煤最短自然发火期灰色预测模型研究

根据不同煤层自然发火期实验测试结果和宏观可测定的、表征煤自身氧化放热性的常用指标，运用灰色系统理论，建立了确定蓄散热条件下的煤最短自然发火期GM(0，5)的灰色预测模型。该预测模型预测值与实际值平均相对误差为1．45％，最大相对误差为-21．27％，能真实地反映出煤层自燃性与煤的灰分、挥发分、硫分和含氧量等的影响关系，可定性用于煤自然发火期的预测。     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

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。     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

基于灰色系统理论的船闸货运量预测研究

应用灰色系统理论，建立了基于GM(1，1)的船闸货运量预测模型，经检验，预测精度良好，模型为一级.应用所建模型进行了运量预测，通过后期2001～2003年实测值与预测值的对比，表明相对误差很小，预测结果合理可信，且优于常用的线性回归预测.     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

基于灰色关联分析的季节性民航货运量预测

为更精确地预测月度航空货运量,提出组合模型预测方法.该模型由季节GM(1,1)和季节ARIMA乘积模型构成,它结合了该2种模型中时间序列预测的优点.灰色模型GM(1,1)能准确反映时间序列的增长趋势;ARIMA乘积模型对季节特征有较好的拟合效果.依据霍尔特温特预测模型计算季节性GM(1,1)模型的季节指数,并用灰色关联分析求出组合预测中的权值.组合预测模型的平均相对误差为0.62%,而季节性GM(1,1)模型和ARIMA乘积模型的平均相对误差分别为4.49%和-3.16%.预测分析结果说明,该模型的非线性曲线拟合精度和预测精度明显高于单个模型,可较好地反映系统的动态性和运量的季节时序关联性,为季节性时间序列预测提供了新的途径.     

基于灰色傅里叶残差修正的上证指数30日均价预测

在残差灰色预测GM(1,1)模型的基础上,运用傅里叶变换对预测残差进行修正。用该修正模型预测上证A股大盘指数的30日均价。实证分析,传统灰色GM(1,1)模型预测的平均相对误差为0.086 3%,灰色傅里叶FEGM(1,1)残差修正模型预测的平均相对误差为0.037 3%,平均相对误差降低了0.05%,提高了预测精度。因此,在上证指数均价预测方面具有一定的可行性。     

多元回归分析在煤自燃预测中的应用

通过对不同煤样中决定自燃的成分进行工业分析,以及实验测得的自然发火期,运用多元回归分析的数学模型,建立了最短自然发火期预测回归方程,并对方程及其系数的显著性作了检验,进行了残差分析.通过此数学模型能直观的反映煤层自燃性与煤的灰分、挥发分、硫分和氧含量对煤层自燃发火期的影响关系,可定性用于煤自然发火期的预测.     

基于马尔克夫的灰色残差GM(11)模型在塑料老化行为预测中的应用

针对数据的离散程度较大时灰色GM(11)模型的预测精度较差这一问题引入残差修正在采用马尔克夫过程确定预测值的残差修正值正负号的基础上通过对灰色GM(11)模型得到的模拟值和预测值进行修正构建了基于马尔克夫的灰色残差GM(11)模型。以大气自然老化环境下LDPE棚模的拉伸强度的预测为例研究所建模型在塑料老化行为预测中的适用性。结果表明：由所建模型得到的LDPE棚模老化18个月和21个月的拉伸强度预测值与实际值的相对误差分别为1.49%和4.96%预测精度明显高于灰色GM(11)模型(相对误差分别为3.40% 和6.75%)可用于塑料老化行为的预测。马尔克夫的灰色残差GM(11)模型所需实验数据少预测精度高为塑料老化行为的预测提供了一种简易而可靠的新途径。     

基于累积法的GM(1,1)模型在桥梁施工监控上的应用

目的研究桥梁施工监控过程中预测标高的方法,并对现有的理论模型进行改进,提高预测精度,弥补现有预测模型的不足.方法将累积法计算通式结合到灰色理论模型的参数估计中进行改进,从而得到一种新的理论模型来对桥梁施工进行标高预测,并以疏港大桥为工程背景进行实例应用,检验模型预测效果.结果在对疏港大桥标高预测中,传统GM(1,1)模型预测的相对误差平均值为0.044%,经改进后基于累积法的GM(1,1)模型预测的相对误差平均值为0.033%.结论基于累积法的改进后的预测模型一定程度上解决了现有模型的问题,在桥梁施工监控中的线性误差分析过程中具有更好的应用效果.     

