基于GM(1,1)灰色系统的房地产市场预测模型研究

应用GM(1,1)建立了房地产销售市场的动态灰色预测模型,预测结果与精度检验表明,该预测模型能够精确地反映房地产销售市场的动态变化趋势,对房地产市场行情预测、房地产公司的效益预测,以及对房地产销售市场宏观管理的决策均有参考价.     

我国房地产开发的灰色预测和分析

正确预测房地产的发展情况可从指导房地产业有序开发。本文利用灰色系统理论建立预测模型，预测未来4年我国房地产的发展和销售情况，为政府管理部门、房地产开发企业、金融部门和其他房地产业相关部门的决策提供科学依据，并对预测结果进行了分析和评价，结果表明房地产开发过热已经成为事实，并且，至少近2—3年这种趋势会更加明显，必须引起房地产相关部门的高度重视。     

基于数据挖掘的房地产价格预测

根据房地产价格的非线性变化特点,提出一种基于数据挖掘技术的房地产价格预测模型.首先收集房地产价格的历史样本,对其进行混沌分析后得到相应的训练样本集和验证样本集,然后采用数据挖掘技术对训练样本建模,并对验证样本进行预测.仿真实验结果表明,数据挖掘技术可以从房地产价格历史数据中发现其变化趋势,获得了较高的房地产价格预测精度,与其他经典房地产价格预测模型相比,数据挖掘可以更好地描述房地产价格的变化特点,预测精度能够满足人们对房地产价格预测的要求.     

汉台区牛奶需求量的灰色预测模型

通过对汉台区牛奶销售市场需求量的分析 ,根据需求量与时间的关系 ,利用灰色系统理论建立了GM (1,1)灰色预测模型。并对未来几年的需求量进行预测     

矿井瓦斯涌出量灰色GM（1，1）预测模型的分析

灰色预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。本文在对灰色ＧＭ（１，１）预测模型进行有关分析的基础上，提出了矿井瓦斯涌出量预测的ＧＤＭ模型，以进一步拓宽灰色预测的应用范围．利用该预测模型对一些矿井进行瓦斯涌出量的预测研究，均得到了较为满意的结果．     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

长沙市房地产需求预测

城市住宅建设是一项民生工程,影响到社会稳定,对未来房地产需求的准确预测,有利于指导房地产市场的健康发展。通过对影响住宅需求的可能因素进行分析,采用逐步回归分析方法,运用SPSS等软件,建立预测模型,对长沙市未来的房地产需求量进行科学预测。     

基于BP神经网络自贡房地产价格走势预测

文章通过分析调查影响自贡房地产市场的主要因素,基于BP神经网络,结合自贡住宅市场的实际情况,建立两类BP神经网络预测模型:基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。     

加权马氏链在房地产投资回收期预测中的应用

投资回收期作为评价房地产项目投资效果的一个重要经济指标,分析预测项目投资回收期是项目决策阶段的一个重要参考指标,研究投资回收期的预测方法具有重要的实践意义.基于房地产投资回收期的特征,通过对房地产项目投资回收期的无偏修正,运用加权马尔科夫预测模型应用于房地产投资回收期的预测.结合绍兴市2003年至2006年的典型房地产项目投资回收期的基础数据,证实加权马尔科夫模型预测房地产项目投资回收期的可行性,并得出房地产项目投资回收期的重现周期.     

我国房地产开发的灰色预测和分析

正确预测房地产的发展情况可从指导房地产业有序开发.本文利用灰色系统理论建立预测模型,预测未来4年我国房地产的发展和销售情况,为政府管理部门、房地产开发企业、金融部门和其他房地产业相关部门的决策提供科学依据,并对预测结果进行了分析和评价,结果表明房地产开发过热已经成为事实,并且,至少近2-3年这种趋势会更加明显,必须引起房地产相关部门的高度重视.     

商品房销售面积的灰色预测

文章介绍了灰色预测方法GM（1，1）模型的构造，同时蛤出了对中长期预测精度较高的等雏灰色递补GM（1，1）模型，并结合北京市过去几年的商品房销售面积，预测未来几年北京市商品房的销售面积，用预测数据来说明2008年北京奥运会将对北京市的商品房销售市场所带来的波动．     

北京房地产市场价格预测

运用立方曲线预测模型定量预测2011年北京房地产市场价格为18092.18元,并通过定性分析对预测结果进行修正,得出2011年北京房地产市场价格趋势为“稳中小升”的预测结论.预计增幅范围在5％～9％左右,房价大约在16153.8元至16769.18元之间.     

基于L1范数的出国留学人数组合预测研究

为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因 子,进而构建 GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。     

基于灰色-马尔可夫模型的上海房价走势实证研究

针对房地产营销过程中,价格变化随机性的特点,将灰色GM(1,1)预测与马尔可夫预测有机结合,构成灰色-马尔可夫预测模型,对未来某一时段的房价的灰色预测结果做马尔可夫评价。结果表明,该模型是切实有效的。因此,此模型可用于指导房地产政策的制定。     

动态灰色预测模型在大坝变形监测及预报中的应用研究

详细地讨论了灰色预测模型GM（1，1）和动态灰色预测模型的基本内容及建模过程，并成功地将等维新息和等维灰数递补两种动态灰色预测模型应用于大坝变形的预测预报。实践证明，等维新息动态预测由于实时地加入了新的信息，提高了灰区间的白色度，预测效果最好；等维灰数递补动态预测利用了序列建模的结果，淡化了灰平面的灰度，使预测结果有所改善；GM（1，1）模型由于是静态地反映系统的变化趋势，预测的精度最低。因此，动态灰色预测模型在大坝变形的预测预报中比静态预测模型具有更高的应用价值。     

基于BP神经网络改进的GM（1,N）模型在经济预测中的应用——以河南省经济为例

论文就修正GM（1,N）预测模型的误差,提出了新方法。使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响。实践表明这些改进模型可以有效地提高GM（1,N）模型的预测精度。     

GM（1，1）模型在田径成绩预测中的运用

GM（1，1）预测模型是根据过去及现在已知的或非确知的信息建立一个从过去引申到将来的GM模型，从而确定系统在未来发展的趋势。它具有需原始数据少，精度高的特点，操作简单易行，打破了传统的建立离散的递推模型预测方法，也克服了传统预测方法的局限性。田径运动是一个明显的灰色系统，所以该方法预测田径成绩（如奥运会田赛成绩）是可行的，具有实际研究意义。     

提高GM（1，1）预测精度的一些措施

本文讨论了影响ＧＭ（１，１）预测精度的常见的一些原因，并相应地介绍了改进ＧＭ（１，１）预测模型，以提高预测精度的几个措施。     

基于L_1范数的加权几何平均组合预测方法

加权几何平均的组合预测是一种非线性的组合预测方法,在传统的组合预测模型的基础上,建立了基于L1范数的加权几何平均的组合预测模型,提出优性组合预测的概念,并给出其计算组合预测权系数的线性规划的解法。实例分析指出该模型给出的组合预测方法为优性组合预测,从而表明该模型的有效性。     

基于灰色马尔柯夫模型的严重飞行事故频数预测

根据严重飞行事故的发生频数具有趋势性和随机波动性特点，采用结合GM(1，1)模型与马尔柯夫预测技术的联合预测方法，进行严重飞行事故频数的趋势性分析和状态预测，结果表明：灰色马尔柯夫预测模型对严重飞行事故频数的预测结果更科学、更精确。并用灰色马尔柯预测模型，预测世界定期客运航班严重飞行事故频数，其相对误差小于灰色模型预测结果。