灰色关联度分析在变量筛选应用中的误区

探讨了多元回归建模中灰色关联度分析应用于变量筛选时存在的问题及其原因 ;结合实例阐明 ,GM(1 ,n )模型本身无法克服模型的多重相关性 ,用灰色关联度分析来筛选变量所获得的 GM(1 ,n )模型是不可靠的.     

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM（1,N）幂模型及其派生模型GM（1,N,x^（1））幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性. 结果表明：传统的GM（1,N）模型是GM（1,N）幂模型的特殊形式,GM（1,N）幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.     

灰色GM(2)模型

对灰色建模的机理及缺陷进行了讨论及分析． 对于变化幅度较大的序列, 建立了新的预测模型, 为实际应用提供了切实可行的方法．     

灰色系统GM(n,h)模型应用的一种拓广

从理论上分析了拓广灰色系统建模的方法，即分析了改变原始数据列｛ｘｉ｝光滑性的变换函数的构造条件。并给出了一类既改进原始数据列的光滑度，同时又缩小逆变换误差的变换函数，使灰色系统建模在文献［１］［２］的基础上作了很大的拓广。     

GM (1, 1) 模型应用

用灰色系统理论的ＧＭ（１,１）模型,对我国１９９６～２０００年在学研究生数进行了预测。     

灰色系统GM(1,1)模型适用范围拓广

研究了灰色系统ＧＭ（１,１）模型在建模过程中由于原始数列乘以不等于零的常数对模型值及预测值的影响,得出ＧＭ（１,１）模型完全适用于负数据序列建模的结论．     

灰色模型GM(1,1)优化探讨

研究了在建立灰色模型 GM( 1 ,1 )时 ,原始数列中每个数同减一个常数 2 β对模型中参数 a,u的影响 ,并在线性最佳拟合意义下 ,找到了使 GM( 1 ,1 )模型最优时的常数β .     

多因子灰色$MGM^p(1,n)$优化模型

在多因子灰色模型的几种精确级差格式的基础上 .将误差融入级差格式 ,基于理想状态时的相对误差提出了一种新的灰色模型—— $MGM^p(1,n)$优化模型 .该模型对相对误差具有优良的抗噪性 ,实例表明该模型拟合效果和预测效果相当好.     

多变量非等间距GM(1,m)模型及其应用

对于多变量非等间距数据序列,建立了一类GM(1,m)预测模型。基于灰色模型的指数特性和积分定义,提出了构造多变量非等间距序列的GM(1,m)模型背景值的方法。该方法可以提高GM(1,m)模型的拟合精度和预测精度,拓广了灰色模型的应用范围。应用该方法,建立了中国农村青少年生长水平的灰色预测模型,结果理想可靠,有较好的实际意义。     

灰色多变量GM(1,Nγ\,r)模型及其粒子群优化算法

针对少信息多变量且输入与输出具有滞后性的控制系统,提出了灰色多变量延迟GM模型, 给出了其参数估计形式和近似时间响应式,得到了它的两个派生模型. 为了确定非线性次数的值以使预测精度最高,又建立了以均方误差为目标的优化问题, 并采用粒子群算法寻优.最后将新模型应用于武汉地区科技投入与产出的预测之中,实践表明该模型具有较高的精度.     

MGM(1,n)灰色模型及应用

提出多变量灰色模型（ｍｕｌｔｉ－ｖａｒｉａｂｌｅｇｒｅｙｍｏｄｅｌ）—ＭＧＭ（１，ｎ）模型，它是单变量的ＧＭ（１，１）模型在多变量（ｎ元变量）情况下的自然推广。通过对国有建筑施工企业就业人数和城镇集体建筑施工企业就业人数的建模和预测，表明ＭＧＭ（１，ｎ）模型的精度高于分别单独使用的ＧＭ（１，１）模型的精度.     

遗传优化MGM（1，n，q）模型及在城市用水中的应用

城市用水量由于受经济,人口、生活水平等多种因素的影响,具有一定的灰色特征.多变量灰色MGM(1,n)模型作为GM(1,1)模型的扩展和补充,能够反映各变量问相互制约、相互促进的关系.遗传算法具有全局最优性和并行性特点,利用遗传算法对多变量MGM(1,n)模型的参数q进行优化,构建了基于遗传算法的MGM(1,n,q)模型.以1990～2003年大连市城市用水为例,对模型进行了验证,结果表明基于遗传算法的MGM(1,n,q)模型优于MGM(1.n)模型,MGM(1,n)模型要优于GM(1,1)模型.     

关于灰色系统GM(1;1)模型的一些理论问题

ＧＭ（１,１）＝ＩＡＧＯＧＭＡＧＯ：ｘ｜→ｘ（ｔ）是单序列ｘ的灰色系统的动态模型。本文研究映射ＩＡＧＯＧＭＡＧＯ：ｘ｜→ｘ（ｔ）的协调性,以及拟合函数ｘ（ｔ）的单调性、凹凸性和渐近性质。进而修改、完善了ＧＭ（１,１）模型。使得取消了原始序列ｘ为非负的限制,映射ｘ｜→ｘ（ｔ）具有协调性且提高了拟合精度,拓广了运用范围。     

生物种群Logistic扩展模型灰色增量生成参数辨识方法及应用

提出 Logistic扩展模型 LM(n,1 )的一般形式 ,将内禀增长率 r扩展为具有复合振动特征的时变参数项 ,相应参数的生物、生态学意义明确 .基于灰色 GM (n,1 )微分动态建模原理 ,按离散数据序列特点 ,探索出灰色高阶增量动态 GMS(n,1 )建模原理与方法 ,为 LM (n,1 )模型及若干生长曲线模拟提供了有效、规范的参数辨识方法 .GMS(n,1 )模型的信息包容量丰富 ,适用范围广 .实际模拟结果表明精度极高     

A New Modified GM (1,1) Model: Grey Optimization Model

1. INTaODUCTIONRecently,the grey prediction based on the GM (1,1) model has been applied to mad new helds such as safetysystem engineering 11,2], forecasting control [3], and so on. But in GM (1,1), it is difficult to determine theoptimal prediction values. In order to solve this problem, many improved models and methods aze developedsuch as residual modified model [4], grey step model [5], and heuristic method [6]. In tall paper, a new modaledGM (1,1) model called grey optindzation mod…     

中心逼近式灰色GM(1,1)模型

根据灰色 GM( 1 ,1 )模型的建模机理 ,指出现行建立模型方法的不确切之处 ,给出了处理导数信息号即背景的新方法 ,由此导出中心逼近式灰色 GM( 1 ,1 )模型.