用灰色理论模型预测供电量

应用灰色理论，建立GM（1，1）分段优化模型，对新会市1986－2000年供电量进行模型拟合计算，两者能较好的吻合。运用此建立分段优化GM（1，1）模型的方法对新会市2001－2010年的供电量进行了预测。     

基于灰色系统理论的供电量预测方法与分析

基于应用灰色系统理论的基本方法与建模思想,在论述方法分析、模型改进和误差校验的基础上,通过采取分段建模方法和模拟阶段发展趋势的思路,以南通供电公司1993年~2003年供电量的实际历史数据为样本,建立了供电量的短期预测GM(1,1)模型并进行了预测分析,同时利用相对误差检验指标检验所建模型的准确性。分析预测的结果表明,运用该模型对企业供电量进行短期定量预测在方法上可行,且具有较高的精度和可信度,从而为供电公司加强电力需求预测和供电负荷管理等工作,提供了有益的方法支撑和必要的决策手段。     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

基于改进灰色GM(1,1)模型的锚杆承载力的预测方法

原有的基于灰色GM(1,1)模型的锚杆承载力预测方法,是根据实际锚杆P—S曲线,使用灰色GM(1,1)模型直接对承载力进行模拟,因为实际锚杆P—S曲线不全是光滑的指数形状,所以模拟效果较差.针对这个缺点,对灰色理论方法进行了改进,引入了分段模拟的思想,建立了分段模拟的GM(1,1)模型.实际工程案例验证表明,改进的灰色GM(1,1)模型不仅具有较高的模拟精确度、稳定度和预测锚杆极限承载力值准确度,而且使用范围更广.     

优化灰色GM(1,N)-加权Markov模型在道路交通噪声预测中的精度研究

通过对北京市2007年至2016年城市道路交通噪声及相关影响因素数据分析,以GM(1,N)模型为基础,建立了优化灰色-加权Markov模型,为有效控制交通噪声污染提供理论依据和决策意见。首先,利用平滑公式对原始数据进行预处理,用数值积分中的Simpson公式改变背景值来提高传统多因素GM(1,N)模型精度。其次,用加权Markov模型对得到的模拟值中的异常值进行了修正,将其应用到城市交通噪声的预测上,实证计算表明优化灰色GM(1,N)模型的模拟值与实际值拟合效果很好,比传统的GM(1,N)模型精度有较大提高。最后,用该模型对北京市2017年和2018年城市交通噪声进行预测,基本符合噪声数据实际变化趋势。     

基于季节性灰色Fourier模型的短时交通流预测

针对短时交通流数据的周期性、非线性和随机性的特点,提出一种基于复化Simpson公式的季节性灰色Fourier模型.在季节性GM(1, 1)模型的基础上,首先利用复化Simpson公式对背景值进行优化,然后用Fourier级数方法修正预测结果.将新模型应用于加拿大Whitemud Drive高速公路的交通流预测,数值计算结果表明:新模型的预测平均绝对值百分比误差为1.54%、拟合度为0.996 0,均优于传统的GM(1, 1)模型、季节性GM(1,1)模型和Fourier优化的季节性GM(1, 1)模型.     

系统灰预测在货运周转量中的应用

在对重庆水运发展现状研究的基础上,建立了适合重庆水运货运周转量的系统灰预测模型,即GM(1,N)与GM(1,1)的嵌套模型,通过对实际数据的预测与比较,发现嵌套模型的预测精度明显优于普通的GM(1,1)模型。最后利用该嵌套模型对2010～2012年重庆水运的货运周转量进行了预测。     

BP神经网络与离散GM(1,1)模型在拓宽路堤沉降预测中的应用

目前,对于拓宽路堤沉降趋势和稳定性的研究很少﹒为了探究拓宽路堤的沉降变化趋势和沉降规律预测,以益阳市梅林路K0+460～K0+600为基础,运用BP神经网络与离散GM(1, 1)模型对拓宽路堤进行沉降预测,并结合已有监测数据,对比分析2种方法的优劣﹒结果表明:离散GM(1, 1)模型能对已有数据进行拟合,输出预测值与实际监测结果相近;BP神经网络模型预测值相对离散GM(1, 1)模型更加接近实际监测结果,但需要对阈值与权重进行多次调试﹒2种方法沉降预测值均与实际监测值相近,均能有效预测拓宽路堤沉降﹒     

