灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。     

GM(1,1)模型和Verhulst模型的改进及其应用

基于残差修正对GM(1,1)模型和Verhulst模型进行改进,利用所改进的模型分别对湖南省固定资产投资和水稻产量进行预测.预测结果表明,改进后的模型模拟精度明显优于原来模型模拟精度,改进的方法分别更适合于固定资产投资和水稻产量的预测.     

模袋砂堤防沉降量预测的分数阶灰色模型

为获得更优的模袋砂堤防沉降预测结果,基于灰色模型,提出一种分数阶灰色模型。运用MATLAB语言编写了相关程序,实现微分阶次到分数阶的改变,并运用该模型对模袋砂滩涂围垦测试的沉降结果进行实例分析。分数阶灰色模型与灰色Verhulst模型、残差GM模型、GM(1,1)模型对比分析表明:(a)分数阶灰色模型预测结果更精确,其不仅具有GM(1,1)模型前期预测效果好的优点,而且具有灰色Verhulst模型后期预测效果好的优点;(b)分数阶灰色模型的中长期预测结果稳定性比残差GM模型好。     

基于灰色GM(1,1)模型的宿州市人口预测

以2001年至2013年的宿州市人口数据资料为依据,运用灰色系统理论建立GM(1,1)宿州市人口预测模型,并对该GM(1,1)预测模型进行残差检验,关联度检验和后验差检验,通过检验知模型对数据的拟合属于一级精度,模型精度较高。最后利用GM(1,1)模型对宿州市2014年至2018年的人口进行了预测,并结合宿州市人口发展的历史和现状对结果进行了分析。     

基于改进灰色组合模型的城市轨道交通客流预测 ——以西安地铁2号线为例

针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明：改进的灰色Verhulst模型较好地反映了告诉公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

一种基于灰色模型的数据预测优化算法

近些年来,灰色模型GM(1,1)被大量应用于小样本或穷信息的预测,操作与实现步骤简单,预测精度较高.为了进一步提高GM(1,1)的预测精度,运用遗传算法动态调整GM(1,1)中的均质生成数列分辨率系数,改变通常把灰色模型的分辨率系数设置为1/2的计算模式,使得改进后的GAGM(1,1)算法针对小样本的预测具有更高的精度和鲁棒性.通过算法的数值实验,结果表明优化算法的预测精度高于传统的GM(1,1)算法及多个基于GM(1,1)的改进算法.     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明:改进的灰色Verhulst模型较好地反映了高速公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

应用改进的残差GM(1,1)模型预测城市用水量

运用灰色系统理论建立GM(1,1),并用改进的残差GM(1,1)模型进行修正,对城市用水量进行预测.改进的残差修正方法能够使模型保持良好的适应性,有效提高了预测精度.应用该模型对某市年用水量进行预测检验,结果表明:改进的GM(1,1)模型具有较高的预测精度,模拟效果更好.     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

改进的灰色Verhulst模型

针对灰色Verhulst模型预测函数中参数c的求解问题,提出了一种优化预测函数的新方法。该方法以累加生成序列的倒数与其倒数模拟值的差值平方和最小为目标函数,构建了一个非线性无约束优化模型,来求解灰色Verhulst模型预测函数中的参数c,并给出了灰色微分方程时间响应式的解析式。实验分析表明:改进模型在预测精度和实用性上均有较大改善。     

灰色预测模型的精确解法

通过分析GM(1，1)白化模型的解析表达式，导出了求解GM(1，1)的三种精确灰色模型，给出了估计模型参数的方法。讨论了原始序列的预处理和初始条件的改进方法；提出了新的预测公式。     

水库泥沙淤积的灰色动态模型

本文以头屯河水库泥沙淤积的时间序列数据为依据,应用灰色系统理论,建立了水库泥沙淤积的灰色动态模型,得到了累积淤积量的变化规律,提出了直到1994年的累积淤积量的预测值。1989年以前的模型计算值与实测值吻合良好。     

会计中灰色模型的预测

从会计实践的角度,扼要阐述了灰色模型GM(1,1)在企业销售环节中对销售量的预测方法,并列示了预测实例,指在丰富会计预测的方法论,为企业经营管理者进行预测提供有益的启示。     

灰色预测模型的改进

用提高原始数据列光滑度的方法来提高GM模型的精度,从而改进灰色模型,并从理论上证明了该方法比对数函数变换、开方变换、对效函数开方的复合变换、指数函数及指数函数开方的复合变换等已有提高光滑度的方法更有效,笔者提出的“幂函数一指数函数”复合变换很大程度上提高了灰色模型的预测精度,使许多原本不能用灰色模型预测的问题得到解决。     

地面沉降模拟计算的灰色模型

地面沉降的模拟计算属于灰色问题,灰色系统模型有多种,选择合适的沉降量与时间的关系模型对模拟计算而言是很重要的,将某市地面沉降数据分为大样本和小样本序列,分别使用GM(1,1)和灰色线性回归组合模型进行了建模、预测和精度分析.研究结果表明,利用小样本数据和灰色线性回归组合模型进行模拟计算精度更好.     

多变量灰色模型在预测中的应用

单变量的GM(1,1)模型用于单一时间序列的建模与预测,而MGM(1,n)模型是对GM(1,1)模型在多元变量情况下的自然推广,通过对MGM(1,n)模型建立过程以及应用方法的示例,来说明该模型的现实应用价值.     

灰色模型在旅游客源市场预测中的运用

通过对近几年来江苏省海外客源市场日本游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了旅游人数与旅游时间的GM(1,1)灰色预测模型,探讨了GM(1,1)灰色预测模型在旅游客源市场预测中的应用问题,以期对今后游客数量的预测,合理规划客源市场提供科学的依据.     

灰色预测和时序预测的探讨

本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。     

基于多变量灰色预测模型的多元线性回归模型

针对各自变量之间的关系,利用多变量灰色模型建立了自变量的预测值,剔除了自变量观察数据中的噪声污染。进而建立了一种改进的多元线性回归模型。最后,通过实例说明模型具有较高的预测精度。