2012-2050年我国老龄人口预测研究

以我国老龄人口发展为研究对象,建立了GM(1,1)动态预测模型和灰色新陈代谢模型,对未来2012-2050年我国老龄人口进行了预测。预测结果显示:2020年我国老龄人口数达到1.717 4亿,2030年2.492 9亿,2040年3.618 7亿,2050年5.252 7亿、占我国总人口数的32%。     

等维灰数递补模型在人口预测中的应用——以浙江省为例

介绍了GM(1,1)灰色模型的建模过程,应用等维递补方法对其进行修正,得到等维灰数递补模型,采用该模型对2010- 2020年浙江省总人口进行了动态预测.精度检验结果表明,模型预测精度较高、预测结果可靠.     

灰色模型在甘肃省人口预测中的应用

人口是一个国家和地区发展的重要因素,人口规模直接影响着区域的经济社会发展、资源利用和生态环境状况。采用合理的方法,模拟和预测城市总人口,可以在制定国民经济计划、城市土地利用总体规划、城市规划与设计、资源与环境保护和进行社会决策中起到非常重要的作用。以甘肃省2000~2008年近9年的人口数据为基础,采用灰色系统理论建立人口动态增长模型,用此模型预测甘肃省未来人口规模,并对人口增长状况进行分析。     

基于不同数学模型的天水市人口规模预测

人口规模对于未来国家和地区经济的发展具有重要的意义.本文综合运用GM(1,1)灰色模型、Logis-tic模型、Malthus人口模型、对数模型四种数学模型,对天水市2020年—2030年人口规模进行预测,旨在为政府有关部门制定社会经济发展规划提供参考依据.结果表明:未来20年内,天水市总人口将继续处于稳定增长状态,年平均人口增长率8.01‰,到2020年,天水市总人口将达到402.71万,到2030年,总人口将达到437.49万人.     

有关中国人口老龄化的数学模型分析

梳理了我国从1990年到1999年的相关人口数据以及第5次人口普查的数据,借助相关中国人口统计年鉴,建立了我国人口增长的灰色系统GM（1,1）模型和Leslie动态离散控制预测模型,应用MATLAB软件分析我国当前人口状况,并且预测了未来我国人口的增长模型,了解我国未来老年人口的增长趋势.     

基于灰色Verhulst动态模型的人口预测——以天津为例

运用灰色系统理论,基于天津人口发展规律建立了等维灰色Verhulst动态模型.选用天津2008年至2013年的人口统计数据进行了实证分析,经误差检验达到一级精度.运用等维灰色Verhulst动态模型进行中长期预测,削弱了灰色系统中的随机干扰因素,且预测方法简单实用.结果表明,2021年天津人口将近1 900万,为天津人口发展战略提供了科学依据.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

遂宁市域城镇化水平的定量研究

对解放以来遂宁市域总人口在不同时段的增长情况综合分析后，作出了２０００年和２０１０年市域总人口的预测，并以此为基础，利用灰色预测法，回归模型法，相关分析等方法对２０００年和２０１０年非农业人口比重进行了预测。     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

基于灰色GM(1,1)模型的河南省农村劳动力预测

基于河南省统计年鉴2006—2013年的数据,运用灰色预测理论,建立了河南省农村总人口以及农村劳动力的灰色预测模型.结果显示:在未来几年,河南省农村总人口及农村劳动力人口将有所减少,劳动力的比重呈现下降趋势,但是供应规模依然较大.     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

煤岩界面预测灰模型

为提高煤岩界面记忆截割检测的自动化水平，基于灰建模改进方法，采用相同的初始数据序列，建立经典GM（1，1）、新数据CM（1，1）、新陈代谢GM（1，1）三种煤岩界面预测模型，并分析其数据残差和相对误差。结果表明，三种模型的残差和相对误差均随预测步数的增加而增大，新陈代谢GM（1，1）模型的残差和相对误差最小，模型精度较高，适用于煤岩界面预测。     

灰色优化GM(1,1)和人工神经网络组合模型的江西省GDP预测应用

为了提高GDP的预测精度,结合灰色系统和人工神经网络的各自优势,建立灰色人工神经网络组合预测模型。该模型既具有灰色优化GM(1,1)模型适用发展系数范围较大的优点,也融合了人工神经网络在不确定因素预测方面的优点。最后以江西省GDP的预测为实例,对比了单独的灰色优化GM(1,1)模型与组合模型的预测结果,结果显示组合模型的预测精度较高。     

基于灰色系统理论单桩竖向极限承载力的预测

根据不完全的竖向静载试验数据,利用灰色系统理论的GM(1,1)模型预测单桩的竖向极限承载力,并对结果的合理性及误差进行分析.工程实例分析表明,竖向静载试验所施加的荷载达到或超过极限荷载的四分之三时,利用其数据进行单桩竖向极限承载力的预测具有较高的精度.同时新信息GM(1,1)模型、新陈代谢GM(1,1)模型比老信息GM(1,1)模型预测的结果更精确.     

基于灰色GM(1,1)模型的桩基沉降预测研究

简述现有桩基沉降预测方法存在的不足,结合桩基沉降的特点,引入灰色预测GM(1,1)模型,建立基于灰色GM(1,1)模型的单桩及群桩沉降预测研究模型,并给出其建模的原理及建模的过程。最后,通过工程实例,进行实证分析,研究表明该模型具有良好的适应性,能更好地反映桩基沉降变形的规律,提高预测的精度,具有良好的工程应用价值和推广前景。     

基于灰色系统GM(1,1)模型的中药材罗汉果价格预测

在采用定性分析的方法对影响中药材罗汉果价格的主要因素进行分析的基础上,使用灰色系统理论对罗汉果的价格建立拟合精度与预测精度较高的GM(1,1)模型,并应用样本长度为4的GM(1,1)模型对罗汉果的季度平均价格进行实际预测。     

灰多元线性回归分析及其在房地产中的应用

经典多元线性回归分析不能实时跟踪响应变量的动态变化,而且在样本中会因少量病态数据的出现而影响拟合效果,基于以上原因文章提出将灰色系统理论中的GM（1,1）模型与经典多元线性回归分析相结合产生灰多元线性回归分析模型,并将其应用到陕西省的房地产业中,以预测房地产的价格,从而为房地产商提供决策信息。     

船舶航行GPS定位轨迹的新预测模型

为了提高海上船舶航行轨迹的预测精度,根据船舶航行的GPS定位轨迹特征,构建一套适用于航行轨迹预测优化算法模型,研究内容包括轨迹数值预处理、预测计算、结果精度分析3个部分.运用离散小波变换对船舶航行轨迹数值的分辨预处理,在灰色预测GM（1,1）算法的基础上,运用非线性规划方法动态调整GM（1,1）算法均质生成数列中的发展系数,构建基于时间序列的数值预测优化算法,最后通过算法模型的实验比较和应用测试.结果表明,本预测模型计算结果精确度高,优于多个其它预测算法或模型.     

具有白指数律重合性的GM(1,1)的建模方法

利用灰色模型的级差格式的概念,找到了GM（1,1）模型的背景函数,从理论上说明了GM（1,1）模型与GM（1,1）逐步优化直接建模加速方法两者的关系,GM（1,1）逐步优化直接建模加速方法是一个近似精确级差格式,而原GM（1,1）模型在模型曲线接近直线时是一近似精确级差格式。以此为基础,并通过实例说明了GM（1,1）模型的有效性,及累加生成可降低误差的影响,增强规律性。     

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。