灰色系统理论在农业科技人才预测中的应用

依据中国农业年鉴的历史数据 ,构建了灰色模型GM(1,2 )预测 2 0 0 2～ 2 0 0 5年我国农业科技人才需求的总量 ,对农业科技人才需求总量的发展变化进行动态关联分析 ,并对预测结果进行了残差检验、后验差检验 ,证明GM(1,2 )模型是一种行之有效的预测农业科技人才的模型。提出了实现预测目标的政策建议 ,对正确制定农业人力资源开发和管理战略、农业院校教育发展和改革方案具有一定的参考价值     

城市道路交通噪声污染的灰色预测和灰色关联分析

根据郑州市 1994～ 1998年城市道路交通噪声的监测数据以及相关影响因素的数据 ,运用灰色系统理论建立GM (1,N)预测模型 ,对郑州市 2 0 10年前城市道路交通噪声进行预测 ,并进行灰色关联分析。根据分析结果 ,提出了 1999年到 2 0 10年期间的治理对策。     

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．     

基于自适应粒子群算法的GM(1,1)模型及其应用

将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。     

基于GM(1,1)模型的平顶山市劳动力人口供给预测

现阶段中国人口存在总量增长、老龄化加速与劳动力下降以及地域不平衡性的特点.以平顶山市劳动力人口变化趋势为研究对象,运用短维灰色GM(1,1)模型进行平顶山市劳动年龄人口预测,运用线性回归进行平顶山市劳动参与率分析,并建立平顶山市劳动力人口预测模型,最终预测2010—2019年平顶山市劳动力人口供给情况.结果表明:以15~64岁为统计口径的平顶山市劳动力人口在2010—2019年间将保持平稳缓慢增长状态,年均增长速度约为0.4%,尚未出现劳动力短缺拐点.     

应用灰色系统原理进行长期电力需求预测

本文从理论上分析了灰色系统预测ＧＭ（１，１）模型的适用条件。针对电力系统中电力需求增长的特点，提出了分段最优ＧＭ（１，１）模型，利用电力需求的增长与国民经济增长的相关关系，把分段最优ＧＮ（１，１）模型应用于长期电力需求预测，并用实例证明了此方法的可行性。     

一种改进的动态灰色GM(1,1)模型在深基坑形变监测中的预测分析

针对传统GM(1,1)模型在处理浮动较大数据时精度不高的问题,提出了一种基于背景值优化和残差改进的动态GM(1,1)模型。利用复化Simpson3/8求积公式取代传统的算数均值计算模式,再通过原始序列的新陈代谢来实现模型的动态更新,在此基础上联立残差GM(1,1)模型,得到改进后的GM(1,1)模型。结合某地铁深基坑沉降观测数据,并对比于传统GM(1,1)模型的预测结果,发现提出的改进后GM(1,1)模型具有更高的精度和更好的适用性。     

灰色系统非线性回归电力负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差。针对这一缺陷,提出了一种改进的基于灰色系统的非线性回归预测模型。将非线性回归与GM(1,1)模型二者的优点相结合,利用GM(1,1)模型计算参数初始值,进而对其进行非线性回归分析预测电力负荷值。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

AC算法与灰色模型在信息产业预测中的对比分析

利用基于数据挖掘的相似体生成算法(AC算法)对吉林市的信息产业进行了预测,并与利用灰色模型GM(1,1)的预测结果进行了分析对比,结果表明:运用AC算法进行信息产业预测是可行的.     

基于模糊回归理论的GM(1,1)模型优化

文章将传统的GM(1,1)模型与模糊回归模型相结合,得到了基于模糊回归理论的GM(1,1)优化模型,保留了传统GM(1,1)模型的所需建模数据少和具有预测功能的优点;利用定义的三角模糊数的左、中、右距离公式,得到了基于模糊回归理论的GM(1,1)优化模型的求解方法.     

平顶山市“十二五”规划期间人口发展预测

根据最新人口统计资料,分别建立长、中、短不同维度的GM（11,）模型、增量GM（11,）模型和灰色Verhulst模型,对2005-2009年平顶山市人口总量进行检验性预测,通过对比分析,发现短维度GM（1,1）模型的预测效果要好于其他模型.最后,在充分采纳新信息的基础上建立5维GM（1,1）模型,对十二五期间平顶山市...     

一种优化GM(1,1)模型及其应用

在优化背景值的基础上,针对传统灰色GM(1,1)模型参数估计的最小二乘算法稳健性较差的情况,提出基于全最小一乘准则的灰色GM(1,1)模型参数估计算法,同时将初始条件进行优化,从而得到了一个背景值、初始条件和模型参数同时优化的灰色GM(1,1)模型.最后,应用实例说明了优化灰色GM(1,1)模型的可行性与有效性.