灰色理论在短期电力负荷预测中的应用

讨论了GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

修正GM（1，1）模型在销售量预测中的应用

基于GM(1，1)预测模型的模型误差的三种情形，给出了修正方法，建立了一种改进的GM(1，1)预测模型．讨论了改进GM(1，1)预测模型在销售量预测中的实际应用，结果表明改进模型具有较好的预测精度。     

混合GM(1,1)SSODMM与时间序列分析预测模型

基于GM（1，1）模型的不足，在GM(1,1)SSODMM的基础上，建立了一个混合GM（1，1）SSODMM和时间序列的预测模型，对某企业产品的销售量进行了预测；并将GM（1，1）SSODMM模型的预测结果与混合模型的预测结果加以比较。     

长江水质污染预测的灰色模型

水质预测涉及因素众多且机理复杂，而且已知数据偏少，故采用灰色理论中的GM（1，1）模型对长江污染物进行预测，并进行了四种检验，都达到较满意的效果．为了使预测结果更加准确，提出了用GM（1，1）模型群和等维灰数递补动态预测两种方法加以改进，从而避免使用单一的灰色模型容易受到不稳定信息影响的缺陷，使得预测精度更加准确，提高预测结果的可信度．     

用残差GM(1,1)模型对巷道通风参数进行修正研究

井下作业时，巷道通风是一个重要的必须解决的安全问题，解决这一问题关键就需要确定通风参数．当残差GM（1，1）模型的精度不符合要求时，可利用残差序列建立GM（1，1）模型对原来模型进行修正，以提高精度．本文运用了一种新的残差序列建立GM（1，1）模型方法对原来模型进行修正，使平均模拟相对误差（^-△）和k点的模拟相对误差（△（k））得到了进一步的降低，也就是说更有效的提高了精度．     

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．     

GM（1，1）模型进行河流径流量的预测

通过监测某河流从1998年到2007年12月份的月径流量,建立灰色预测的GM（1,1）模型。再将预测出来的1998－2007年的径流量数据同实际预测数据相比较,则可以发现在近期不适宜用GM（1,1）预测该河流径流量,并指出GM（1,1）的不足之处和影响本预测结果的因素。     

天然气产量预测的微分方程模型

根据灰色系统理论，利用统计资料，建立了天然气产量的GM（1，1）灰色预测模型。精度检验合格，经比较该模型预测精度优于线性回归模型的预测精度。     

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。     

基于L1范数IOWGA算子的大学生就业信心指数组合预测模型

大学生就业信心指数的预测可以在一定程度上了解大学生就业信心的变化趋势.因此,文章建立了基于L1范数的诱导有序加权几何平均（IOWGA）算子的组合预测模型及预测有效度评价指标体系,以山东省德州市某高校2000—2012年大学生就业信心指数数据,对大学生就业信心指数中的全局信心指数进行分析预测,并与采用GM（1,N）预测模型、单指数平滑预测模型和ARMAX预测模型分析结果从预测精度、预测模型有效性上进行比较.结果表明：基于L1范数的IOWGA算子组合预测模型比其他三种单项预测方法预测方法精度更高且为优性组合预测,本模型对大学生就业信心指数预测是可行的,可以用于对大学生就业信心的定量研究.     

改进GM（1,1）预测模型在公路运输量中的应用

为了提高公路交通运输量的预测精度和公路运输行业的管理水平,研究了GM（1,1）模型特性、GM（1,1）在背景值和初始值选择两方面所存在的缺陷;提出一种新的背景值计算方法;最后,利用2000-2004年的公路客运量的实际数据进行了验证,结果表明：改进模型的预测精度要高于GM（1,1）模型的预测精度,前者比后者具有更高的预测精度和可靠性.     

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．     

中值逼近式灰色GM（1，1）模型探析

本文对传统GM(1，1)进行了推广，提出了中值副近式模型，实例表明精度较传统模型要高。     

参数和背景值同时优化的GM（1，1）模型

为了改进原始GM（1,1）模型的模拟效果,优化GM（1,1）模型的背景值后,利用最小二乘法,得到发展系数-a．在a已知的条件下,根据GM（1,1）模型的还原值与实际值之差最小,求出待定系数c,从而获得参数和背景值同时优化的GM（1,1）模型．此模型不需要选择初始条件,具有白化指数律重合性．实例表明此优化模型既能模拟低增长序列,又能模拟高增长序列,具有较好的模拟效果和预测效果．     

基于改进的GM(1,1)模型在人口预测中的应用——以福建省为例

以灰色预测理论为基础,分别运用传统的和改进的GM（1,1）模型,对福建省未来人口进行预测,并提出了存在干涉因子的GM（1,1）模型的使用方法,改进的GM（1,1）模型具有较高的预测精度和可行性．     

灰色新陈代谢GM（1,1）模型在农村居民人均纯收入预测中的应用

研究了基于灰色系统理论的农村居民人均纯收入的预测方法.建立不同维的常规GM（1,1）模型群,根据不同维预测模型的模拟相对误差,优选出基础GM（1,1）模型并建立灰色新陈代谢GM（1,1）模型对陕西省农村居民人均纯收入进行了预测.该方法能够有效融合新信息,弥补常规GM（1,1）模型的不足,实例计算表明该模型预测结果比较准确.     

改进的灰色GM(1,N)模型在经济中的预测与应用

论文就修正GM(1,N)预测模型的误差,提出了新方法.使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响.实践表明这些改进模型可以有效地提高GM(1,N)模型的预测精度.     

白化微分方程和初始条件同时优化的GM（1,1）模型

根据灰色系统理论的新信息优先原理,本文结合对白化微分方程进行改造,使灰色微分方程和白化微分方程更加匹配,并优化GM（1,1）模型的初始条件得出新的GM（1,1）模型.经过实际数据的模拟和预测,和与原GM（1,1）模型及其他优化模型的对比,发现本文优化的GM（1,1）模型有非常高的模拟精度和预测精度.     

灰色系统理论在经济预测中的应用

章应用灰色系统理论，对扬州国内生产总值指数时间序列建立了其灰色GM（1，1）模型，通过检验表明所建立模型是高精度的，可靠的，并用修正后的模型进行了预测。     

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。