2010年中国木材供给和需求的灰色模型动态预测与分析

根据中国木材供需问题的具体特点，选用灰色预测模型，建立了中国木材产量、进口量、出口量、节约代用量、供给和需求量的ＧＭ（１，１）系列模型，并作出了直到２０１０年的动态预测。据此，对中国木材供需问题及共对策进行了分析。从预测和分析结果来看，灰色预测模型不仅满足了预测精度，而且能较好地与实际情况相吻合。     

基于多元线性回归模型和灰色关联分析的江苏省粮食产量预测

针对江苏省近年来粮食产量波动的现状,采用灰色关联模型对2000~2009年江苏省粮食产量进行分析.结果发现,播种面积、化肥施用量、年均气温、年均降水以及农药施用量等5个因素是粮食产量波动的主导因素.然后在灰关联分析的基础上建立多元线性回归方程对2010~2012年江苏省粮食产量进行预测与验证,结果表明预测效果良好.最后,针对现状提出了相关建议.     

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．     

改进的灰色预测模型在电力系统负荷预测中的应用

灰色预测模型具有多种优点,适用于电力负荷预测,但其存在很多局限性。根据建模机理,适当改进影响模型精度的几种重要因素,能够有效地提高模型的预测精度。通过石家庄市电网年度销售电量数据加以验证。证明改进的效果明显。     

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。     

基于灰色马尔可夫链模型的中国能源消费预测研究

随着中国经济的不断发展,能源需求不断上升,能否准确预测中国能源消费量对中国经济乃至全球经济发展都有重要的指导意义.现行的预测方法主要有回归分析法、经验模型法、时间序列法、指数平滑法和灰色系统预测法等.灰色系统预测方法在预测波动性较大的非平稳数列上有不足之处,而马尔可夫预测却适用于随机波动性较大的数列的预测.因此本文将灰色系统理论与马尔可夫链相结合,建立了能源消费总量数据的灰色马尔可夫链模型.实证分析表明,这种模型的预测精度高于GM(1,1)预测模型,预测效果较好.     

灰色组合预测模型及其在人口预测中的应用

分别以原始数据的一次累加生成序列中的每个数据作为初始条件,建立了多个GM（1,1）预测模型,进一步建立了线№组合预测模型,组合模型的权系数利用蚁群算法确定．最后给出了我国人口数量的组合预测模型,计算结果表明,灰色组合预测模型的拟合和预测精度要优于单个传统预测模型．     

中国人口预测模型

针对近年来我国的人口总数仍持续增高,老龄化进程加速从而导致的抚养比不断提高,对社会保障体系和公共服务体系的压力加大,并影响到社会代际关系的和谐,根据高教杯全国大学生数模竞赛给出的数据,建立了一个关于中国人口预测的模型．该模型对未来我国总人口的变化趋势和老龄化结构做出了较好的分析,并对中短期内我国的城、镇、乡人口变化情况进行了比较和分析．利用灰色系统理论中的GM（1,1）模型对我国城、镇、乡人人口、总人口以及老龄化比例进行了中短期的预测,后又利用函数拟合方法对中国总人口和老龄化比例进行长期的预测．使用了Mathematica数学软件、EXCEL表格并辅以灰色系统软件进行计算求解验证,很好地实现了编程和一些数据的处理,得到了较高的准确度,并结合预测出的数据分析了中国未来人口的发展情况,提出了一些相应的控制人口数量,改善老龄化问题,乡村城镇化问题的建议．     

高校毕业生就业预测分析

以华北水利水电学院为例,通过对该校近年来就业状况和影响大学生就业的各方面因素的调查,根据统计相关就业数据,建立GM（1,1）模型,对该校未来四年就业形势进行预测,并对在校大学生提出针对性的就业指导,提供就业参考。     

GM(1,1)模型建模的一种方法

根据ＧＭ（１ ,１） 模型的特点,通过在原始数据序列前加一个数的方式,提出了ＧＭ（１ ,１） 模型建模的一种方法－ 该方法克服了直接用原始数据序列建立模型的原有方法不能利用第一点数据的缺陷,提高了原始数据利用率,在短数据序列的场合可得到改善的模型结果     

导航装备维修用备件需求预测

研究导航装备维修用备件需求预测,以便制定保障计划的筹措、分配、储存、调拨、使用等各项工作的顺利进行.通过对季节指数法的详细研究,归纳出该方法的一般步骤,根据某导航装备维修备件的来源及历史消耗特点,在一定假设条件下,运用简单移动平均法修正历史数据,采用季节指数法预测维修备件消耗量,并利用GM(1,1)模型检验预测精度;两种方法计算得出导航装备某备件2008年消耗量分别为209个和214个,预测精度为一级,符合预测要求;通过对这两种预测方法的比较研究,归纳出不同的使用条件,进一步说明该方法在备件预测中的实用性和适用性,有利于备件预测的进一步研究.