GM（1，1）与BP神经网络组合预测模型在田径成绩预测中的应用

针对原始数据序列建立灰色GM（1,1）模型,然后利用BP神经网络对GM（1,1）模型预测值加以校正,得到GM（1,1）与BP神经网络组合预测模型。通过运用田径比赛项目相关成绩序列进行模型检验,相比单纯的GM（1,1）模型,组合模型具有更高的预测精度,表明了组合模型预测的可行性。     

改进型灰色新陈代谢GM（1，1）模型对外语类生源数的预测修正——基于南通职业大学外国语学院外语类生源数的研究

通过改进型的灰色新陈代谢GM（1,1）模型对原先常规GM（1,1）模型预测的外语类专业生源数进行有效的修正,取得了更好的预测效果。     

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.     

优化的长山水道船舶交通流量灰色系统预测模型

为提高长山水道船舶交通流量的预测精度,对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上,通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测.     

基于正弦和的GM(1,1)幂模型在港口吞吐量预测中的应用

为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。     

基于灰色系统理论的大学生就业去向预测

根据2014-2022年云南省某地方高校毕业生的就业数据,将毕业生去向划分为“已就业”“升学和入伍”“编制内就业”和“编外就业”4类,利用GM(1,1)模型,对该校2023年大学生毕业去向进行预测及误差修正,提高模型预测精度.预测结果表明,2023年整体就业率预计为（81.4±3.1）%,其中升学和入伍的人数占比为（9.95±0.80）%,编制内就业率为（4.6±3.7）%,编外就业率为(69.3±3.6)%.     

基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测

为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。     

基于灰色系统GM(1,1)的组合预测模型及其应用

建立了一种基于灰色系统GM(1,1)的组合预测模型,该模型的预测结果是一个区间.建立的模型提高了预测精度及实用性,并进一步将其应用于上海世博会入园参观人数的预测.     

基于短时交通流量预测对路网微观交通仿真的研究

针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。     

不同维GM(1,1)模型在基坑地表沉降预测中应用

根据地铁工程施工中基坑地表沉降监测数据,引入灰色系统理论,建立不同维GM(1,1)预测模型,对基坑开挖引起的周边地表沉降作了预测和分析.通过残差和后验差法对模型的可靠性进行检验,通过实证分析了在基坑地表沉降预测中应用灰色模型的可行性.研究结果表明构建不同维灰色模型,随着参与建模的数据维度的增加,发展系数-a逐渐减小,而灰作用量b、后验差指标C及平均相对误差均呈现增大的趋势,所建不同维GM(1,1)模型精度均达到了一级,尤以4维GM(1,1)模型累计沉降量实测值与累计沉降量预测值吻合较好,满足短期预测需求.可见针对基坑周边地表沉降需要的建模数据较少,便于节约长期观测成本,可为工程后继施工提供一定的理论依据.     

亚洲、中国游泳纪录的灰色GM(1,1)建模与研究

运用灰色系统理论中的模型方法,建立了亚洲男子12项游泳纪录、女子14项游泳纪录和中国男子12项游泳纪录、女子13项游泳纪录的GM(1,1)预测模型,并对建立的亚洲、中国游泳纪录的GM(1,1)预测模型进行了后验差检验,结果表明:预测模型精度均为一级,模型精度较高,具有一定的实用价值,可以用来揭示亚洲、中国游泳运动成绩的发展趋势.并对2002年亚洲、中国游泳运动成绩进行了预测.     

基于GM(1,1)-MLP神经网络组合模型的物流总额预测

由于传统的基于GM(1,1)的物流总额预测方法需假设其他因素变化对物流总额无影响,给预测结果带来较大误差,本文采用GM(1,1)-MLP神经网络组合模型对我国未来物流总额进行预测。将组合模型与GM(1,1)的2012—2016年物流总额拟合结果进行比较,发现组合模型的预测平均误差仅为2. 3%,远低于GM(1,1)的预测平均误差(25. 2%),精准度大大提高,可以被有效应用于我国未来的物流总额预测。     

女子自由泳全国纪录的灰色模型及其预测

本文针对运动成绩变化规律的模糊性、未知性等 ,运用灰色理论的模型方法建立了我国女子自由泳全国纪录 5个项目的灰色GM(1,1)预测模型 ,并进行了后验差检验和关联度分析 ,结果表明预测模型精度均为一级 ,模型可信度较高 ,具有一定的实用价值 ,可以用来揭示女子自由泳各项运动成绩的发展趋势。并对2 0 0 2年的运动成绩进行了预测。     

对第28届奥运会田径运动成绩的灰色预测

运用灰色控制系统中的GM(1,1)模型分析建模方法,建立奥运会田径运动成绩每一单项预测值模型,经过建模和比较验证,结果表明:以70年代以来田径运动成绩数列建模能较好地反映奥运会田径运动成绩发展的基本趋势,有较高的精确度;在此基础上,再构建邻域成绩数列模型,得到第28届奥运会田径运动成绩的灰区间,可以为有关决策部门提供决策理论依据和科学参考.     

基于灰色GM(1,1)模型的济宁市人口预测

以2001~2010年济宁市10年的人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型.统计检验和误差分析表明,模型精度较高,用该模型对济宁市2011~2015年的人口总数进行了预测,并结合济宁市人口发展历史和现状对预测结果进行了分析.     

灰色预测理论在船舶机械故障诊断中的应用

为提高利用灰色预测模型在船舶机械故障诊断中的精度,先建立传统的GM(1,1)模型,并找出其不足。针对此不足,提出将改进欧拉算法应用于灰色预测模型的求解。经计算验证,改进的灰色预测模型的绝对关联度为0.995,方差比为12.61%,小误差概率为100%,均符合一级精度等级。结合油液光谱分析和工程阈值制定,将改进的灰色预测模型应用到某船综合传动装置的可靠性检验中,根据预测油液中Fe质量浓度的变化,成功地监测到综合传动装置的故障异常征兆信息,有效地防止了故障的发生。     

系统论及马尔柯夫模块理论在田径运动成绩预测中的应用研究

采用文献资料法、系统分析法,就系统论中灰色系统理论及马尔柯夫链模块理论应用于田径竞赛中的比赛成绩预测进行了深入的分析,并就两种预测方法的特点作了重点评论,提出灰色GM(1,1)模型和马尔柯夫链模型相结合的田径竞技成绩预测方法。