误差指标值。最后预测了我省近三年城镇居民人均消费值并进行了评价。