基于灰色聚类的组合预测单项模型选择

建立组合预测模型关键是单项预测方法的筛选,本文将采用灰色聚类分析方法对单项预测模型组进行筛选.首先依据所研究的实际问题,建立多个单项预测模型,然后计算每一个单项预测方法的点拟合相对误差,最后再利用这些数据,借助灰色聚类方法实行对比评估,构建组合预测模型需求的各个单项模型,以增强该模型预测的准确性.应用实例的分析表明该方法是可行的和有效的.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.     

基于单项预测模型筛选的隧道变形优选组合预测

采用优选组合理论,提出了基于单项预测模型筛选的隧道变形优选组合预测方法,建立了隧道变形预测系统.系统由包含各种监测成果的监测库、动态更新的变形预测模型库和模型评价库组成,采用人机对话方式在众多的经评价满足最优组合预测条件的单项预则模型中筛选出合理的单项模型,对其进行组合预测,继而再对不同的组合预测结果进行评价比较,得到较好的隧道变形组合预测结果.将该方法应用于隧道工程的拱顶下沉预测,利用前期工况的数据建模,对后期工况的未来变形量进行滚动预测,获得了令人满意的结果.     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM（1,1）模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析．采用标准差法建立基于拓扑预测与GM（1,1）模型的舰船运动组合预测模型．结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具．     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单一预测模型.利用建立的组合预测模型对黑龙江省2019—2022年的旅游收入进行预测,可为黑龙江省未来的旅游业发展规划提供一定的科学依据.     

灰色模型在体育运动成绩预测中的应用

本文通过实例介绍了单项未来运动成绩预测的灰色模型和后验差检验的方法.建立了男子短跑道速滑全国纪录的灰色预测模型,为未来运动成绩的中长期预测提供参考.     

广东省博罗县中长期电力负荷预测的研究

基于中长期电力负荷预测受诸多不确定因素的影响,结合广东省博罗县电力负荷的发展情况,建立了一种基于灰色系统理论的中长期负荷组合预测模型,旨在提高博罗电力负荷预测的准确度。对传统灰色预测模型进行了改进,引入二次指数平滑法对原始数据进行修正,构造一个新的样本序列,并构建灰色等维新息预测模型。然后将改进后的GM(1,1)模型与一元二次回归模型进行线性组合,该预测模型精度高,其结果对博罗电力生产实际具有指导意义。     

基于BP网络的我国工伤事故死亡率预测模型

应用MATLAB软件的神经网络工具箱建立BP网络模型,通过基于时间序列分析方法对1974～2003年全国工业企业事故死亡率进行预测模型的建立和检验.结果表明,用人工神经网络建立的预测模型预测我国工伤事故死亡率符合度高,效果较好.     

基于SARIMA-GARCH模型的黑龙江省快递业务量预测与应用

近年来,随着电子商务的不断发展,快递业务量持续快速增长,在终端配送领域出现了持续的高压工作状态.为了有效预测快递业务量的变化趋势,缓解配送领域压力,基于时间序列预测理论建立了SARIMA和SARIMA-GARCH时间序列预测模型,分别对黑龙江省快递业务量进行了分析与预测.2种模型预测结果对比表明,SARIMA-GARCH时间序列预测模型更能较为准确地预测快递业务量的变化趋势,黑龙江省快递业务量近2年间仍将不断增长.这一结果为黑龙江省快递业务量统计预测工作与缓解终端配送领域的高压工作状态提供了一定的参考.     

小波变换和时间序列模型相结合的降雨量预测

针对降雨量预测问题大多采用时间序列分析的方法,但是对于准确预测降雨量和降雨变化规律,提高降雨量的预测精度等问题,如果仅采用时间序列的方法误差相对来说比较大.提出一种小波变换和时间序列预测模型(ARMA)相结合的降雨量预测方法.在预测过程中,对降雨量进行归一化处理,利用小波变换对原始降雨量进行降噪,降低其预测中的误差,采用正确的时间序列模型对降噪后的降雨量进行分析,建立最优降雨量预测模型.对实际降雨量进行仿真测试,结果表明,改进的方法预测精度比传统方法要高,且能更好地反映降雨量变化规律,为降雨量的预测提供了一种新的途径.     

一种新的灰色预测方法及其应用

在灰色模型GM(1,1)的基础上,提出了一种新的灰色组合预测方法,并将该方法应用于云南省就业状况预测分析中,取得了较好的预测效果。     

山东省能源消费、产业结构和经济发展关系实证研究

基于1980—2011年统计数据,对山东省能源消费、产业结构和经济发展时间序列进行协整分析和Granger因果关系检验,并运用脉冲反应和方差分解分析了序列间的动态变化.结果表明:山东省产业结构和经济发展对能源消费的长期均衡影响效应分别为2.601 2和0.635 7.经济增长对产业结构存在着单向因果关系,产业结构对能源消费也有单向因果关系.     

山东省十七地市可持续发展能力分析

结合国内外可持续发展指标体系的研究成果,运用主成分分析法构建山东省十七地市可持续发展能力综合评价指标体系和评价模型.该体系共分3层,涉及经济、社会、资源与环境3个方面共32项指标,运用2012年数据和评价模型,对山东省可持续发展能力进行了综合评价.     

黑龙江省人均GDP时间序列模型及预测

采用伯克斯—詹金斯(Box-Jenkins)模型对黑龙江省人均GDP时间序列进行建模,找出人均GDP序列的变化规律,并对2008～2012年人均GDP进行短期预测.     

基于马尔可夫链的渭河天水段水质预测模型

结合水质标准建立马尔可夫预测模型,对渭河甘肃天水河段的水质进行预测,并分析了该模型的优缺点.该模型对预测水质进而指导工农业生产及水质治理有较大意义.     

肝炎疫情预报的数学模型与预测

对肝炎疫情进行未来预测 ,目前所采用的方法误差较大 .而且这种误差随着时间的推移而愈来愈大 .究其根本原因之一就是该系统的时变性与进行预测的数学模型参数非时变性之间存在差异 ,在对系统预测时 ,把一个时变参数的动态过程当作了非时变参数的静态过程 ,用非时变参数模型预测时变参数系统的状态 ,这必然会带来较大的误差 .为了克服上述这些缺点 ,我们给出了动态预测方法 ,其误差小 ,符合率高 ,提高了预测精度 .     

河川径流序列协整预测研究

针对河川径流序列的非平稳性,将协整理论引入河川径流分析中,以建立可靠的数学模型.以黄河为例,通过单位根检验,协整检验,建立了上下游之间的误差校正模型,用于描述流域上下游径流间的协整关系,并初步建立协整预测模型,结果表明,预测模型是可行的.     

基于小波分析的径向基神经网络年径流预测

对年径流的预测采用基于小波分析的径向基神经网络模型,从时频分析角度出发,把水文年径流序列分解成不同的频率成分,用径向基神经网络对小波分解的周期和趋势频率成分分别进行预测,然后通过小波重构得到水文时间序列,从而可以对未来的径流变化情况进行描述.     

小波神经网络及其在非线性时间序列中的应用

介绍将小波神经网络理论应用于非线性时间序列的拟合与预报,主要应用于太阳黑子,洛川数据等进行拟合、预报,并将拟合、预报的结果分别与投影寻踪学习网络及改进的BP网进行了比较,说明了小波网具有很好的拟合、预报性质.