基于Markov链修正的乐山市物流需求预测

以货运周转量度量物流需求,运用GM(1,1)模型,结合excel 2003及mathematic5.0软件,预测乐山市"十二五"期间物流需求量,并采用Markov链对预测值进行修正。结果表明基于Markov链修正的GM(1,1)模型对物流需求预测是科学、可靠的,可为政府制定物流业近期发展政策提供定量依据。     

两种用于城市用水量预测的灰色-神经网络组合模型

为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测.     

灰色模型在PM2.5预测中的应用

PM2.5对空气质量和能见度等有重要的影响,了解其变化趋势,对制定合理的治理机制具有现实意义.在传统的GM(1,1)模型的基础上,提高数据的光滑度,建立了改进的GM(1,1)模型,并利用MATLAB实现GM(1,1)模型算法.以石家庄市PM2.5浓度作为研究对象,以历史数据预测未来数据,并检验其精度.结果显示,石家庄市PM2.5浓度,在短期内仍将保持较高值,采取措施控制PM2.5浓度不容忽视.     

基于灰色系统理论的医疗人才需求预测

医疗人才系统具有灰色系统的特征,因此可以采用灰色模型对人才进行预测.运用灰色模型GM(1,1)对我国医疗人才需求的发展变化进行动态关联分析,作出了人才需求总量的预测,并对预测结果进行了分析,结果证明GM(1,1)模型是一种行之有效的预测科技人才的模型.     

GM(1,1)灰色模型的程序实现

在对GM（1，1）灰色模型研究基础上，利用Mat．1ab软件给出了GM（1，1）模型的实现程序．     

静压PHC管桩单桩极限承载力的灰色预测

通过分析单桩承载力确定存在的问题与不足,结合灰色GM(1,1)模型的特点,根据实际观测资料运用灰色GM(1,1)模型预测了单桩承载力与沉降的关系。利用模型预测了单桩极限承载力,预测结果与实际观测具有较好的符合性,根据本文结果表明,灰色预测具有较好的工程应用意义值得推广应用。     

改进的灰色模型在基础沉降预测中的应用

一般的灰色残差修正GM(1,1)模型只是单纯利用差分来代替微分,而且用原始沉降数据第一点的值作为时间响应函数的初始值,导致了一定的误差。提出一种多项式逼近法改进后的残差修正GM(1,1)模型,该模型利用多项式在离散观测点上的导数代替常用的差分,同时添加一个初值参数C_0做出调整。实验验证,改进模型具有较好的准确性和工程应用价值。     

基于变周期三角函数—灰色GM(1，1)模型的设备故障间隔时间预测

针对设备故障预测模型难以精确建立的特点,为提高故障间隔时间预测的精确度,提出了变周期三角函数-灰色模型GM(1,1)的预测方法。该方法在三角函数-灰色模型GM(1,1)基础上,建立了变周期三角函数—灰色GM(1,1)的组合模型,实现了对设备故障间隔时间的预测;并将预测结果与三角函数-灰色模型GM(1,1)进行对比,结果表明,采用变周期三角函数-灰色模型GM(1,1)对故障间隔时间进行预测,其预测结果的相对误差由24.16%降到3.24%,提高了预测结果的精度。     

GM(1,1)灰色模型在邮轮旅游预测中的应用

根据2007年-2010年上海市邮轮旅游游客量的统计数据,利用GM(1,1)灰色模型对上海市2015年前的邮轮旅游游客量进行了预测。数据显示,灰色预测模型具有较高的拟合精度,预测结果对当地邮轮经济发展、规划具有一定的参考作用。     

基于改进灰色模型GM(1,1)的故障间隔时间预测

针对设备故障预测模型难以精确建立的特点,为提高故障间隔时间预测的精确度,提出了变周期三角函数-灰色模型GM(1,1)的预测方法。该方法在三角函数-灰色模型GM(1,1)基础上,建立了变周期三角函数—灰色GM(1,1)的组合模型,实现了对设备故障间隔时间的预测;并将预测结果与三角函数-灰色模型GM(1,1)进行对比,结果表明,采用变周期三角函数-灰色模型GM(1,1)对故障间隔时间进行预测,其预测结果的相对误差由24.16%降到3.24%,提高了预测结果的精度。     

灰色神经网络在空调订单预报中的应用

将灰色系统与神经网络融合,建立了GM(1,N)灰色神经网络基本模型,推导了相应的编程算法,以空调订单的预报为例,利用MATLAB对GM(l,N)灰色神经网络模型进行编程.程序运行结果表明,灰色神经网络模型在少样本情况下也可以达到较高精度,且误差可控,可以作为空调订单预报的有效工具.     

