完全信息利用的GM（1，1）建模

证明了由GM（1，1）模型得到的还原数据模型与原始序列的第一点无关，在此基础上提出了一种利用全部已知信息的GM（1，1）建模方法。     

灰色模型GM(1, 1)优化

分析了GM(1, 1)模型产生模拟误差的原因，经大量的数据模拟和GM(1, 1)模型比较，发现背景值的优化使GM(1, 1)模型在短期、中期及长期预测中扩大了适用范围，并且模拟及预测精度显著提高。     

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。     

GM（1，1）模型在田径成绩预测中的运用

GM（1，1）预测模型是根据过去及现在已知的或非确知的信息建立一个从过去引申到将来的GM模型，从而确定系统在未来发展的趋势。它具有需原始数据少，精度高的特点，操作简单易行，打破了传统的建立离散的递推模型预测方法，也克服了传统预测方法的局限性。田径运动是一个明显的灰色系统，所以该方法预测田径成绩（如奥运会田赛成绩）是可行的，具有实际研究意义。     

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。     

交通事故预测的灰色GM（1，1）模型

通过对道路交通事故分析、预测方法的研究，指出了其缺陷．在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上，给出了灰色GM（1，1）模型，并对道路交通事故的死亡人数、交通事故数进行了预测，其结果是可信的．     

中心逼近优化GM（1，1）模型及其在数控系统故障诊断中的应用

数控机床的数控系统的可靠性对数控机床质量建着非常重要的作用．由于故障信息量较少，对其故障做出合理的预测，就具有重要的实践意义和理论价值．灰色系统理论是研究贫乏信息的科学理论，具有广泛的适应性．本文介绍了中心逼近优化灰色GM(1，1)模型的建模方法．应用该模型对数控机床数控故障的预测进行应用，效果令人满意，它为数控机床故障预测提供了科学而合理的新方法，值得推广使用。     

初值修正灰色GM（1，1）模型的等价性

研究了初值修正灰色GM（1，1）模型的等价性问题．通过选取两个不同初始条件X3（1）＋β、β2X（1），分别得到两个初值修正GM（1，1）模型，并证明了它们的等价性；然后，推广初值修正GM（1，1）模型等价性，得到了结论更为一般的、初值条件为X1（f）＋β1和β2X（1）（i）的、两类GM（1，1）模型的等价性．这些结论不仅揭示了不同初值条件的GM（1，1）模型的本质联系，而且为进一步应用GM（1，1）模型提供了更大的选择空间．     

一类H1N1型流行病模型的研究

建立了一类描述H1N1型流行病的常微分方程模型,利用常微分方程动力系统的理论,研究了所建立的模型,得出了该系统的奇点以及奇点的类型,得出结论,在H1N1流感的控制中,政府行为是控制疾病流行的重要的元素。     

灰色GM（1，1）优化模型

在分析了GM（1,1）模型的建模机理的基础上,指出了传统建模方法存在的问题,同时给出了基于GM（1,1）的逐步优化模型的方法,该方法提高了模型的精度和适应性。     

基于多尺度模型的单层网壳非线性屈曲分析

为同时模拟细观节点的局部变形和宏观结构的整体稳定性,本文通过对全梁一致单元模型的屈曲分析得出力学响应集中的重点区域,对该区域进行精细化建模,采用壳单元离散,宏观结构采用梁单元离散。建立了基于多点约束法的多尺度模型,并对多尺度模型及全梁单元模型进行了模态分析、考虑初始缺陷的双重非线性屈曲分析。对比结果可知;基于多点约束法的多尺度模型不会改变结构的频率、周期等固有特性,但因刚度分布的改变会导致振型变化;多尺度模型的稳定临界荷载相比一致单元模型有不同程度的降低。研究表明：多尺度模型能较为精准地模拟出细观节点的受力和变形,更贴近于实际工程的同时,在宏观层面的分析上也不失可信度。     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

中长期电力负荷预测的几种灰色预测模型的比较及应用

对传统GM（1,1）模型,基于积分优化法的GM（1,1）模型,具有白指数律重合性的GM（1,1）模型,基于响应不变法的GM（1,1）模型,基于严格微分拟合法的GM（1,1）模型进行了详细分析比较．针对电力系统中长期负荷增长的特点,分析比较了以上5种模型的特点及其适用范围,为电力系统工作人员在年用电量预测中选择合适的灰色预测模型提供参考依据．     

UMTS网络中基于OPNET的HTTP业务建模与仿真

HTrP 业务是构成3G数据业务的重要部分,因此有必要研究3G网络承载HTTP业务时的性能.介绍了HTTP业务的基本概念后,提出一种基于网页对象的建模方法,并在OPNET平台上得到实现.最后,根据仿真得到的流量数据,用方差.时间曲线图和R/s图法分析了模型的自相似特性,验证了模型的正确性.     

一种提高灰色模型拟合精度的简便方法

GM(1,1)模型是一种应用广泛的呈指数增长趋势的灰色系统模型.它的拟合精度与建模数据序列的光滑度有关.建模数据序列光滑度越高,灰色系统模型的精度越高.根据线性函数变换和逆变换的知识,提出了通过对建模数据进行线性函数y=px q变换来提高灰色模型拟合精度的一种简便方法,并且从理论上证明了这种变换可以有效提高建模数据序列的光滑度.算例分析的结果表明,对建模数据序列进行线性函数y=px q变换的方法在提高灰色GM(1,1)模型拟合精度方面是有效的.     

基于响应不变法的GM(1,1)模型的动态特性分析

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差,导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的无偏GM(1,1)模型.对基于响应不变法的GM(1,1)模型的动态特性进行了分析,明确了该模型的特性和适用条件.     

非等间距GM(1,1)模型背景值构造方法及应用

背景值是影响灰色系统理论建模精度的重要因素之一。为提高灰色模型的预测精度,对非等间距GM(1,1)模型中的背景值构造进行了研究,提出了用x(1)(t)在区间[ki,ki 1]上的中点实际值作为背景值。该背景值计算简洁,适应性强,提高了非等间距GM(1,1)模型精度,拓广了非等间距GM(1,1)模型的适用范围。并应用改进的非等间距GM(1,1)对钛合金疲劳强度随温度变化的关系进行建模,取得了满意的效果,数据拟合精度高达98.8%。建模结果表明了该文提出的方法的有效性。     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

GM(1,1)模型背景值构造的不同方法与应用

GM(1,1)模型的误差主要来源于背景值和初始值,因此提出3种不同的背景值构造方法分别为:把背景值的固定权改为变权构造背景值的方法、将数据序列抽象为指数函数构造背景值的方法、将数据序列抽象为非齐次指数函数构造背景值的方法,并以X(n)为初始值和新陈代谢方法来建立GM(1,1)模型.通过工程实例检验这3种不同背景值构造方法建立的GM(1,1)模型的预测精度.计算结果表明,将数据序列抽象为非齐次指数函数构造背景值建立的模型预测精度较高,可为类似工程提供参考.