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．     

基于灰色模型及其改进模型的土石坝沉降预测

考虑到土石坝沉降变形因素的复杂性以及GM （1,1）灰色模型基于贫信息数据所表现出来的优势,由大坝实测数据拟合构造GM （1,1）模型。为了进一步提高大坝沉降变形的预测精度,对原始GM （1,1）模型分别进行了考虑不同数据对预测结果有不同影响的加权改进和利用指数函数变换来提高原始数据光滑度的改进。实例应用表明,加权改进的GM （1,1）模型和函数变换改进的GM （1,1）模型的预测精度均优于原始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。     

季节指数修正GM（1，1）模型在空气质量预测中的应用

在GM（1,1）模型基础上建立季节指数修正GM（1,1）模型,并应用到郑州市空气质量预测中,应用实例表明,该模型对含有季节变动因素的时间序列的预测,具有较好的效果．     

非等间隔序列的灰色模型在路基沉降中的应用研究

目前灰色系统理论中的GM（1,1）模型是应用于预测方面频率最高的模型,灰色GM（1,1）模型预测方法具有理论性强、实用价值高、计算简便等优点。本文就是在详述灰色系统基本概念、基本原理以及灰色建模理论和预测方法的基础上,以广东某高速公路沉降变形为依托,运用非等间隔GM（1,1）灰色模型对其变形进行分析,对以后的沉降量进行了预测。     

基于灰色模型GM(1,1)的海岸线变化趋势预测——以辽河口三角洲地区为例

将灰色模型GM（1,1）用于海岸线变化预测,在分析灰色系统理论的原理与方法,探讨灰色模型在海岸线变化趋势预测的可能性的基础上,以多时相Landsat遥感影像为数据源进行海岸线提取,设置原点和若干侧线,建立GM（1,1）模型的原始序列并进行模型计算,得到若干预测点和预测海岸线．最后通过残差检验和交叉检验的方式对预测结果进行了验证．结果表明：利用灰色GM（1,1）模型进行海岸线预测是合理可靠的,并且在辽宁省国土资源规划地理信息系统中得到应用和推广．     

基于改进欧拉公式的GM（1,1）模型及其应用

本文分析了背景值是灰色模型GM（1,1）预测精度的一个重要原因,并提出了一种基于改进欧拉公式的GM（1,1）模型的背景值构造方法。实例证明了该方法的有效性。     

灰色系统理论在隧道围岩变形预测中的应用

根据某隧道围岩变形的实际监测数据,应用灰色系统理论并建立GM（1,1）模型对围岩变形进行分阶段不同维度的预测,并在此基础上进一步比较了几种改进的GM（1,1）模型的实际预测效果。计算证明了灰色模型在围岩变形预测中的适用性。     

灰色修正模型及其在大坝监测中的应用

灰色修正模型是改善GM（1,1）模型在背景值取值上的不足,通过加权的手段来获取背景值,通过实例,得出RGM（1,1）模型预测和模拟效果相比较GM（1,1）更好。     

基于改进蜂群算法和灰色模型的管道腐蚀预测

为了解决缺少大量数据样本情况下油气管道剩余寿命预测问题,采用GM（1,1）模型预测管道腐蚀趋势。考虑到GM（1,1）模型自身存在的缺陷,采用指数变换预处理原始数据和动态生成系数重构背景值两种方法改进GM（1,1）模型的建模过程,并运用改进的蜂群算法（IABC）求解全局最优动态生成系数,进而建立改进的蜂群算法优化的指数变换灰色模型（IABC-EGM（1,1））。利用弯头测厚数据进行验证分析,GM（1,1）模型的平均相对误差为4.92%,IABC-EGM（1,1）模型的平均相对误差为2.28%,表明模型的预测精度得到了提高。     

灰色模型GM(2)的建立及实际应用

对灰色模型GM ( 1 ,1 )的缺陷进行了分析 ,引入新的预测模型GM ( 2 ) ,并将两种模型进行比较 ,对于变化幅度较大的序列 ,GM ( 2 )优于GM ( 1 ,1 ) ,这为实际应用提供了一种有效的预测方法。     

GM(1,1)和GM(1,N)联合模型在自来水厂自动加矾系统预测中的应用

通过引入自相关分析,将GM(1,N)模型预测精度高的优点和GM(1,1)所需统计数据数量少的优点,两者有机结合形成一个联合预测模型,运用于自来水厂自动加矾系统,进一步提高灰色模型的预测精度,并证明了该方法在实际应用中的可行性.     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

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。     

用灰色理论模型预测供电量

应用灰色理论 ,建立GM( 1 ,1 )分段优化模型 ,对新会市 1 986～ 2 0 0 0年供电量进行模型拟合计算 ,两者能较好的吻合。运用此建立分段优化GM( 1 ,1 )模型的方法对新会市 2 0 0 1～ 2 0 1 0年的供电量进行了预测     

灰色系统非线性回归电力负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差。针对这一缺陷,提出了一种改进的基于灰色系统的非线性回归预测模型。将非线性回归与GM(1,1)模型二者的优点相结合,利用GM(1,1)模型计算参数初始值,进而对其进行非线性回归分析预测电力负荷值。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

灰色模型GM(1,1)在短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网普通日及特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

基于GM(1,1)模型在高校招生人数预测中的应用研究——以四川省普通高校为例

论文主要介绍了灰色系统理论及其预测模型GM(1,1),考虑到灰色预测对统计数据较少问题都可以进行预测,结合四川省普通高等学校招生人数的特点,借助灰色预测模型对四川省普通高等学校在每年招生期间所招收的新生人数进行预测.通过对预测结果的分析研究,说明这种方法的合理性,从而对以后的就业趋势作一定的借鉴,使相关部门对将来的就业方针进行适当的调整.