改进的离散灰色模型及其应用

在文献研究的基础上,对离散灰色模型作了进一步改进,给出一种预测的新方法.该方法将离散灰色模型中的已知条件作了适当的拓广,从而使新模型具有更高的精度.通过变压器油中溶解气体预测的实例分析验证了该方法的有效性.     

优化灰色模型在负荷预测中的应用

论述了用优化灰色理论进行电力系统负荷预测的建模过程。通过指数平滑法对原始负荷数据进行预处理 ,把有起伏特性的原始数据序列改造成规律性强的序列 ,再利用优化灰色模型进行预测 ,提高了预测精度 ,该方法简捷实用 ,经实际算例校核证明 ,可以作为中期电力负荷预测的理想工具     

基于优化的无偏灰色模型的铝价格行情预测

为了对铝价格行情进行科学的预测,构建优化的无偏灰色模型模拟其变化趋势.首先建立无偏灰色预测模型,并推导出它的求解公式;再对其背景参数进行优化;然后根据2010年10月至2011年6月上海现货铝价格数据,采用优化的无偏灰色模型进行模拟预测,最后将其预测结果与传统的GM(1,1)模型和无偏灰色模型进行误差比较分析.结果表明优化的无偏灰色模型消除了传统GM(1,1)模型本身固有的偏差,模拟和预测的精度较高,分析结果可靠.预测数据说明我国铝现货价格整体上呈上升趋势,与我国经济建设对铝的需求持续增长的现状相符.     

隧道围岩位多的灰色优化模型预测

传统灰色GM（1，1）模型，多达用于等间距和低增长序列监测数据的模拟预测；对非等间距和高增长序列，一般经过等间距处理或经过复杂的变换建立非等间距模型进行预测，且往往产生较大的滞后误差。在时间序列[k,k 1]区间上，用n个小区间的梯形面积代替[k,k 1]区间上GM（1，1）函数曲线对应的面积，以优化提高背景值z^(1)(k 1)的精度。这种以优化灰色模型背景值为基础构建的灰色优化模型，普遍适用于隧道围岩位移等间距或非等间距以及低，高增长监测数据序列的位移预测，能很好地模拟预测隧道围岩移的Ⅰ型，Ⅱ型，Ⅲ型时序变化特征，且都能获得很高的模拟和预测精度。     

基于粒子群优化算法的灰色模型在电力负荷预测中的应用

传统的灰色预测模型GM(1,1)在预测增长速度较快的电力负荷变化时,预测精度会大幅下降。针对GM(1,1)的这一局限性,本文引入了粒子群优化算法与传统的GM(1,1)相结合来求解灰色模型中的参数。通过对三组不同电力负荷的实例仿真,证明该模型在预测增长速度较快的电力负荷时具有较高的预测精度。     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

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。     

灰色模型优化改进及其在人口城镇化问题上的应用

利用最小二乘原则求得最佳平移步长,对原始数据进行平移变换,建立GM(1,1)模型对中国人口城镇化作出了分析,并对预测结果进行了误差检验。从实例可以看出,最佳平移变换方法简单容易实现,优化后的灰色模型精度更高,从而能对中国人口城镇化程度提供更长期的预测效果。     

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.     

无偏灰色预测模型在电力系统负荷预测中的应用

灰色预测模型已在负荷预测中得到了广泛的应用，该模型是一种有偏差的指数模型，在该模型基础上作者已导出了无偏灰色预测模型。将无偏灰色预测模型应用于负荷预测中，并与传统灰色预测模型进行了比较，结果显示了无偏灰色预测模型的优越性。     

直接建模与累加建模灰色模型特性的比较

研究了直接建模与累加建模所建立的灰色模型的模型特性,得到了一些有价值的结论－这些结论有助于灰色预测模型在有关领域中的应用－     

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.     

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.     

基于灰预测理论的石油石化企业风险预测

在综合运用灰预测方法（灾变灰预测与数列灰预测理论）的基础上建立了石油石化企业风险预测模型，并对其投资经营风险做了仔细的分析和研究，预测了风险可能发生的时区及大致所造成的损失程度，最后以实例证明了该模型的有效性．     

泰安市GDP预测的灰色模型

运用灰色理论研究了泰安市国内生产总值(GDP)1990～2003年的变化规律,建立了泰安市国内生产总值预测的灰色模型,对2004～2009年泰安市国内生产总值作了预测,得出了2007年泰安市国内生产总值将超过1000亿的结论。利用灰色关联度分析,分析了泰安市第一、二、三产业对国内生产总值的影响程度。     

优化的灰色模型在工业电耗定额预测中的应用

制定准确的单耗定额是促使企业提高用电效率的有效途径,传统的灰色预测模型只能反映单耗的总体变化趋势,不能反映单耗随季节的波动特征,为此,基于月调节系数提出了优化的灰色预测模型,算例表明,与传统的预测方法相比,优化的预测方法提高了预测的精度,使企业月单耗定额的制定更为合理、科学.