基于GM(1,1)模型的中国用水量预测

本文立足于当前中国水资源短缺的情况,利用从从中国水利部查得2005年至2011年全国用水量,建立GM(1,1)预测模型对2030年的中国用水量进行预测,为制定有效的中国水战略提供依据。     

基于GM(1,1)模型的软件缺陷数预测

本文主要研究运用GM(1,1)模型对软件缺陷数进行预测。首先是列举建立软件缺陷数预测模型的灰色理论;其次建立了基于GM(1,1)模型的软件缺陷数预测模型;最后是运用建立的模型对ISS软件缺陷数进行预测,效果很好。     

基于GM(1,1)模型的学科创新力预测

首先以情报学为例,通过关键词综合评价,得出情报学近18年的6组学科创新力值,并分别用GM(1,1)全模型、GM(1,1)部分模型、GM(1,1)新信息模型和GM(1,1)新陈代谢模型对学科创新力的6组值进行模拟,通过分析比较,得出GM(1,1)新陈代谢模型具有较高精度,然后选取该模型对情报学学科创新力进行预测。接着计算图书馆学近12年的4组学科创新力数据,建立图书馆学学科创新力GM(1,1)新陈代谢模型,用该模型对图书馆学创新力进行预测。最后将图书馆学与情报学学科创新力进行比较和分析,得出情报学和图书馆学不同的学科特点和发展趋势。     

灰色预测GM(1,1)模型在股价预测中的应用

通过对原始数据进行筛选,将GM(1,1)模型用于股票预测,进行了实例分析,结果表明,模型准确度高,对市场有一定的参考意义。     

灰色系统GM(1,1)模型在南水北调施工进度预测中的应用

工程进度延期在建设工程以及水利工程中都很常见,在无法避免进度拖延的情况下预测工程是否能够按期完工显得尤为重要,本文介绍应用灰色系统理论GM(1,1)模型,进行预测实际进度与计划进度的偏离程度,并与实际的偏差情况进行比对,得出结论,并运用新陈代谢模型植入新信息做优化预测,得出更加贴近实际的预测结论,使其对工期的影响降至最低,便于今后有效地利用预测结果控制指导建设工程的施工。     

一种基于GM(1,1)算法在矿产预测中应用

矿产资源在我国属于资源比较丰富,但是我国对于矿产资源的预测数据确是少之又少,其矿产的机理又比较复杂.针对这个情况,本文利用灰色GM(1,1)模型时间序列预测理论对矿产资源预测进行建模预测,分析了该预测模型在实地矿产预测中的实际应用,证明了方法的有效性.     

基于灰色GM（1,1）模型的图书馆采购预测研究

以山东女子学院图书馆为例,利用灰色GM（1,1）理论,将2009-2013年该馆8类图书的采购量统计数据作为样本数据,建立了图书馆图书采购模型,经过后验差检验该模型精确度符合要求。然后利用该模型对2013年及未来3年8类图书的采购量进行了预测,结果发现：学校学科结构控制会影响图书采购量;学校重点学科及新上本科专业相关图书应加大采购。     

基于GM(1,1,α)模型的桩基载荷试验的应用

根据灰色理论,建立了单桩荷载-沉降关系的GM(1,1,α)模型,介绍了运用灰色理论在有限的实测数据条件下预测单桩极限承载力以及完整的荷载-沉降关系的方法。分析表明,预测结果的精度能够满足工程需要。     

GM(1,1)扩展方法在经济增长预测中的应用及检验

介绍了一种GM(1,1)模型与线性回归组合预测方法,使用该方法建立了西安市国内生产总值(GDP)预测模型,计算了西安市2001~2003年GDP总值,对比检验了单独使用GM(1,1)模型和线性回归模型与该模型的精度。检验结果表明,该方法较好地克服了单独使用GM(1,1)模型和线性回归模型的缺陷,在实际预测中取得了好的效果。     

新陈代谢GM(1,1)模型在地铁基坑变形预测中的应用

在使用常规GM(1,1)模型进行预测时,对于落后的旧数据的模拟精度较高,而对于未来的新数据的预测精度较低,这给地铁基坑施工监测和预测带来了不便,进而影响施工安全。针对常规GM(1,1)模型的不足,文章利用初始条件优化的新陈代谢GM(1,1)模型,结合长沙地铁某车站深基坑开挖过程中的实测数据,进行常规GM(1,1)模型和新陈代谢GM(1,1)模型的计算比较。结果表明,初始条件优化的新陈代谢GM(1,1)模型精度较高,预测误差较小,有很好的使用价值,对地铁基坑的安全施工起到了一定的作用。     

