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。     

GM(1,N)模型在工程建筑物变形分析中的应用

针对工程建筑物变形中存在的变形因素复杂、变形大小不确定性、点位间主次关系不明确等情形,将灰色系统中的多维GM(1,N)模型引入到工程建筑物变形监测分析中进行多点分析,研究工程建筑物的变形规律,合理预测未来的变形趋势。利用关联分析方法确定有效因子,综合分析系统受不同监测点影响的因素,通过工程实例进行了分析、建模和验证,建立了相应的GM(1,2)或GM(1,3)模型,提高了模型精度,为工程建筑变形分析提供了有效的分析方法和手段。     

GM(1,1)模型在大气质量预测中的应用

为了研究阜新市大气污染物的变化规律,应用GM(1,1)模型及阜新市1996-2000年总悬浮颗粒物(TSP)的监测数据,对阜新市的大气污染物的变化情况进行预测,并对预测结果进行检验.结果表明:GM(1,1)模型建模简单,精度高,对于大气环境质量的预测效果比较好.研究结论可为控制该地区的大气环境质量提供依据.     

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。     

非线性GM(1,1)模型在交通量数据分析中的应用

根据交通量数据变化的特点,采用非线性GM(1,1)模型对其进行预测.通过实例分析,证明NLGM(1,1)模型比传统GM(1,1)模型精度更高、误差更小,但对未来数据预测精度稍差.所以,该预测模型具有一定的应用价值.     

优化GM(1,1)模型在江西省GDP预测中的应用

本文详述了优化GM(1,1)模型,并以江西省GDP数据为实例,验证了优化GM(1,1)预测模型可用于经济指标GDP的预测:最后对模型进行了分析。     

尾部残差修正GM(1,1)模型在煤矿百万吨死亡率预测中的应用

 煤矿安全是当前安全生产工作的重中之重。为掌握煤矿安全生产情况,降低事故损失,保证中国煤炭工业健康、快速、可持续发展,本文在传统GM(1,1)模型的基础上,建立了关于煤矿百万吨死亡率的尾部残差修正GM(1,1)模型。将该方法应用于2001—2011年全国煤矿百万吨死亡率分析,并以此为基础对2012、2013年的煤矿百万吨死亡率进行预测,与传统GM(1,1)模型的预测结果进行对比分析。研究结果表明,传统的GM(1,1)模型精度较差,最大误差达到14.35%,经修正的尾部残差GM(1,1)模型预测结果可靠,实际值与预测值平均相对误差1.14%,最大相对误差3.81%,各项指标均明显优于传统的GM(1,1)预测模型,为政府、矿山企业制定安全生产目标、政策以及建立科学高效的安全管理机制提供理论依据。     

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     

灰色GM(1,1)模型在青海省卫生人员预测中的应用

卫生人员预测在卫生事业管理中占有重要地位,是卫生人力资源配置的重要依据.应用灰色预测GM(1,1)模型,以2007~2013年青海省卫生人员为历史数据,求解模型得到2007~2013年青海省卫生人员预测值,将实际值与预测值进行对比分析,检验结果表明模型预测结果较好,精度较高,误差率小.用该模型得到2014~2018年青海省卫生人员预测值,为青海省卫生人力资源规划提供依据.     

基于GM(1,N)模型的加固木柱承载力预测

在7根木柱加固试验数据的基础上,利用GM(1,N)模型建立了加固木柱承载力的预测模型.通过实例分析预测结果表明,该模型预测结果与试验数据吻合较好,由驱动系数得出各影响因素的影响大小和趋势.提出的预测模型可应用于木柱加固工程分析和设计.     

灰色GM（1，1）模型在火灾事故预测中的应用

针对全国火灾事故的统计数据,利用灰色系统理论在不确定因素预测领域的优势,建立了一个火灾事故预测的GM(1,1)模型.论述了模型的建立和求解过程,用实例阐述了灰色预测模型的应用和局限性.结果表明,模型比较合理地反应灾害事物的发展趋势,为分析火灾事故规律和有效预测提供了科学的方法.     

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。     

基于GM(1,1)模型的台风灾害救灾物资需求量预测

］针对福建省台风灾害频发,需要根据气象等部门的有关信息对台风灾害救灾物资的种类和数量进行预测的需求,在对随机强烈振荡的受灾情况原始数据序列进行修正的基础上,应用GM(1,1)模型对受灾人口数量进行预测,然后根据受灾人口数量推算生活类救灾物资需求量.该方法经实例验证,可应用于不确定性较大的台风灾害救灾物资需求量的预测     

基于GM(1,1)模型的矿井涌水量预测

根据灰色系统理论,利用苏二煤矿2001-2008年的矿井涌水量资料,运用GM(1,1)灰色预测模型方法,对该矿的涌水量进行动态预测,为矿井防治水提供依据。     

利用GM(1,1)模型预测河南省国民经济第三产业产值

灰色预测法是一种对既含有已知信息又含有不确定因素的系统进行预测的方法.国民经济系统是一个典型的灰色系统,利用灰色系统理论中的GM(1,1)模型,建立了对我省第三产业产值的预测模型.依据1996～2000年的数据,得到了2001～2005年第三产业产值的预测值.将预测值与当年的真实值进行比对表明,预测效果良好。     

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。     

非等间距GM(1,1)模型的模糊优化

采用模糊聚类分析方法，在原始的非等间距序列中插入若干数据，在新序列上建立非等间距GM(1，1)模型。实例表明，经模糊优化处理的非等间距GM(1，1)模型有更高的模拟和预测精度及良好的适用性。     

优化灰色GM(1,N)-加权Markov模型在道路交通噪声预测中的精度研究

通过对北京市2007年至2016年城市道路交通噪声及相关影响因素数据分析,以GM(1,N)模型为基础,建立了优化灰色-加权Markov模型,为有效控制交通噪声污染提供理论依据和决策意见。首先,利用平滑公式对原始数据进行预处理,用数值积分中的Simpson公式改变背景值来提高传统多因素GM(1,N)模型精度。其次,用加权Markov模型对得到的模拟值中的异常值进行了修正,将其应用到城市交通噪声的预测上,实证计算表明优化灰色GM(1,N)模型的模拟值与实际值拟合效果很好,比传统的GM(1,N)模型精度有较大提高。最后,用该模型对北京市2017年和2018年城市交通噪声进行预测,基本符合噪声数据实际变化趋势。     

基于优化的GM(1,1)模型在我国人口预测中的应用

GM(1,1)预测模型一直是灰色系统理论研究者关注的热点.在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化函数的时间响应函数中的常数c,摒弃了传统GM(1,1)把原始序列x(0)(1)作为初始条件的做法,从而构建了GM(1,1)的优化模型.最后,以我国人口总数的预测为例,进行两类预测模型的模拟精度比较,并进行了预测,得到优化的GM(1,1)模型进行预测得到的精度较高.