灰色GM（1,1）模型的改进

在分析灰色GM(1,1)模型缺陷的基础上,导出了背景值构造法中权值p的精确表达式.由于GM(1,1)模型拟合式默认经过了初始点,与实际情况并不一定相符,因此在初始值中加入了扰动因子m,并以遗传算法求取了m值的大小.实例证明了模型的改进可以提高预测精度.     

代数插值的GM（1，N）严格微分拟合法

在分析GM（1，N）灰微分拟合法缺陷的基础上，运用代数插值给出GM（1，N）的严格微分拟合建模法，解决了微分动态模型GM（1，N）的严格微分拟合问题。所给的建模方法，根除了现有灰色微分拟合法存在的固有误差。GM（1，N）的严格微分拟合法，计算工作量大于灰色微分拟合法，但有更高的拟合精度，可以拓广GM（1，N）的应用范围。     

改进背景值的GM（1,1）优化模型

灰色GM（1,1）模型建模时,背景值和初值的选取对建模的精度有着十分重要的影响。本文在进一步分析GM（1,1）建模机理的基础上,利用指数拟合及高斯求积公式提出了一种新的求取背景值的方法。经检验该方法对高指数增长和低指数增长都有较好的拟合精度和预测准确度。     

GM(1,1)模型的改进

由于最小二乘法的稳健性有一定的局限性,使得GM(1,1)模型的拟合精度有时并不理想.为提高预测精度,在分析比较最小一乘法和最小二乘法优缺点的基础上,改变了GM(1,1)模型的参数估计方法,用普通最小一乘法和折扣最小一乘法代替了原来的最小二乘法.最后通过实例验证了该改进方法的有效性.结果表明,改进的GM(1,1)模型准确度有较大提高.     

基于函数变换的GM(1,1)模型及其应用

基于函数变换理论,本文尝试使用复合函数变换来提高原始数据序列的光滑性,从而提高模型的拟合精度.并将此方法应用于全国人均主要工农业产品产量(发电量)的建模中.应用结果表明,该方法所建模型的拟合精度高于传统的GM(1,1)模型和对数函数变换GM(1,1)模型的精度.建模结果表明本文提出的改进方法的有效性.     

非等间距GM(1,1)组合预测模型

根据灰色模型建模特点,利用等维灰色递补动态预测模型的方法建立了非等间距GM(1,1)预测模型。基于这些GM(1,1)预测模型给出了一类非等间距GM(1,1)组合预测方法。实例表明结果理想可靠,有较高的拟合和预测精度。     

改进GM（1,1）模型在营养状况预测中的应用

为了提高灰色GM（1,1）预测模型的拟合和预测精度,通过初值和背景值的修正,给出了改进灰色GM（1,1）预测模型,并利用粒子群优化算法给出了模型相关参数的优化.根据中国学生体质与健康调研报告中4种营养性疾病检出率的数据资料,就10～12岁城乡男女的超重和肥胖数据,建立改进GM（1,1）预测模型对2010年和2015年的...     

优化背景值的GM(1,1)

为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.     

GM(1,1)预测方法的实用处理

用目前常用的灰色模型GM(1,1)拟合预测方法,对中国居民的储蓄与手存现金进行估计,存在系统偏差,且由AGO得出的{X_t~(1)}往往不易解释其实际含义。该文为解决这一问题,根据GM(1,1)的累加与差分两类拟合表达式,给出了模型的两步LS估计,且大大提高了预测精度。     

基于灰色GM(1,1)模型的宿州市人口预测

以2001年至2013年的宿州市人口数据资料为依据,运用灰色系统理论建立GM(1,1)宿州市人口预测模型,并对该GM(1,1)预测模型进行残差检验,关联度检验和后验差检验,通过检验知模型对数据的拟合属于一级精度,模型精度较高。最后利用GM(1,1)模型对宿州市2014年至2018年的人口进行了预测,并结合宿州市人口发展的历史和现状对结果进行了分析。     

GM（1，1）模型在轨迹聚类中的应用

针对移动对象轨迹数据在获取过程中可能存在延迟、缺失,使得轨迹数据存在不确定性的情况.利用GM(1,1)模型在预测、决策领域中的优势,在拟合误差阀值的限制下,提出一种基于GM(1,1)模型的轨迹分割方法(TR_GMPR).之后,对分割后的轨迹段利用DBSCAN算法进行聚类.实验表明,生成的特征轨迹相比其他线段分割的轨迹聚类结果,更符合实际情况.     

一个基于背景值和初始条件优化的GM(1,1)模型

背景值和初始条件对GM(1,1)模型的拟合和预测有着极大的影响,通过优化模型的背景值,赋予边值条件为修正形式x (1) (n)+β,利用原始序列新预测值的误差在最小二乘意义下最小准则,从而得到了一个新改进的GM(1,1)优化模型.最后,通过计算实例验证了该优化模型具有极高的预测和模拟精度.     

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。     

灰色改进等维新息GM（1，1）模型在电力系统长期负荷预测中的应用

本文分析了灰色系统预测ＧＭ（１，１）模型用于长期负荷预测时的局限性，针对电力系统需求增长的特点，提出了灰色改进等维新息ＧＭ（１，１）模型，对江苏电网的用电量进行测算的结果表明，采用改进等维新息ＧＭ（１，１）模型进行长期负荷预测的精度高于一般灰色ＧＭ（１，１）模型的预测精度，给出了程序框图与测算结果。     

对振动数列建立GM（1,1）预测模型的方法

讨论了关于振动数列建立ＧＭ（１，１）预测模型的方法，对背景值直接用最小二乘法求ＧＭ（１，１）模型中的参数ａ和ｕ，可以改善预测模型的拟合精度，并指出累加生成是处理振动数列的必要方法和手段。     

一次函数变换GM(1,1)模型分析及直接离散GM(1,1)模型的建立

分析了基于一次函数变换的GM(1,1)模型提高预测精度的实质,即模拟序列从原有的纯指数序列变成了非齐次指数序列,并指出提高光滑度并不是提高预测精度的决定性条件,建立了模拟序列为非齐次指数序列的直接离散GM(1,1)模型.该模型不对原始数据做任何改变,实例应用结果表明其预测精度同一次函数变换的GM(1,1)模型相当,指出了改变模拟序列特征使其更接近于原始数据的发展,对于提高预测精度更具意义.     

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。     

第17届亚运会女子铅球冠军成绩GM(1,1)模型预测

运用文献资料法和数理统计法,介绍了GM(1,1)模型的构建过程并利用模型对第17届亚运会女子铅球冠军成绩进行了预测;经过检验,近5届亚运会女子铅球冠军成绩GM(1,1)曲线拟合度较好,拟合模型为y=-16 085e-0.000 01k+18 130;经过残差检验、关联度检验和后验差检验,得出模型具有良好的预测精度,实用性较强,可以用于预测第17届亚运会女子铅球冠军成绩,预测成绩为20.45 m。     

高铁中基于改进GM(1,1)马尔可夫模型的频谱预测策略

针对现有高铁环境中沿线网络复杂且频谱利用率低的问题,将具有人工智能特性的认知基站引入高铁无线通信,并提出一种新的改进灰色GM(1,1)马尔可夫模型对频谱进行预测.与其他方法不同,分别从主用户到来时间及其持续时间两方面进行预测,建立信道的占用/空闲模型.通过新陈代谢GM(1,1)对历史序列的1步预测结果进行对比,得到最佳...