灰色-马尔科夫模型在桥梁运营状况预测中的应用

为了找到一种能够精确有效地预测桥梁运营状况的方法,提出一种基于灰色GM(1,1)理论模型并用马尔科夫链修正的灰色-马尔科夫预测模型.结合河北省某地区的159座桥梁数据对该方法进行应用检验,结果表明:灰色-马尔科夫模型预测数据的平均相对误差为-0.11%,相比灰色GM(1,1)理论模型预测数据的平均相对误差-0.34%,在精度上有了明显的提高,而且灰色-马尔科夫模型预测出的数据更加稳定.利用马尔科夫链优化过的灰色GM(1,1)理论模型预测出2017年至2019年该地区一类桥的数量分别为49座、39座以及34座.由此可知灰色-马尔科夫模型在已知的桥梁定期检查数据基础上可以提供较为精确的预测,相较于灰色GM(1,1)预测模型,该方法具有更高的精度和稳定性.     

温州区域环境噪声污染的灰色预测和灰色关联分析

根据1997～2003年温州区域环境噪声的监测数据以及相关影响因素的数据,采用两次残差修正GM(1,1)对2010年前温州区域环境噪声进行预测,并进行灰色关联分析.结果表明,该模型为一级模型,进行中、短期预测精度高,相对误差仅为±0.2%,预测结果可为城市区域环境噪声污染防治提供科学的依据.     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

GM(1,N)模型在我国生猪价格指数预测中的应用

通过分析影响我国生猪价格指数的主要因素,以2003-2016年的我国生猪价格指数历史数据为样本构建了多因素灰色GM(1,4)模型,然后利用所构建的灰色GM(1,4)模型对2017-2019年我国生猪价格指数进行预测,预测结果的平均相对误差绝对值为3%,预测效果良好,故可用于短期内对我国未来生猪价格指数进行预测.     

六安市城市生活垃圾预测研究

准确预测生活垃圾产量可以为垃圾管理工作提供定量依据。利用多项式拟和、多元线性回归和灰色GM(1,1)模型相结合的方法对2007~2013年六安市城市生活垃圾年产量进行了预测。结果显示:预测时段内生活垃圾年增长率5%~6%,2013年将达到17.9万吨。     

基于灰色系统理论的科技人才需求预测

科技人才系统具有灰色系统的特征,因此可以采用灰色模型对人才进行预测.运用灰色模型GM(1,1)对芜湖市科技人才需求的发展变化进行动态关联分析,作出了人才需求总量的预测,并对预测结果进行了分析,结果证明GM(1,1)模型是一种行之有效的预测科技人才的模型.     

灰多元线性回归分析及其在房地产中的应用

经典多元线性回归分析不能实时跟踪响应变量的动态变化,而且在样本中会因少量病态数据的出现而影响拟合效果,基于以上原因文章提出将灰色系统理论中的GM（1,1）模型与经典多元线性回归分析相结合产生灰多元线性回归分析模型,并将其应用到陕西省的房地产业中,以预测房地产的价格,从而为房地产商提供决策信息。     

灰色理论和线性回归模型在印刷变形中的数据预测分析

对前期数据分析整理并剔除异常数据后,利用线性回归方法和改进的GM(1,1)方法对印刷包衬压缩变形的压缩变形量λ值进行预测.所采用的方法有效降低了数据的相对误差,提高了预测数据的精度,使得预测数据有了更高的准确性和适应性.实验及仿真结果表明,利用本文所给出的灰色预测模型对印刷包衬压缩变形的压缩变形量λ的值进行预测,得到的预测期望值远优于单纯的回归模型和GM(1,1)模型.     

铁路客货运量预测的随机灰色系统模型

针对现有铁路客货运量预测方法的不足和铁路客货运量的随机波动性,基于灰色预测理论,建立了铁路客货运量预测的随机灰色系统模型.该模型在对客货运量原始数据生成处理的基础上,建立了符合检验要求的残差GM(n,h)模型,以预测铁路客货运量的发展趋势;再通过引入相对误差序列的随机过程,建立了随机GM(n,h)模型,以综合考虑随机因素对铁路客货运量未来发展趋势所带来的影响,提高铁路客货运量预测的精度.理论分析和实例计算结果表明:随机灰色系统预测模型直观,且操作性强,预测结果精度较高.