基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.     

基于GM(1,1)模型和灰色关联度的组合预测新方法

在一般GM(1,1)灰色预测模型的基础上,为了及时补充和利用灰信息,采用等维灰色递补的方法从而得到n-m个单个灰色预测模型进行组合预测建模,然后基于灰色关联度这一相关性指标来确定权重,得出组合预测模型值.最后,通过实例分析和精度检验表明它是一种有效的组合预测方法,且结果比较理想.     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

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。     

无偏灰色RBF神经网络组合模型在药品销售预测中的应用

针对药品销售的非线性和随机性;单一预测模型不能全面反映药品销售变化规律等缺陷;提出了一种无偏灰色GM(1,1)RBF神经网络组合预测模型.组合模型兼顾无偏灰色GM(1,1)模型和RBF神经网络模型的优点;并运用该模型对某种降压药销售进行仿真实验;结果表明;相对于单一预测模型;组合预测模型更加科学、可靠;更能准确描述药品销售的变化规律;提高了药品销售的预测精度;在药品销售预测中具有一定的实用价值.     

基于组合模型的建筑物沉降预测

以上海某建筑物沉降观测数据[1]为依据,构建一种新的组合预测模型,并对沉降数据进行预测,将预测结果与前人单项模型预测结果进行对比,结果表明组合预测模型预测结果要明显优于单项模型。     

基于灰色-马尔可夫模型的国内游客总数预测

结合灰色模型在小样本下预测精度较高的优点和马尔可夫模型对随机波动数据处理结果较好的优点,以2004—2015年国内游客总数构建传统灰色GM(1,1)模型、无偏灰色GM(1,1)模型、灰色马尔可夫模型和无偏灰色马尔可夫模型,并对比2016—2018年国内游客总数的预测值与实际值.结果表明,灰色马尔可夫模型和无偏灰色马尔可夫模型相比于传统灰色GM(1,1)模型和无偏灰色GM(1,1)模型的平均相对误差分别提高了2.36个百分点和2.33个百分点,灰色模型结合马尔可夫模型后能够解决对随机波动数据的预测偏差,有效提高预测精度.     

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。     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

基于相对误差极小化的灰色组合预测模型

分别利用累加生成数据作为初始条件,建立了不同的灰色预测模型.以这些模型为基础,按照相对误差极小化的原则,建立了灰色组合预测模型.通过实例对比分析,表明灰色组合预测模型具有更高的预测精度和较高的理论实践价值.     

山区高速公路高路堤沉降灰色模型预测

山区高速公路在跨越深沟和高桥头引道时产生了高路堤,由于填方较高,路基沉降量较大,如何准确的推算高路堤预留沉降量和预压期时间,使路基沉降后仍能符合设计高度,并依据完成预压期时间来合理安排路面铺装,减少路基沉降差异产生的病害一直是个技术难题.提出了利用灰色系统理论的预测和决策功能,对高路堤沉降进行预测,研究表明,用GM(1,1)模型对其预测,建模简单,预测精度高,在预测山区高速公路高路堤沉降、高边坡滑移、地质灾害等方面有较大的实用意义.     

基于灰色预测模型的公路运输量预测

为了准确预测公路运输量,提高公路运输行业的管理水平,在运输业近年运量统计数据的基础上,利用灰色预测理论的GM(1,1)模型,给出了运用GM(1,1)模型进行预测的详细步骤,并以浙江省公路运输量预测为例进行了实际应用,对预测结果进行误差检验,表明预测结果具有较高的精度.     

节水灌溉技术的研究

干旱缺水是制约农业生产发展的主要因素之一,而农业节水灌溉就是用尽可能少的水投入取得尽可能多农作物产品的一种农业高效用水模式。本文简述了节水灌溉工程的现状和存在的工程技术问题,并展望了节水灌溉工程的发展趋势。     

基于多变量灰色预测模型的多元线性回归模型

针对各自变量之间的关系,利用多变量灰色模型建立了自变量的预测值,剔除了自变量观察数据中的噪声污染。进而建立了一种改进的多元线性回归模型。最后,通过实例说明模型具有较高的预测精度。     

基于季节指数和灰色预测的月电量预测模型

灰色预测模型GM（1,1）主要适合于光滑数据序列的预测,对非光滑数据序列常采用对数变换法、开n次方变换法和指数加权变换法提高数据的光滑度．由于月电量呈现明显的季节性变换,常用的提高光滑度的方法效果并不明显．文章提出了一种基于季节指数和灰色预测的月电量预测模型,以南京市某供电分公司近五年的月电量数据为基础,采用季节指数变换的灰色预测模型进行预测,与对数变换法的灰色预测模型比较,预测效果得到了明显提高．     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

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.     

基于动态灰色模型的地下工程地面沉降预测

实时准确地预报地下工程引起的地面沉降对指导施工意义重要.利用动态灰色模型(MGM),可以根据适时更新的观测值建立实时的预报模型,从而提高预报精度.通过工程实例,表明该模型能较好地应用于沉降预报.     

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.