基于中心逼近的非等距灰色模型

基于非等间距灰色预测模型的建模机理,通过对一次累加生成序列的开方运算来弱化序列的变化幅度,利用背景值取代传统的中心值,从而得到了基于中心逼近化的非等间距灰色预测模型。最后,给出了一个应用实例,实例计算结果表明该改进灰色预测模型具有较高的拟合和预测精度。     

基于归一化的非等距灰色预测模型

本文提出了一类基于归一化映射的非等距灰色预测GM(1,1)模型,利用定积分得到了背景值的计算公式,弥补了传统的等时距和非等间距GM(1,1)预测模型的不足,提高了灰色预测的精度。实例表明结果理想可靠,有较好的实际意义。     

一种初值修正的非等间距GM(1,1)模型及其等价模型

通过为白化微分方程是{dx(1)(t)/dt+ax(1)(t)=u x(1)(k1)=x(0)(k1)的非等间距GM(1,1)模型选取修正初值x(0)(k1)+β,建立了白化微分方程为{dx(1/dt+ax(1)(t)=u x(1)(k1)=x(0)(k1)=x(0)(k1)+β的一种新的初值修正非等间距GM(1,1)...     

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。     

一种提高灰色预测模型的方法

根据文献（１）提出的科技文献增长和老化灰色模型，适当改变原始数据，可以使模型精度提高。     

基于背景值和初值改进的灰色Verhulst 模型

针对灰色Verhulst模型的理论缺陷,在优化背景值的基础上,将X(1)的第n个分量作为灰色Verhulst模型的初始条件,改进灰色Verhulst模型.应用实例表明,在一定程度上,改进的灰色Verhulst模型消除了灰色Verhulst模型在背景值获取和初值选取时造成的误差,具有较高的模拟精度.     

灰色预测模型的改进

一、引言灰色系统理论是由创始人邓聚龙教授创立的,由于它的建模方法简单,所需样本少,以及预测精度高等许多优点,自该理论创立以来,已被广大科技工作者广泛地应用于社会、经济、生态等领域,取得了很好的效果.由于灰色预测模型已被得到广泛的应用,所以在应用该模型前,应对动态模型的应用条件作一分析,并研究如何提高预测的精度.本文想通过讨论动态GM(1,1)模型的建模原理的基础上,进一步探索GM(1,1)模型存在的问题,并提出改进的方法,以提高模型对实际问题的预测精度.二、灰色预测模型的建模原理GM(1,1)预测模型是最常用的一种灰色动态预测模型,其建模原理是:     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明：改进的灰色Verhulst模型较好地反映了告诉公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

高速公路交通事故的灰色预测模型

在分析中国交通事故历史数据的基础上,引入灰色预测模型,根据数据特性建立了改进的灰色Verhulst模型,同时对改进的灰色Verhulst模型、灰色Verhulst模型和GM(1,1)模型进行比较。结果表明:改进的灰色Verhulst模型较好地反映了高速公路交通事故的发展趋势,提高了模型的预测精度,扩大了模型的适用范围。     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

一种改进不等间距灰色预测模型

传统不等间距灰色模型UGM(1,1)及其改进型都是基于指数模型建立的,仅对指数变化规律序列有较好的预测精度,而对于常见的线性变化序列则预测误差较大。针对该问题,通过模型拓展,在现有文献模型的基础上增加线性因素,并采用新陈代谢的思想,提出一种改进不等间距灰色预测模型AUGM(1,1),并进行实例仿真比较分析。结果表明:改进模型在预测精度和实用性上均有较大改善,且克服了传统灰色预测模型不适用于线性变化序列预测的局限,拓宽了灰色预测模型的适用范围。     

不等时距灰色Verhulst模型及其在沉降预测中的应用

在分析全过程沉降量与时间的关系、Verhulst模型的特点以及沉降观测数据有时出现非连续性特点的基础上，通过在区间上求积分给出模型背景值的一个确切的计算公式，提出了预测今后不同时刻沉降量的不等时距灰色Verhulst模型，工程实例分析表明，灰色Verhulst模型的预测精度较高，具有良好的适应性。     

不等时距灰色预测模型

提出了一种不等时距灰色预测ＧＭ（１,１）模型的方法,弥补了等时距ＧＭ（１,１）模型的不足．通过诸多的实例分析,结果理想可靠,有较好的实际意义．     

基于心态指标的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入决策者心态指标,把区间灰数序列转化为带有心态指标的序列,并且当心态指标确定时,带有心态指标的序列就转化为体现决策者心态的实数序列,然后通过对体现决策者心态的实数序列建立灰色预测模型,从而得到了一种基于心态指标的区间灰数预测模型。由于决策者可以通过调整其心态指标建立灰色预测模型,因而使得模型预测更加符合实际。     

基于核和精确度的三参数区间灰数预测模型

针对传统灰色预测模型只能解决实数序列和区间灰数序列预测的不足,提出了三参数区间灰数的预测模型.通过定义三参数区间灰数的核和精确度,进而得到三参数区间灰数的核序列、"重心"点序列和精确度序列,从而将三参数区间灰数序列预测转变成实数序列预测,分别对三组序列建立预测模型,在不破坏灰数整体性的前提下,推导还原得到三参数区间灰数的预测模型,并对其进行精度检验,最后用一个实例来验证所建模型的有效性和实用性.     

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.     

广义区间灰数关联度模型

针对传统灰色关联度模型只能适用于实数序列而不能应用于区间灰数序列的情况,以区间灰数序列中对应区间灰数的距离之和作为两区间灰数序列的关联度,构造了广义区间灰数关联度模型,包括适用于具有相同量纲的系统行为序列的区间灰数绝对关联度、适用于具有不同量纲的系统行为序列的区间灰数相对关联度,以及综合考虑区间灰数绝对关联度和区间灰数相对关联度的区间灰数综合关联度,并对它们的性质进行了初步研究．最后,通过实例说明了广义区间灰数关联度模型的计算过程与可行性．