黄河三角洲区域经济增长预测模型的选择

灰色GM(1,1)模型是一种有效的区域经济预测模型,然而由于变量的多样性,导致对某些变化规律的预测误差较大,精度不能满足要求.通过选择边界条件找到并考虑"新近信息"和加有激励的GM(1,1)改进模型,从而可以利用"新近信息"进行控制预测,提高模型预测的精度,此改进后模型可用于黄河三角洲区域经济增长预测.     

基于灰色预测模型GM(1,1)的道路交通事故预测

在交通事故统计的基础上,运用灰色理论建立了一阶单变量的交通事故预测模型,即GM(1,1)模型。GM(1,1)模型是最常用的一种灰色模型,尤其适合于交通事故预测“小样本”的随机不确定问题。本文针对交通事故发生的特点,探讨了灰色模型GM(1,1)在道路交通事故预测中的应用,对宁连高速公路北段交通事故量进行了预测,并对交通事故成因进行分析。     

高职学分制实施中的管理办法

运用灰色系统理论，通过优化模型系数与背景取值，建立了成本与变化性关系的灰色动态GM(1，N)模型。该模型克服了现有GM(1，N)模型的不足，扩宽了GM(1，N)模型的应用范围，具有精度高、使用简便等特点。     

基于改进灰色模型的中长期电力负荷预测

在中长期负荷预测中,由于电力负荷具有突变性,常规GM（1,1）模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性。通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM（1,1）模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM（1,1）模型提高了预测的精度。     

GM(1,1)在股票价格预测中的运用

对股票价格的预测直接影响到投资者的投资决策，关系到投资者的切身利益，因此对预测结果的精度要求较高．本文对GM(1，1)模型进行了改进，并将改进后的模型应用于股票价格的预测。对南山实业股票价格预测后发现，改进的GM(1，1)提高了预测的精度，具有更高的应用价值．     

马尔可夫优化下的GM(1,1)模型在建筑安全事故预测研究中的应用

建筑业安全事故方面的数据具有波动性大,规律性弱,公开的数据少等特点。国家住建部发布2010—2019年的建筑业安全事故死亡人数,通过运用单纯的灰色GM(1,1)模型和马尔可夫优化下的灰色GM(1,1)模型分别预测出来的结果对比,基于马尔可夫优化下的灰色GM(1,1)模型克服了传统预测模型仅适用于短期预测的缺点,且提高了预测的精度。同时,用该模型对我国2020—2021年建筑业安全事故死亡人数进行预测,并提出合理化的管理建议,推动我国建筑业的平稳健康发展。     

最小一乘准则GM(1,1)模型

针对相关文献的边值修正GM(1,1)模型中,边值修正项和模型检验均采用最小一乘准则,而模型参数估计采用最小二乘准则的不协调性,将最小一乘准则应用到模型参数估计中,统一了模型参数、边值修正项和模型精度检验的准则,得到了真正意义上的最小一乘准则GM(1,1)模型.计算实例说明,最小一乘准则GM(1,1)模型具有很好的精度和稳健性.     

利用GM(1,1)模型预测股价的变化规律

介绍了灰色理论的GM(1，1)模型，给出了利用GM(1，1)预测股价变化规律的一种方法，并给出了一个实例。     

基于灰色理论-马尔可夫模型对畜禽粪便量增长的预测

结合灰色GM(1,1)模型和马尔可夫模型构建一种合理的灰色马尔可夫预测模型.按相对值的方法进行状态划分,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,并将由此建立的灰色马尔可夫模型运用于1997～2005年衡阳地区畜禽粪便数据来预测2006年畜禽粪便量.结果表明,这种模型的预测精度高达98.455 4%,明显优于单独使用GM(1,1)模型的预测结果.