基于GM(1,1)模型的边坡变形监测应用研究

对GM(1,1)模型的基本原理和模型检验方法进行了介绍,将边坡看作一个灰色系统,采用GM(1,1)模型对沉降进行预测,相关的参数可由建立灰色预测模型和实际的监测数据予以确立。将预测结果和实际结果进行对比分析,结果表明GM(1,1)模型能够取得较好的预测结果,能够在变形监测工程中得到广泛的应用。     

基于灰色预测法对广东省地区生产总值的预测分析

将广东省地区生产总值作为研究对象,基于灰色预测法对1978—2016年数据进行分析,建立GM(1,1)模型.数值仿真结果表明,该模型的拟合效果较好.利用所建立的模型预测2017—2021年广东省地区生产总值,可为了解广东省未来经济发展水平提供一定的参考.     

道路交通事故预测模型的研究

针对道路交通事故发生的特点,从不同的角度,建立了线性回归预测模型、非线性回归预测模型和灰色预测模型。重点针对道路交通事故灰色和随机不确定性,研究了一阶单变量灰色预测模型,即GM(1,1)模型,并用其分别对某城市道路交通事故的死亡人数、交通事故量进行了预测,其结果是可信的。     

广东省博罗县中长期电力负荷预测的研究

基于中长期电力负荷预测受诸多不确定因素的影响,结合广东省博罗县电力负荷的发展情况,建立了一种基于灰色系统理论的中长期负荷组合预测模型,旨在提高博罗电力负荷预测的准确度。对传统灰色预测模型进行了改进,引入二次指数平滑法对原始数据进行修正,构造一个新的样本序列,并构建灰色等维新息预测模型。然后将改进后的GM(1,1)模型与一元二次回归模型进行线性组合,该预测模型精度高,其结果对博罗电力生产实际具有指导意义。     

科技经费投入预测与灰色GM(1,1)模型

本文运用了灰色GM（1,1）模型及线性回归模型对科技经费投入进行预测,从实际算例可知其精确度是相当高的。方法简便,具有较高实用价值。     

基于残差融合的ARMA-GM(1,1)模型茶叶产量预测

因茶叶产量数据波动大,样本数据统计量相对较少,统计特征并非十分明显的特点,传统的基于统计原理的ARMA模型建模预测效果较差。利用灰色系统建模原理对ARMA模型的残差序列建立GM(1,1)模型,形成残差融合的ARMA-GM(1,1)模型。该模型既能保证数据的统计特征又能将残差的振荡序列充分反映,提高模型的预测精度,拓展ARMA模型的使用范围。结果表明,基于残差融合的ARMA-GM(1,1)模型比ARMA模型、灰色GM(1,1)模型具有更高的预测精度。     

新陈代谢GM(1,1)模型在现代有轨电车沉降预测中的应用

目前灰色模型在建筑物、边坡、高铁等领域的沉降预测中的应用研究较多,而在现代有轨电车中的沉降预测中应用比较少,并且现代有轨电车在运营阶段的沉降变化量较小。用灰色GM(1,1)模型和新陈代谢GM(1,1)模型对有轨电车筏板的沉降监测点的监测数据进行预测并比较。结果表明,新陈代谢GM(1,1)模型剔除了旧数据,增加了新的预测数据,提高了模型预测精度。验证了模型在现代有轨电车筏板进行沉降预测的可行性,为今后类似情况的沉降监测预测提供参考和借鉴。     

G(1,1)灰色模型与灰色线性模型预测法比较及应用——以商洛市房地产发展现状为例

运用实例和统计分析的方法,对统计预测中常用的G(1,1)灰色模型预测法和灰色线性模型预测法进行比较,得到了两种模型在实际预测中的精确度.并通过检验分析,得到了在什么情况下用G(1,1)灰色模型预测,在什么情况下用灰色线性模型预测.     

基于熵值加权组合预测模型的黑龙江省旅游收入预测分析

针对黑龙江省旅游收入预测问题,考虑到单一预测模型往往在预测精度上不高的特点,在引入灰色系统GM(1,1)预测模型及时间序列线性回归模型的基础上,建立了基于3种误差指标信息下的熵值加权组合预测模型,并以黑龙江省2009—2018年的旅游收入数据进行分析.结果表明,所建立的组合预测模型在预测精度上有了较好的改善并优于所选单...     

