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     

改进GM(1,1)模型在城市流动人口预测中的应用

利用泰州市2003-2009年流动人口数据,建立GM(1,1)模型、残差GM(1,1)模型和等维递补GM(1,1)模型对流动人口数量进行预测.并用多种方法检验了三种模型的拟合效果.结果表明三种模型均能合理地对流动人口数量变化进行预测,但残差GM(1,1)模型和动态等维递补GM(1,1)模型拟合效果优于一般的GM(1,1)模型.     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.     

一类组合预测模型及其应用

基于GM( 1 ,1 )模型、GM ( 2 ,1 )模型和ARMA模型 ,建立了一类组合预测模型 ,通过实例分析取得了好的效果。     

灰色预测模型

对灰色GM(1,1)和GM(2)建模的机理及缺陷进行了分析,得到了GM(1,1)和GM(2)模型的适用预测对象,从而为改进模型的预测精确度提供了有效的方法.     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

一种优化组合的GM(1,N)模型

针对GM(1,N)模型在模拟与预测方面的不足,提出了GM(1,N)模型的一种优化组合方式.第一步是在原GM(1,N)模型灰微分方程上添加一个扰动因素,然后利用优化的背景值确定相应的新参数;第二步利用“最小二乘法”得到模型白化方程近似解中新的初始条件,进而得到一种新的GM(1,N)模型的模拟表达式实例验证表明,新GM(1,N)模型的适用范围明显拓宽,而且模拟和预测精度均大大提高.     

BP神经网络与离散GM(1,1)模型在拓宽路堤沉降预测中的应用

目前,对于拓宽路堤沉降趋势和稳定性的研究很少﹒为了探究拓宽路堤的沉降变化趋势和沉降规律预测,以益阳市梅林路K0+460～K0+600为基础,运用BP神经网络与离散GM(1, 1)模型对拓宽路堤进行沉降预测,并结合已有监测数据,对比分析2种方法的优劣﹒结果表明:离散GM(1, 1)模型能对已有数据进行拟合,输出预测值与实际监测结果相近;BP神经网络模型预测值相对离散GM(1, 1)模型更加接近实际监测结果,但需要对阈值与权重进行多次调试﹒2种方法沉降预测值均与实际监测值相近,均能有效预测拓宽路堤沉降﹒     

加权均值GM(1,1)模型及应用

通过数据处理，寻求一种改进灰色系统GM(1，1)模型的方法．文中首先论证了加权均值生成的若干相关性质，然后将加权均值生成法运用于灰色系统GM(1，1)模型的建模过程．计算结果表明，加权均值GM(1，1)模型比传统的GM(1，1)模型有所改进，精度得到提高．并将改进后的模型应用于应力集中问题，也取得了较好的效果．这表明，加权均值GM(1，1)模型有一定的实用性．     

基于马尔科夫滚动优化的锂电池寿命灰色预测研究

文章建立了一种电池容量的动态预测方法,提出了滚动优化GM(1,1)模型、残差修正滚动GM(1,1)模型和Markov残差修正滚动GM(1,1)预测模型。研究结果证明了3种模型具有极好的预测性能,只是残差GM(1,1)模型的精度比其他2个低一些。且发现在仅有4个数据点建立的残差修正滚动GM(1,1)模型与Markov残差修正滚动预测模型也有相当高的预测精度。通过预测不同电池在不同充放电条件及温度条件下的电容容量,验证了滚动优化模型的普遍适用性。     

一次函数变换GM(1,1)模型分析及直接离散GM(1,1)模型的建立

分析了基于一次函数变换的GM(1,1)模型提高预测精度的实质,即模拟序列从原有的纯指数序列变成了非齐次指数序列,并指出提高光滑度并不是提高预测精度的决定性条件,建立了模拟序列为非齐次指数序列的直接离散GM(1,1)模型.该模型不对原始数据做任何改变,实例应用结果表明其预测精度同一次函数变换的GM(1,1)模型相当,指出了改变模拟序列特征使其更接近于原始数据的发展,对于提高预测精度更具意义.     

路面使用性能预测与统计分析

提出用重构背景值的GM(1，1)模型对路面使用性能试验数据进行预测，新的背景值计算公式的显著特点是使GM(1，1)模型具有对建模结果进行优化的能力，能获得最佳的拟合和预测精度。将获得的预测序列进行统计分析，为路面性能预测评价提供参考依据。实例计算结果说明，将重构背景值的GM(1，1)模型用于路面使用性能试验数据预测有很高的精度，为有效缩短试验时间提供了一个值得探讨的方法。同时从统计分析中可知，对数正态分布模型更适合于弯沉指标。     

提高GM（1，1）预测精度的一些措施

本文讨论了影响ＧＭ（１，１）预测精度的常见的一些原因，并相应地介绍了改进ＧＭ（１，１）预测模型，以提高预测精度的几个措施。     

路基沉降的灰色理论预测及其应用

运用灰色理论,对铁路高填方路基的沉降进行预测,建立了GM(1,1)预测模型.以相同观测时段的GM(1,1)模型为原型,考虑荷栽变化,针对地基土体均匀的情况,提出了GM(1,1)修正模型.通过具体实例,对模型的预测结果进行分析.分析表明,用修正模型预估下一级加载后的沉降,选取适当的沉降变化比进行计算,预测值与实测值之间误差小于6%,方法简单可靠,对类似高填方路基工程有一定参考价值.     

基于灰色理论的蓄电池容量预测

为进一步满足电力、通信、铁路、交通管理等系统对直流电源可靠性的要求,加强对蓄电池组的在线监测及容量预测评估,针对蓄电池容量存在随温度等外部条件而产生周期性变化的特点,提出了实时在线、新陈代谢GM(1,1)预测模型,研究了GM(1,1)模型的建模方法及误差精度检测与评定方法.计算机实际模拟证明,新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测可靠程度,从而实现蓄电池容量的早期预测评估.     

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。     

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.     

灰色系统建模方法的研究

提出了估计ＧＭ（１，１）模型参数的新方法。并给出了ＧＭ（１，１）模型的显著性检验的方法。实例分析表明，新方法提高了预测模型的精度