基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

灰色无偏GM(1,1)模型在生活能源电力消费量预测中的应用

利用2000-2005年全国生活能源电力消费量统计数据,建立了一个电力消费量预测的灰色无偏GM(1,1)模型.模拟结果表明:灰色无偏GM(1,1)模型比较合理地反应了生活能源中电力的消费趋势,并且预测精度较高、误差较小,为电力消费量预测提供了一个科学而有效的方法.     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

无偏直接PGM（1，1）模型及其优化

无偏直接GM（1,1）模型在原始数据为纯指数序列时能保持无偏性,但在原始数据为近似指数序列时,不是最佳无偏直接GM（1,1）模型．提出了一种无偏直接PGM（1,1）模型,并以模式搜索法求解最佳权值P,同时由于无偏直接GM（1,1）模型默认经过了初始点,因此对初始值进行了修正,结合具体数据将无偏直接GM（1,1）模型与无偏直接PGM（1,1）模型进行了比较,结果表明无偏直接PGM（1,1）模型优于无偏直接GM（1,1）模型．     

基于灰色人工神经网络组合模型的交通量预测

针对公路远景交通量预测工作中常存在交通量原始数据呈随机性、非线性变化的特点,同时学习样本量较小、信息不充分的问题,充分利用贝叶斯正则化神经网络非线性逼近,良好的泛化能力和无偏GM(1,1)模型的少数据建模,弱化原始数据随机性并增强规律性,消除了传统GM(1,1)模型预测所固有的偏差的优点,建立无偏GM(1,1)-贝叶斯正则化神经网络交通量组合预测模型,并应用于实际交通量预测中.与传统BP预测模型比较,算例结果表明所建模型有效可行,提高了预测精度.     

基于MATLAB GUI的灰色预测仿真优化平台设计

利用MATLAB GUI设计了基于GM(1,1)模型及改进模型的灰色预测仿真优化平台,该平台集输入、输出、仿真计算以及后处理功能为一体,并通过编译生成可脱离MATLAB的.exe可执行程序,简化了灰色建模过程,提高了仿真效率。最后在该平台上进行了仿真实例,验证了该平台的实用性。     

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。     

无偏灰色RBF神经网络组合模型在药品销售预测中的应用

针对药品销售的非线性和随机性;单一预测模型不能全面反映药品销售变化规律等缺陷;提出了一种无偏灰色GM(1,1)RBF神经网络组合预测模型.组合模型兼顾无偏灰色GM(1,1)模型和RBF神经网络模型的优点;并运用该模型对某种降压药销售进行仿真实验;结果表明;相对于单一预测模型;组合预测模型更加科学、可靠;更能准确描述药品销售的变化规律;提高了药品销售的预测精度;在药品销售预测中具有一定的实用价值.     

基于灰色理论的上证指数预测研究

本文利用基于模型的灰色波形预测模型,选取2007年8月1日到9月28日的上证指数进行研究,结果表明在相同等高线范围内的预测值与真实值波动趋势基本一致,说明灰色波形预测模型在数量少、波动大的数据未来趋势预测上的优越性。但模型也存在一定的局限性。     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。     

无偏预测理论在经验贝叶斯分析中的应用

从预测理论角度考虑了参数的经验贝叶斯估计问题。对正态总体下的估计问题进行了详细的讨论。证明了所给出的经验贝叶斯估计量是最优或条件最优无偏预测量。     

基于博弈论的最优投标报价模型

为了使投标者能够中标并获得较高的收益,就要讲究方法和策略。在文献[1]和文献[2]的基础上,把投标者成本分布确定为最接近现实情况的参数μ和σ的正态分布,研究并建立了信息对称下的投标博弈模型,得出了不同投标者的最优报价水平。     

网络团购最优定价模型及策略研究

随着网络团购的发展和市场竞争的加剧,合理定价成为团购商家不得不面临的重要问题。基于团购固定价格机制(fixed-pricing mechanism,FPM)相关研究成果,结合国内团购市场现状,通过分析描述商家营销状况的加速因子和描述商家对市场需求认知程度的商品即时供给量的变化对单个商家自身最优价格取值的影响,提出了改进的团购商品最优定价模型。详细讨论了在不同商品储备量值的情况下,加速因子的取值变化所引起的折扣因子变化的动态机制,并基于这些动态机制提出了相应的定价策略。分析了在完全竞争的团购市场中,相互竞争的团购商家如何通过加速因子和商品供给量值来调整各自的定价策略以达到自身的营销目标,实现团购网站的良性运营。     

一类变价格的物资库存优化模型

以EOQ公式为基础，假设物资价格为时间t的函数，直接考虑总费用为订购次数m的整序变量，提出一类变价格的物资库存优化模型A，利用数值积分的复化梯形公式及其余项对模型A作了近似处理，推出了模型B，并对模型B求解，得模型B的唯一解，这也是模型A的解，即为最佳订购次数，这对物资库存优化模型做了进一步的完善。     

一类最优无偏估计方程

基于估计函数的最优性准则理论,给出一类最优无偏估计方程及其性质.得到的结果为寻找最优估计方程提供一个很好的理论方法.该方法可以提高估计的效率,在实际理论应用中具有重要意义.     

神经网络在成品油价格预测中的应用

列用BP神经网络和线性神经网络,进行了成品油价格的预测. 应用某炼油厂的两种原料油胜利原油和进口原油的价格、90#汽油的产量、销量、0#柴油的产量、销量共6个变量为输入矢量,预测了该炼油厂90#汽油和0#柴油这两种成品油的价格.     

一般生长曲线模型中条件最优预测的稳健性

研究了一般生长曲线模型中条件最优线性无偏预测的稳健性,得到了条件线性可预测变量的这种预测关于协方差矩阵具有稳健性的充要条件.     

自适应最优核时频分布在地震储层预测中的应用

提高时频分辨率是频谱成像技术研究的重点。自适应最优核时频分布采用随信号特征自适应变化的核函数,在模糊域对远离原点的互分量进行抑制,并尽可能的保留集中在原点附近的自分量。通过理论模型验证,该方法较好地抑制了交叉项干扰,同时较连续小波变换和平滑伪Wigner-Ville分布等方法具有更高时频分辨率。最后在营尔凹陷长沙岭地区的实例应用中,利用自适应最优核时频分布对该区目标储层进行了频谱成像处理,并结合沉积相特征对长沙岭地区进行有利区带预测。结果表明:该方法适用于实际地震信号的时频分析,对储层刻画优于传统方法,且对研究区储层预测具有有效性。     

混沌时间序列在股票价格长期预测中的应用

针对混沌时间序列对初值敏感,在迭代预测时累积误差将迅速放大的缺陷,提出一种改进的支持向量机的方法,避免这一弊端进行长期预测.在重构相空间的基础上,确定支持向量机的结构.为减小累积误差,对现有的支持向量机的核函数进行改进,使该核函数满足减小误差的条件.最后把沪市宝钢股份收盘价格的数据应用到改进的模型中,得到较好的仿真结果.