道路交通事故预测方法分析

以某市1990年-2004年道路变通事故发生次数统计数据为基础。分别运用灰色GM（1，1）模型度BP神经网络来预测未来年的变通事故发生次数，并得出结论。     

多变量灰色模型在预测中的应用

单变量的GM(1,1)模型用于单一时间序列的建模与预测,而MGM(1,n)模型是对GM(1,1)模型在多元变量情况下的自然推广,通过对MGM(1,n)模型建立过程以及应用方法的示例,来说明该模型的现实应用价值.     

土钉支护变形的灰色预测方法

应用灰色系统理论方法建立土钉支护变形的GM（1，1）预测模型，对比神经网络预测方法，算例表明：灰色理论方法的预测精度高于神经网络方法。     

基于灰色Elman-NN模型的粮食产量预测与分析

设计灰色Elman神经网络预测模型,用于陕西地区人均粮食占有量及粮食单产量数据的预测与分析。根据神经网络能有效修正灰色预测模型的思路,设计灰色Elman神经网络预测模型。在对陕西地区人均粮食占有量及粮食单产量数据进行分析的基础上,建立灰色GM(1,1)模型,并利用Elman神经网络对粮食单产量数据预测模型进行残差修正。所设计的Elman-NN组合模型效果及预测精度优于单一的灰色预测模型。组合预测模型可用于农业及粮食产量领域的预测,为政府制定、实施农业经济政策提供科学依据。     

基于组合预测模型的飞机刹车系统性能趋势预测分析

为了对飞机刹车系统进行性能趋势预测分析,提出一种灰色关联分析确定权重的组合预测方法。首先,利用BP神经网络(back propagation network,BP)对刹车片的累积磨损量进行预测,得到网络输出序列与向后预测序列。对于灰色预测(grey model,GM)模型利用粒子群(particle swarm optimization,PSO)对其优化;用粒子群优化灰色模型(particle swarm optimization-grey model,PSO-GM)进行预测得到拟合序列与向后预测序列。在此基础上对BP网络输出序列、PSO-GM(1,1)拟合序列与原始数据序列进行灰色关联分析,确定组合加权的权重。最后对各预测模型的向后预测序列用灰色关联分析法得到的权重进行组合加权,得到最终的刹车片累积磨损量趋势预测值。仿真结果表明,采用灰色关联分析确定权重的组合预测方法具有比单预测模型更好的趋势预测效果,具有对刹车系统性能趋势预测分析很好的实际应用价值。     

基于GM(1,1)模型的空气质量变化趋势预测及分析

在掌握区域空气环境质量现状资料的基础上,运用具有适用性广,预测准确率高等优点的灰色系统预测模型对大连市未来五年空气中SO2的浓度变化趋势进行预测,对其模型的精度和可行性进行了分折和检验,并与目前常用的指数平滑法的预测结果进行了对比。研究结果表明:建立基于GM(1,1)模型的大气质量变化趋势预测模型是可行的,其模型的平均相对误差比指数平滑法减少了44％,因此预测精度高,能够满足预测要求。     

基于组合模型的中小电商商品短期需求预测

近几年,中小型电商企业迅速崛起,库存成本过高遏制着中小型电商企业进一步发展。精确的短期需求预测可以帮助中小电商企业减少库存积压,节约库存成本。为了准确预测中小电商企业产品的短期需求量,通过建立关于GM(1,N)多维灰色模型和GA-BP神经网络模型的组合模型,将三个模型运用到实例中进行预测,对比预测结果以验证组合模型预测效果。预测结果显示,组合模型较GA-BP模型、GM(1,N)模型具有更高的预测性,具有较好的预测效果,对中小电商企业库存管理有重要应用价值。     

农村居民增收的趋势预测及构成分析

实现乡村振兴的关键在于提高农村居民的收入,农村居民增收是实现全面建设小康社会的重大任务.首先基于中部地区山西、河南、江西三省2014—2017年的数据,对三省农村居民的各种收入来源进行预测分析,然后对预测数据进行关联度分析,发现第三产业收入对山西省的农村居民总收入的关联度最大,河南省是转移性收入与总收入的关联度居首位,而江西省则是第一产业对总收入具有较大的影响,并且三省的农村居民工资性收入的增长速率已明显高于家庭经营性收入,最终针对如何增加农村居民的收入提出相关政策建议.     

基于多种模型的广西入境旅游游客量预测

根据广西1978—2008年接待入境旅游者人数的统计数据,试运用移动平均法、指数平滑法、自回归法、一元线性回归法、多项式回归法和灰色GM(1,1)法构建相应的预测模型,分别对广西未来6年的入境旅游者人数进行预测.预测结果表明:(1)对于不同时间尺度的入境旅游游客量预测,因不同预测方法的预测误差差异较大,应根据具体情况选择合适的预测模型.(2)采用多种方法建立预测模型进行比较分析,可避免用单一方法的不足,预测到2015年广西的入境旅游者人数分别可达292.21~320.42万人次,在无重大突发事件影响的情况下,广西入境旅游客源市场将继续保持稳定增长的势头.     

