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．     

基于灰色理论模型的中国农业发展的预测

针对中国农业发展的方向,综合运用层次分析法和灰色预测法,分别构建层次分析、灰色预测、灰色关联度等模型,运用Matlab7编程,对影响未来农业发展的四个主要因素影响大小进行排序,预测未来三年全国主要粮食作物的产量,最终从农业的机械化、特色化和信息化三个方面对未来农业发展给出预测。     

我国天然气消耗量的影响因素分析及预测

基于我国1994～2021年天然气消耗量相关数据,选取可能影响天然气消耗量的23个指标,采用灰色关联分析法分析各指标与天然气消耗量的关联程度,用GM(1,1)和GM(1,N)两种灰色模型进行预测。结果显示,国民生产总值GDP和可使用天然气人口数量与天然气消耗量的关联程度最大,基于4个核心因素建立的的GM(1,4)模型较GM(1,1)能够更好地拟合历史消耗量数据,具有良好预测性能。由此可为中国能源产量结构调整,以及经济产业建设战略布局提供决策参考。     

基于灰色模型的中国能源需求预测

首先阐述了国内外在能源需求预测方面的研究现状,以此为基础,采用灰色模型预测法分别对中国的煤炭、石油和天然气需求量进行预测,综合确定了三大能源2011 -2020年的需求量据此提出了中国未来能源开发及利用的建议:以技术为支撑,节能优先,提高能源利用效率;调整煤炭内部结构,建立国家石油战略储备体系,加大开发利用天然气;大力开发新能源     

中国城镇居民人均可支配收入结构的灰色关联分析与预测

通过灰色关联度的方法计算结果显示:中国城镇居民可支配收入结构不合理和发展不平衡现象较为严重,工薪收入和转移性收入是影响城镇居民收入的主要因素,并且其重要程度有进一步增强的趋势,其他来源的收入对居民收入增长有明显的抑制作用.最后,通过建立GM(1,1)模型和GM(1,1)残差模型对中国城镇居民未来五年的人均可支配收入及其构成进行了预测,并对预测结果进行了灰色关联分析.     

基于组合预测方法的安徽经济发展预测

利用最优加权组合法,对时间序列模型、灰色预测模型和神经网络模型进行组合,通过计算确定其权重,得出未来五年安徽省的GDP,同时根据平均绝对百分误差、均方根误差以及泰尔系数,将组合预测模型与单一的预测模型进行比较,得出组合预测模型的精度比单一预测模型预测精度高,并根据组合预测结果可以看出在未来五年安徽省的经济会持续稳定的发展。     

基于回归模型的中国铁路能源消耗分析

针对国家铁路能源消耗问题,依据1990-2011年统计数据,选择影响铁路运输换算周转量和铁路运输单耗的指标,分别进行回归分析,建立铁路运输换算周转量和铁路运输单耗模型,利用2012-2014年中国铁路运输能耗数据对模型进行验证.提出国家铁路运输能源消耗量计算模型,并与实际能源消耗值进行比较,深入分析不同因素对中国铁路能源消耗量变化的影响.研究表明,国家铁路能耗计算模型能够反映中国铁路能源消耗的变化规律和趋势,GDP与牵引机车数量对铁路运输能耗变化有不同的影响,电力机车数量是影响国家铁路运输能耗变化的主要因素.     

GM(1,1)模型在预测云南省艾滋病病毒(HIV)感染者上的应用研究

GM(1,1)模型是灰色系统理论中应用最广泛的一种灰色动态预测模型,该模型由一个单变量的一阶微分方程构成.它主要用于复杂系统某一主导因素特征值的拟合和预测,以揭示主导因素变化规律和未来发展变化态势.利用它我们可以对云南省艾滋病病毒感染者的传播趋势进行拟合和预测研究,从而为政府构建防控艾滋病体系给予技术上的支持.     

