交通事故预测的灰色GM（1，1）模型

通过对道路交通事故分析、预测方法的研究，指出了其缺陷．在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上，给出了灰色GM（1，1）模型，并对道路交通事故的死亡人数、交通事故数进行了预测，其结果是可信的．     

灰色GM（1，1）优化模型

在分析了GM（1,1）模型的建模机理的基础上,指出了传统建模方法存在的问题,同时给出了基于GM（1,1）的逐步优化模型的方法,该方法提高了模型的精度和适应性。     

灰色GM（1，1）模型参数的优化方法

灰色GM(1，1)模型的建模机理上，给出了模型参数的优化方法。提高了模型的预测精度。为实际应用提供了新的方法。     

基于灰色理论GM（1，1）模型的vb程序实现及其验证

随着计算机的应用和普及，它与人们的生活、生产关系越来越密不可分，为我们带来了极大的便利。因此更好地驾驭计算机，我们才能更多地享受它为我们生活带来地便利，而对于我们工程人员来说提高我们计算机的使用水平使它服务于生产更是尤为地重要。提高计算机的操作水平是必须的，但有时这往往是不够的，很多情况我们所面临的问题没有现成的软件可供我们使用，需耍我们自己去利用计算机语言编写程序来提高我们的工作效率，并且可以将一些新的理论吸收进来被我们所用。     

一种新的灰色无偏GM(1,1)模型建模方法

通过分析GM（1，1）白化方程的解析表达式，建立了无偏的GM（1，1）模型，给出了估计模型参数的新方法。该模型具有白指数律重合性，它突破了|α|较大对GM（1，1）模型不能应用的禁区，提高了模型的实用性和模型的精度。     

完全信息利用的GM（1，1）建模

证明了由GM（1，1）模型得到的还原数据模型与原始序列的第一点无关，在此基础上提出了一种利用全部已知信息的GM（1，1）建模方法。     

灰色GM(1,1)模型的改进及其在气象上的应用

讨论了灰色系统GM(1，1)模型的不足，从数学上导出了一种新的建模计算方案，并把它应用在气象领域干旱灾害预报中，取得了良好的效果．     

GM（1，1）模型分析股价趋势

用GM（1，1）等维新陈代谢模型来分析股价短期趋势，并根据GM（1，1）等维新陈代谢模型显示的趋势变化，指出了买入股票的最佳时机。     

基于AHP方法和灰色GM（1，N）模型的预测研究

灰色GM（1,1）预测模型对于小数据、贫信息的预测问题有着比较好的预测精度。但该模型仅仅依靠数据本身的内部关系进行分析而没有考虑到其他影响因素。本文以灰色GM（1,N）分析模型为基础,并用以AHP方法对数据进行处理,将GM（1,N）分析模型改造成预测模型,针对于我国2002年到2008年的GDP数据进行预测实证,结果表明该方法明显优于传统的灰色GM（1,1）预测以及回归预测。     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

初值修正灰色GM（1，1）模型的等价性

研究了初值修正灰色GM（1，1）模型的等价性问题．通过选取两个不同初始条件X3（1）＋β、β2X（1），分别得到两个初值修正GM（1，1）模型，并证明了它们的等价性；然后，推广初值修正GM（1，1）模型等价性，得到了结论更为一般的、初值条件为X1（f）＋β1和β2X（1）（i）的、两类GM（1，1）模型的等价性．这些结论不仅揭示了不同初值条件的GM（1，1）模型的本质联系，而且为进一步应用GM（1，1）模型提供了更大的选择空间．     

灰色新息GM（1，1）模型的递推算法

在研究新息ＧＭ（１，ｌ）模型传统算法的基础上，提出了灰色新息ＧＭ（１，１）模型的一种新算法─—递推算法。     

灰色预测模型GM（1，1）的修正

应用样条函数对灰色预测模型ＧＭ（１，１）的残差序列进行插值，将插值后的残差表示式作用于微分动态模型，用最小二乘法则进行参数辨识，从而建立残差的时间响应式，并以此修正ＧＭ（１，１）模型。经实例检验，修正后的模型精度有显著提高。     

基于BP神经网络改进的GM（1,N）模型在经济预测中的应用——以河南省经济为例

论文就修正GM（1,N）预测模型的误差,提出了新方法。使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响。实践表明这些改进模型可以有效地提高GM（1,N）模型的预测精度。     

灰色预测模型的改进

一、引言灰色系统理论是由创始人邓聚龙教授创立的,由于它的建模方法简单,所需样本少,以及预测精度高等许多优点,自该理论创立以来,已被广大科技工作者广泛地应用于社会、经济、生态等领域,取得了很好的效果.由于灰色预测模型已被得到广泛的应用,所以在应用该模型前,应对动态模型的应用条件作一分析,并研究如何提高预测的精度.本文想通过讨论动态GM(1,1)模型的建模原理的基础上,进一步探索GM(1,1)模型存在的问题,并提出改进的方法,以提高模型对实际问题的预测精度.二、灰色预测模型的建模原理GM(1,1)预测模型是最常用的一种灰色动态预测模型,其建模原理是:     

灰色GM（1,1）模型在医院门诊收入预测中的应用

文中采用灰色系统ＧＭ（１，１）模型，对我院某科门诊收入进预测，得到较为满意的预测效果。     

基于GM（1，1）模型的趋势预测方法及其应用

基于灰色理论中GM(1，1)模型提出了一种新的预测方法(趋势预测)，再将其应用到组合预测中，运用遗传算法调整组合预测权系数从而得到最优解。通过实例证明，该方法是正确的，算法是有效的。     

代数插值的GM（1，N）严格微分拟合法

在分析GM（1，N）灰微分拟合法缺陷的基础上，运用代数插值给出GM（1，N）的严格微分拟合建模法，解决了微分动态模型GM（1，N）的严格微分拟合问题。所给的建模方法，根除了现有灰色微分拟合法存在的固有误差。GM（1，N）的严格微分拟合法，计算工作量大于灰色微分拟合法，但有更高的拟合精度，可以拓广GM（1，N）的应用范围。     

灰色系统GM（1,1）模型改进的建模方法

分析灰色系统ＧＭ（１，１）模型建模中所存在的问题，提出以现代非线性回归分析的方法改进ＧＭ（１，１）模型的建模方法。实例计算表明该方法优于传统的建模方法。