一种新的灰色预测方法及其应用

在灰色模型GM(1,1)的基础上,提出了一种新的灰色组合预测方法,并将该方法应用于云南省就业状况预测分析中,取得了较好的预测效果。     

离散的GM(1,1,t~2,t)模型及其应用

针对软土地基沉降问题,利用灰色理论提出GM(1,1,t~2,t)模型,通过优化灰导数白化值建立离散的GM(1,1,t~2,t)新模型,并用最小二乘法估计新模型的5个参数.通过软土地基沉降的实例应用,说明离散的GM(1,1,t~2,t)模型的模拟预测效果优于GM(2,1)模型.     

一种改进离散灰色模型及其高校招生人数预测建模

分析了已有GM(1,1)模型和离散GM(1,1)模型的不足,建立了高校招生人数的直接离散GM(1,1)模型,并对相关实例建立模型进行预测.预测结果表明,直接离散GM(1,1)模型模拟预测精度更高,更能反映高校招生人数的增长趋势.     

基于灰色理论的风电场输出功率超短期预测

准确预测风电场的发电功率能够有效减少风电波动性对并网电网的影响。本文提出基于灰色理论的风电功率超短期预测方法,分别采用GM(1,1)模型和GM(1,2)模型实现了风功率的超短期预测。针对某99MW风电场一年风电功率数据,在MATLAB上仿真验证了本文所提方法的有效性。仿真结果表明,GM(1,2)模型的风电功率预测精度明显高于GM(1,1)模型所获得的风电功率预测精度。     

基于拓扑预测与GM组合模型的舰船运动预报

针对舰船运动系统的复杂性及非线性,提出采用灰色拓扑预测模型、GM(1,1)模型建立舰船运动的单项预测模型,并对各单项模型的优缺点进行了比较分析.采用标准差法建立基于拓扑预测与GM(1,1)模型的舰船运动组合预测模型.结果表明,组合预测模型的预测精度高于各单项模型的精度,该组合模型可作为提高舰船运动数据预测精度的有效工具.     

基于灰色系统GM（1,1）模型和Verhulst模型的矿石价格预测对比研究

提出矿石价格预测对于矿山企业的重要性,研究矿石价格走势,预测矿石价格.运用灰色系统GM（1,1）模型和Verhulst模型对近十年银矿石年平均价格进行分析预测,分析对比预测结果,得出GM（1,1）比较适用于矿石价格预测,价格相符度比较高,预测结果能为矿山企业和政府提供相对可靠的价格信息来源.     

灰色模型在武汉市商品房价格预测中的应用

应用灰色系统理论对武汉市2001—2010年各季度的商品房均价的数据进行分析,得到武汉市商品房价格GM(1,1)模型,并利用该模型对商品房价格进行预测.检验结果表明,该模型适用于商品房价格的中长期预测.     

红松人工林树高生长的灰色预测

根据灰色系统理论,通过较少的树干解析数据,建立了红松人工林树高生长的灰色动态预测GM(1,1)模型,可对林分生长进行预测,分析了不同立地类型上树高生长状况,为科学地经营管理现有林分提高科学依据.     

LSTM神经网络模型在GPS变形监测中的应用研究

为提高GPS变形监测在工程应用中的精确度,研究LSTM神经网络在变形监测中的作用。分别利用建立的GM(1,1)模型和LSTM神经网络模型对GPS变形监测工程案例进行应用分析,与GM(1,1)模型相比LSTM神经网络模型预测误差降低幅度可达58%,相对误差降低幅度可达62%,RMSE值降低幅度为66%,结果说明LSTM神经网络模型较GM(1,1)模型有更高的预测精确度,预测结果更接近实际测量结果,深度学习的方法之一LSTM神经网络模型在GPS变形监测中有很高的应用价值。     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。     

基于小波变换的GM(1,1)-ARMA组合预测模型对悬索管桥的应变预测

ARMA模型采用差分处理对桥梁监测数据进行预测时,会出现数据丢失和预测精度降低的现象.为此,利用小波变换对信号进行离散化处理信息不会丢失的优点,将趋势明显的原始序列离散化,得到不同频带上的块信号.采用灰色GM(1,1)模型对趋势明显的低频信号进行趋势预测,用ARMA模型对平稳的高频细节信号进行细节预测,再将两部分预测值叠加得到最终预测值.对黄河悬索管桥在线监测系统获得的过去一段时间的应变数据进行验证,结果表明所提出的GM(1,1)-ARMA组合模型预测效果明显高于传统ARMA模型,这对实现同类桥梁的预警具有积极意义.