我国商品住宅价格灰色预测

商品住宅价格受多种因素影响，既有宏观因素。又有微观因素；既有确定性因素又有不确定性因素。文中运用灰色理论原理，把我国商品住宅价格看作一个灰色系统，以全国商品住宅价格为原生时间数据系列，建立灰色GM（1，1）预测模型，对我国商品住宅价格未来走势进行预测。对所建模型进行残差检验，关联度检验，均方差检验及小误差概率检验。精度均为一级，因此。可以运用所建模型对我国商品住宅价格进行预测。从模型预测的结果看，我国商品住宅价格在未来呈上升趋势。     

基于小波分析和灰色模型的甩电量预测

电力系统用电量预测是指从电力负荷自身的变化情况以及经济、气象等因素的影响规律出发，通过对历史数据的分析，探索事物之间的内在联系和发展变化规律，以未来韵经济、气象等因素的发展趋势为依据，对电力需求作出预先的估计和推测。从中小波分析和灰色模型角度分析了用电量预测。介绍了中小波分析和灰色模型的概念和原理，通过实例对灰色预测模型韵预测效果进行分析。     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

灰色预测模型背景值的改进与应用

GM(1,1)灰色预测模型能够对含有不确定因素的系统进行预测,其已成为决策和系统分析的重要方法之一,但在预测中也会产生一定的误差,而背景值是导致GM(1,1)灰色预测模型产生误差的主要原因之一,为了降低灰色模型的预测误差,基于柯特斯公式和拉格朗日公式组合插值的方法建立一种新的灰色模型的背景值,将该模型应用于我国老年人口数的预测。数值实验表明,新模型极大地降低了预测误差,并增强了原模型的适用性。     

分段线性内插与灰色系统组合模型在建筑物沉降监测中的应用

灰色模型在处理等间隔数据方面,可以通过数值累加处理变换,由"灰"变"白"寻找数据的发展规律;但在沉降监测实际工作中,受限于天气、环境等因素,建筑物沉降监测数据往往具有非等时间隔特点,不能直接应用灰色模型进行数据处理。本文拟通过分段线性内插与灰色系统模型组合的方法,先对前期数据进行线性内插,产生等时间样本序列,然后再利用灰色模型进行数据建模分析,从而得到了非等时距灰色线性组合模型,同时通过实例验证了该组合模型的有效性。     

我国石油进口需求分析与预测

本文运用时间序列法、回归分析法和组合预测法预测了未来十五年我国石油的需求量。通过分析影响石油供应的因素,预测了未来十五年我国石油的国内供应量。在些基础上,预测出未来我国石油进口的需求量并指出石油进口将会面临的问题。     

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。     

基于改进灰色-马尔可夫链的轨道不平顺发展预测方法

轨道不平顺的发展受轨道、荷载、自然等因素的影响,它们的综合作用使轨道不平顺的发展过程呈现出趋势性和随机性特征.将灰色GM(1,1)预测理论与马尔可夫链预测理论相结合,提出一种适应轨道系统的改进灰色-马尔可夫链组合预测模型.新模型较好地处理了轨道系统内部各种不确定因素的影响,并能够充分挖掘历史数据给予的信息.应用新模型对轨道质量指数TQI进行实例计算,表明其具有很好的预测精度.     

基于灰色系统GM(1,1)模型的安徽入境游客预测

游客是旅游业赖以生存和发展的重要因素,基于灰色系统理论,构建了游客灰色预测GM(1,1)模型,利用该模型对安徽省入境游客进行预测,结果表明安徽未来几年游客市场数量将大幅增加,这对提升安徽入境旅游的发展具有较高的参考价值.     

第二语言发展因素及预测研究

本文以2018年美国大学生数学建模竞赛赛题为背景,对全球各个国家第二语言使用人数的发展因素进行研究,利用层次分析法对经济、文化和政策三个因素进行了定量分析,找到影响第二语言发展的主要因素。基于灰色预测模型,对第二语言未来50年的使用人数进行预测。研究表明,英语和西班牙语将成为各个国家主要的第二语言,俄语和葡萄牙语的使用人数将渐渐减少。     

基于数学模型的我国动漫行业总年产值影响因素的实证分析

从文化、市场、技术、经济4个方面构建了影响动漫行业总年产值的指标体系,利用灰色关联度和神经网络模型分析了各个指标因素与动漫行业总年产值的关系。对两个模型的结果进行比较后得出,灰色关联度分析更能说明各个指标的重要性,其中我国自主研发网络收入对动漫行业总年产值影响最大。最后从4个方面给出我国动漫行业未来的发展重点以及相关建议。     

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。