基于灰色GM(1,1)模型的高校餐饮盈亏趋势预测

本文针对高校食堂餐饮管理盈亏预测的需求,引入了灰色系统理论的概念,详细阐述了GM(1,1)模型的建立过程,并在传统GM(1,1)模型的基础上加入等维信息提高预测模型的精确性,最终将建立的模型应用到高校食堂餐饮的盈亏预测中。     

灰色GM(1,1)模型在医院门诊收入预测中的应用

文中采用灰色系统ＧＭ（１,１）模型,对我院某科门诊收入进行预测,得到较为满意的预测效果。     

基于MLR、GM(1,1)和PCA-BP三种模型的连云港建设用地需求量预测研究

建设用地需求量预测对合理规划建设用地规模以及有效控制建设用地数量具有重要意义。本文应用多元线性回归模型(MLR)、GM(1,1)灰色系统模型和基于主成分分析的BP神经网络模型(PCA-BP)建立3种预测模型对2020年连云港的建设用地需求量进行预测。结果表明:3种模型的预测精度均较高,其中PCA-BP神经网络模型预测的平均绝对误差(MAE)、误差均方根(RMSE)以及平均相对误差(MRE)在3种模型中均最小,预测精确度最高,多元线性回归模型次之,灰色GM(1,1)模型略低;根据精度评价结果最终确定以3种模型预测结果的平均值作为2020年连云港建设用地需求量的预测值,得出预测结果为189506.02 hm~2。     

一种基于改进GM(1,1)模型的短期电力负荷预测算法研究

针对已有GM(1,1)灰色预测模型在数据波动、突变、转折等不确定情况下预测精度较差的问题,本文提出一种基于关联系数分析的分段多方案优选组合短期电力负荷预测模型.基于GM(1,1)模型在平滑上升和下降区段预测效果好、而一天的用电负荷可划分为几个峰谷区段的特点,通过对预测日的灰关联分段和优选组合,避免由于初始条件选择不当而将误差引入模型并随之被逐步放大的风险;同时,通过组合不同角度GM(1,1)模型,解决负荷的多因素影响.经南方电网广西贵港市实际工程验证,本模型预测平均误差在3%左右,预测精度有明显的提高,完全可满足该地区短期电力负荷预测的实际要求.     

基于GM(1,1)和Elman模型的露天矿山边坡位移预测

为对露天矿山边坡的变形趋势作出了科学的分析与预测,将GM(1,1)灰色模型与Elman神经网络模型结合,选取露天矿山实测位移数据进行了分析,并对两种预测模型方法进行比较。通过预测结果数据得出:两种模型均可对边坡位移进行较精确的预测,灰色GM(1,1)模型较为简洁,Elman神经网络模型预测值相对于灰色GM(1,1)模型预测值更加接近实际监测位移数据相对误差较小。两种预测模型均能基于现有数据对之后的发展规律作出预测,从而为露天矿山企业安全措施的制定提供重要参考依据。     

基于灰色预测模型GM(1,1)的人才需求分析

本文以灰色系统理论为依据,构建了广东省科技人才需求量灰色预测模型,为人才决策提供了科学的预测方法。并且,还将灰色预测模型与基于时间序列及主因子GDP回归等模型的应用结果进行了对照分析。     

江苏省高技术产业人才需求预测研究——基于改进的新陈代谢GM(1,1)模型

利用改进的新陈代谢GM(1,1)模型,借助MATLAB对江苏省高技术产业2016—2020年的人才总量进行灰色预测,并与通过模型预测出的广东、浙江省的高技术产业的人才总量进行对比。建模结果表明,改进的新陈代谢GM(1,1)模型的预测精度比常规模型提高了将近50%,也比新陈代谢GM(1,1)模型和背景值优化模型精度高。预测结果表明,"十三五"末江苏省高技术产业人才总量约为2 549 424人,位于广东之后;人才年均增速约为0.5%,位于浙江、广东之后。     

GM（1,1）灰色预测法理论及matlab语言程序

本文通过对GM(1,1)灰色水质预测法研究进展的相关介绍,分析了GM(1,1)灰色水质预测法模型理论研究,并实现了GM (1,1)灰色模型的matlab程序化。     

基于GM(1,1)模型的我国R&D投入强度预测研究

20世纪90年代中期以来,我国R&D投入一直保持持续、稳定的增长,带来了科学技术的飞跃发展。从R&D投入强度,即R&D经费与国内生产总值之比入手,构建了我国R&D投入强度的GM(1,1)模型,提出了提高我国R&D投入强度的几点思考。