灰色优化GM(1,1)和人工神经网络组合模型的江西省GDP预测应用

为了提高GDP的预测精度,结合灰色系统和人工神经网络的各自优势,建立灰色人工神经网络组合预测模型。该模型既具有灰色优化GM(1,1)模型适用发展系数范围较大的优点,也融合了人工神经网络在不确定因素预测方面的优点。最后以江西省GDP的预测为实例,对比了单独的灰色优化GM(1,1)模型与组合模型的预测结果,结果显示组合模型的预测精度较高。     

基于优化遗传算法的灰色-RBF神经网络预测模型研究

根据灰色系统、RBF神经网络的模型及遗传算法原理,提出了一种基于灰色系统与改进的遗传算法RBF神经网络的系统预测模型,采用改进的遗传算法对该模型进行全局优化,最后用实验验证了模型的有效性,对比分析了单独使用GM(1,1)和RBF神经网络模型的预测结果.结果证明,优化后的预测模型的预测精度高于另外两种模型的预测结果.     

基于吞吐量预测的南通港营收绩效评价研究

摘要： 基于南通港港口吞吐量短期预测的基础上,量化分析南通港港口效率,有助于南通港优化资源配置,提升港口竞争力。选取南通港1998-2014年的数据作为样本,运用灰色预测GM（1,1）模型对南通港2015-2019年的货物吞吐量和集装箱吞吐量进行预测,从投入、产出角度出发构建港口绩效评价指标;在灰色预测的基础上,分别在保持南通港现有投入规模（2014年）不变和保持南通港现有投入增速两种情况下对南通港1998年至2019年绩效进行了评价与分析,发现南通港在保持现有投入增速的情况下整体效率更高,且2015至2017三年间仍呈现规模报酬递增,至2018年实现规模效率最大化,因此相比于目前的投入增速,南通港应在2015至2017年间进一步扩大投入规模。     

基于灰色系统理论的常压蒸馏装置腐蚀预测

针对某炼油厂炼制中东进口原油后常压蒸馏装置设备冲刷腐蚀明显加重的问题,在常压蒸馏塔顶换热器入口分配管弯头处进行定点测厚,对其厚度减薄情况进行监测.弯头壁厚数列是准光滑序列,它的一次累加生成具有准指数规律,可以建立灰色微分方程.针对此灰色腐蚀系统建立GM(1,1)模型,利用此模型对原始数据序列进行模拟的平均相对误差为1.90%,而通过对原始数据序列加上100进行平移,然后再从预测结果中扣除增加量的方法得到改进的GM(1,1)模型,平均相对误差为1.31%,模型精度得到提高.采用全部数据建立改进的GM(1,1)模型,对弯头的壁厚进行模拟,对未来可能的壁厚进行区间预测.结果表明:弯头在2 a的使用期内是安全的,3 a后弯头极有可能蚀穿;采用灰色系统理论对冲刷严重的部位进行寿命预测是可行的,有助于制定合理的检修周期,保障设备的安全.     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

基于优化方法的GM(1,1,λ)模型

对GM(1,1)模型背景值进行分析,给出了GM(1,1,λ)模型,利用MATLAB优化函数进行单值λ优化和多值λ优化得到λ的最佳取值,最终求解出该模型.     

基于压缩感知的灰色理论模型及其在航空货运量预测中的应用

重点研究经济突发事件对中国航空货运量的影响,采用压缩感知理论提取经济突发事件对航空货运量的影响,并利用灰色理论拟合航空货运量的总体变化趋势。以2002~2009年中国每月航空货运量的统计数据为基础,通过Matlab的CVX工具箱得到航空货运量基于压缩感知理论的灰色模型。通过对原始数据拟合的结果分析可知,基于压缩感知理论的灰色模型既可以体现中国航空货运量的逐年递增趋势,也可以得到每年的逐月变化趋势,还可以得到经济突发事件对中国航空货运量的影响。给出基于压缩感知的灰色模型的2010年每个月预测值,最大预测误差不超过5.92%,为航空运力市场调控和发展提供理论支持。     

基于差值灰色RBF网络模型股票价格预测研究

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。并利用此模型进行股票价格预测,实证结果表明:该模型预测稳定性较好,预测精度高,平均预测误差为0.68%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的实用价值。     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

基于BP算法的成绩预测模型

BP网络是一种典型的多层前向网络,由输入层、隐含层和输出层组成,通过学习样本训练模型后即可用于数据的预测,适用于实现网络教学系统的成绩预测功能。训练样本作为BP网络的学习数据集,对于BP网络模型的训练具有重要的作用。模型选取网络教学系统中能够影响学习成绩的相关因素作为输入数据,包括学生在线学习时间、学生学习能力、作业成绩和测试成绩,利用已有学生成绩作为训练BP网络的期望输出。将这些数据进行归一化处理即可用于训练BP网络模型。训练过程中,全局误差基本呈下降趋势,收敛效果较好。经过训练后的模型可预测出学生的成绩,并转化为相应的等级,对学生下一步学习进行指导,提出适合的教学策略。通过测试表明该模型可以用于教学系统中的学习成绩预测,获得了预期效果。