基于灰色马尔科夫模型的家纺流行色趋势预测

分析了家纺流行趋势研究现状以及现有方法的优缺点,以国际流行色权威机构国际色彩委员会发布的2007-2013年的春夏流行色定案作为分析对象,提出了基于灰色马尔科夫模型的家纺流行色趋势预测方法.采用灰色模型对未来家纺流行色进行预测,并通过后验差检验法来探讨此模型的预测精度及其建模的可行性,应用马尔科夫模型对预测结果进行修正.实验结果表明:灰色马尔科夫模型在流行色预测方面相比单一的灰色模型有更高的精度.     

基于灰色-马尔科夫模型的桥梁运行状况预测

为预测桥梁的实际运行状况,以在役159座桥梁实测数据为依托工程,基于灰色-马尔科夫模型与最小二乘法曲线拟合的相关原理,建立桥梁预测模型,并与实际状况数据对比分析.结果表明:灰色-马尔科夫模型预测结果与实测结果相对误差小于2％,结果满足工程需求,其研究成果可为在役桥梁技术状况评定提供参考.     

山东省电力消费量的灰色－马尔科夫模型预测

我国的电力资源越来越紧缺,对其进行研究具有一定的实际意义。本文主要运用灰色－马尔科夫模型对2012年山东省电力消费量进行了预测,通过模型精度的比较,证明该模型是有效的。     

基于灰色马尔科夫模型的工程成本预测

针对随机波动较大的工程成本预测问题,通过研究过去几年中国一建筑公司承建同类工程的相关数据,建立了灰色GM（1,1）模型,并采用马尔科夫模型分析优化数据.实例分析结果表明,灰色马尔科夫模型用于工程成本的预测结果与实际情况较为一致,说明本研究建立的预测模型合理可靠,具有一定的实用性.     

基于灰色理论与ARIMA模型的股票价格预测

利用组合模型对茅台股票价格进行预测。首先通过ADF检验观察价格时间序列是否平稳。其次,选择ARIMA、GM(1,1)、GM-ARIMA回归模型分别对股票价格序列进行拟合。最后,基于误差标准选择GM-ARIMA回归模型对茅台股价进行预测。结果表明,GM-ARIMA回归模型更能准确地预测茅台股票的股价。     

基于马尔科夫——灰色BP神经网络组合模型的深基坑变形预测研究

建立马尔科夫—灰色BP神经网络组合模型是为了更加科学合理预测深基坑压顶水平位移,提高预测精度.比较分析BP神经网络模型与串联式灰色BP模型的预测结果,建立马尔科夫链修正的灰色BP组合模型,以汕头市某花园酒店扩建工程的基坑压顶水平位移的实测数据为研究对象,通过比较模型预测结果与实际结果,检验其深基坑预测模型的精度.实例证明,经马尔科夫链改进的灰色BP神经网络组合模型的预测精度优于单一模型,更适合用于样本少、随机波动性大的深基坑变形预测.马尔科夫—灰色BP神经网络组合模型对深基坑压顶水平位移的预测不仅精度高,同时反映出数据序列发展变化的总体趋势和系统之间各状态的规律,为深基坑压顶水平位移预测提供了一种新方法.     

ARIMA-RBF模型在城市轨道交通客流预测中的应用

客流量预测是城市轨道交通规划设计和运营管理的基本依据,已成为城市轨道交通建设过程中的重要环节。本文通过分析平常日客流变化的周规律、非平稳性等时序特征以及ARIMA模型和RBF模型的作用机理,将适合进行线性时间序列预测的ARIMA模型和适合处理非线性问题的RBF神经网络组合,建立了ARIMA RBF预测模型,并用该模型对北京市城市轨道交通平常日客流量进行预测,该模型充分考虑到城市轨道交通客流变化的线性及非线性特征,取得了较好的预测效果。     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

GM（1.1）灰色模型在交通噪声预测中的应用

以两个不同区域为例，探讨了灰色系统理论的一维建模理论在交通噪声预测中的应用，本方法具有较一般预测方法所需信息量少，结果合理的优点。     

基于灰色-马尔科夫模型的电力系统CO2排放

运用灰色-马尔科夫方法对电力负荷进行中长期预测,并结合电厂发电煤耗值的预测对电力系统2011-2030年的碳排放进行了测算.计算结果表明:电力系统2015,2020,2025和2030年的碳排放分别是95.583 1×108,106.724 7×108,112.359 0×108,112.914 7×108 t,在此基础上进行了分析并对电力系统未来减少CO2排放的路径从国家政策层面、电力生产环节和电网规划及调度等方面提出了建议.     

利用马尔科夫和灰色模型预测高校师资队伍

状态转移矩阵是马尔科夫预测的关键。本文通过多元回归理论,建立多目标规划模型求解马尔科夫状态转移矩阵;借助灰色预测GM(1,1)模型来改进马尔科夫模型状态转移容易局限于内部等缺陷;将该模型运用于某高校师资队伍预测,为优化高校师资队伍结构提供一种有效的方法。     

基于时空特征的城市轨道交通客流量预测方法

随着城市轨道交通网络运营里程的不断增长及网络承载客流量的不断提高,特定站点客流量极易发生急剧变化,这种变化引起整个网络客流量的不均匀分布,从而增加运营调度的难度和运营事故的发生概率.本文以城市轨道交通实际运营中采集的大量客流数据为基础,从时间和空间两个维度分析城市轨道交通客流分布的特点,并进一步提出基于贝叶斯网络的客流量预测方法,实现对特定站点的客流量预测.本实验完全基于实际数据,结果表明:预测客流量平均绝对百分比误差基本在0.1以下,预测准确程度较高.     

基于改进灰色组合模型的城市轨道交通客流预测 ——以西安地铁2号线为例

针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势,利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合,对2017-2019年发病率数据进行预测,并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明,2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确,模型精度更优,是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

基于新陈代谢灰色马尔科夫模型的芜湖港集装箱吞吐量预测

为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。     

基于ARIMA模型的国内生产总值预测

本文通过对1952年以来的各年度GDP数据进行数学建模,利用ARIMA模型对年度GDP进行了预测。实验结果表明：ARIMA模型对GDP年度数据预测的一步预测相对误差可以保持在3%以内,具有较高的预测精度。