基于时间加权的改进灰色预测模型及其应用

本文就GM（1,1）传统模型及其辨识值求解模型做了一定探讨。GM（1,1）传统模型的本质是曲线拟合,然而此曲线对于各历史点的拟合是最优的,但对于预测未来值不一定最优;传统灰色预测辨识值求解模型采用等权最小二乘法,认为各已知历史点的一次累加值与实测值累加值的误差对辨识值模型的权值均为1,未考虑时间因素,在理论上存在一定缺陷。本文提出一种时间加权辨识值求解模型,用加权最小二乘求解辨识值,进而求出系统预测方程,并用MATLAB语言编写了改进的灰色预测模型程序。将本文提出的模型应用到超高层建筑物的变形预测中,将改进预测模型预测结果与传统方法得到的预测结果进行比较,证明本文提出的改进模型具有较好的实用性和参考价值。     

灰色组合预测模型应用研究

道路交通事故预测是道路交通安全研究的一项重要内容,它的目的是为了掌握交通事故的未来发展状况,对交通安全措施的可行性和实施效果进行合理评价,有效地控制各影响因素,达到减少交通事故的目的．可构建适应道路交通系统多属性特点的道路交通事故预测模型：灰色预测及其改进模型、神经网络预测模型、灰色神经网络组合预测模型．实证结果表明,灰色组合预测模型能够充分发挥各单一模型的优点,同时弱化了单一模型的缺点,比单一模型的预测结果更理想,精度更高．     

灰色预测模型

对灰色GM(1,1)和GM(2)建模的机理及缺陷进行了分析,得到了GM(1,1)和GM(2)模型的适用预测对象,从而为改进模型的预测精确度提供了有效的方法.     

一种基于灰色模型和机理模型集成的质量预测模型及其应用

针对长流程工业过程中产品质量难以实时检测且不易实现优化控制的难题,通过对生产数据特性和质量预测要求的分析,提出了一种基于GM(1,1)灰色模型和机理模型集成的质量预测模型.首先根据过程机理知识建立了粗糙质量预测模型;然后运用灰色预测中的残差辨识理论,用机理预测模型的残差时间序列建立残差GM(1,1)模型,其预测结果补偿机理模型的预测值.验证结果表明,该质量预测模型能获得较理想的质量预测精度,其应用可使产品质量得到显著的提高.     

数字图像迭代均值滤波降噪算法

改进了图像处理的传统均值滤波算法,提出了迭代均值滤波算法。该方法从图像第1个像素开始,依次用邻域均值法处理每个像素。每处理1个像素立即更新该点灰度值,并用新灰度值参与后续像素的处理运算。图像实验结果表明,该算法能增强去噪效果,明显改善图像重构质量。     

系统云灰色预测模型及其应用

将灰色系统云理论引入到滑模变结构控制中,设计了一种新型的灰色模糊滑模控制器。该控制器将灰色预测与模糊推理的相结合对滑模控制器的控制策略进行预测输出。能有效地解决滑模控制系统中由于系统惯性引起的切换滞后所带来的抖动问题。将此控制器应用到交调速系统中,仿真研究表明交流调速系统能获得优良的动态和静态性能。     

灰色模糊马尔柯夫预测模型及其应用

本文建立了灰色模糊马尔柯夫预测模型，并以此预测了１９９５年邮发期刊价格及以后数年（到２０００年）的发展态势。     

电网负荷预测的无偏灰色预测模型

在传统灰色预测模型的基础上作者已提出了一种改进模型,该模型消除了传统灰色预测模型存在固有偏差,因而被称为无偏灰色预测模型,在此将无偏灰色预测模型应用于负荷预测中,并与负荷预测常用的几种方法进行了对比,结果显示了无偏灰色预测模型的优越性。     

交通事故灰色预测模型的研究

在交通事故统计的基础上,运用灰色理论,建立了一阶单变量的交通事故预测模型,即GM(1,1),可用于交通事故各项统计指标的预测.它较传统的预测方法更科学、更合理.     

基于VES生产函数的经济预测模型与应用

生产函数一直是经济学研究与应用中一个活跃的领域,文中就变替代弹性生产函数VES的两种情形给出经济预测模型。由于模型是非线性的,参数估计一般采用线性化的方法近似估计,在预测上多数情况存在较大的误差,所以文中利用非线性回归方法,非常好地给出最佳估计值,以使预测误差最小。     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

诱导有序加权平均的组合预测模型及其应用

有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.     

一种组合预测模型及其应用

在分析宏观经济灰色预测模型、BP神经网络预测模型、回归分析预测模型等基础上,结合西安市宏观经济预测模型指标GDP的历史数据,采用最小二乘法求权系数的方法,建立并检验了一种组合预测模型.实验证明该模型的预测精度有显著提高.     

一类组合预测模型及其应用

基于GM( 1 ,1 )模型、GM ( 2 ,1 )模型和ARMA模型 ,建立了一类组合预测模型 ,通过实例分析取得了好的效果。     

一类新的预测模型及其应用

对时间序列的一类预测模型进行了研究,把灰色模型与BP神经网络模型组合建模,通过实例分析取得好的效果。     

基于ARIMA的GDP预测模型的构建及应用

为了准确预测山东省“十二五”期间GDP增长趋势,本文通过分析山东省1978～2012年GDP数据,构建了基于ARIMA模型的GDP预测模型.结果表明,ARIMA(2,2,2)模型能够较好地拟合山东省1978～2012年间GDP变化,在此基础上对山东省2013～2015年GDP进行了预测,结果依次为59 613.02,69 204.16,80 328.56亿兀.     

基于压缩感知的灰色理论模型及其在航空货运量预测中的应用

重点研究经济突发事件对中国航空货运量的影响,采用压缩感知理论提取经济突发事件对航空货运量的影响,并利用灰色理论拟合航空货运量的总体变化趋势。以2002~2009年中国每月航空货运量的统计数据为基础,通过Matlab的CVX工具箱得到航空货运量基于压缩感知理论的灰色模型。通过对原始数据拟合的结果分析可知,基于压缩感知理论的灰色模型既可以体现中国航空货运量的逐年递增趋势,也可以得到每年的逐月变化趋势,还可以得到经济突发事件对中国航空货运量的影响。给出基于压缩感知的灰色模型的2010年每个月预测值,最大预测误差不超过5.92%,为航空运力市场调控和发展提供理论支持。     

含周期变动项的预测模型的建立与应用

经济指标的变动具有明显的周期性,普通的回归预期测模型仅能反映趋势变动,误差通常很大.本文利用周期图方法,搜索出变量的隐含周期,并在此基础上,构造含周期变动项的预测模型.实例表明,该模型具有很高的拟合度和预测精度.     

我国煤炭需求组合预测模型及应用

煤炭需求是一个复杂的非线形系统,其发展变化具有增长性和波动性,科学地预测煤炭需求量对于正确制定煤炭工业发展规划和优化配置煤炭资源具有重要意义。本文在对我国煤炭消费历史数据分析的基础上,构建了一元回归模型、灰色预测的GM(1,1)模型和三次指数平滑模型3个单一预测模型;据此,基于二次规划法和Shapley值权重分配法分别构建了组合预测模型。实证研究结果表明,组合模型预测效果均优于单一模型,可以作为煤炭需求预测的有效工具;基于这一组合模型对我国2013—2020年煤炭需求量进行了预测,为制定未来煤炭需求发展规划提供了依据。