青岛市黄岛区农村生活垃圾产生量的灰色预测

文章运用灰色预测理论,建立青岛市黄岛区农村居民生活垃圾产生量预测模型,并运用此模型对该地区农村2010~2015年的生活垃圾产生量进行了预测.经过模型精度检验,结果表明:预测精度等级为Ⅰ级,可见利用灰色模型预测该地区农村居民生活垃圾产生量是可行的.     

基于灰色神经网络的公路物流需求量预测模型

以浙江省公路货运量历史数据为例,考虑到影响货运量主要因素,采用灰色神经网络模型GNNM(1,N)进行预测,并与灰色模型GM(1,N)和神经网络预测结果相比较。计算结果表明:该方法在预测公路物流需求量具有有效性;在灰色模型GM(1,N)预测时,通过比较紧邻均值生成序列的生成系数α对预测精度的影响,选取了最优值进行计算从而提高了灰色模型的预测精度。     

基于残差修正的多因素灰色模型的网络舆情预测研究

【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要 意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模 型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建 基于残差修正的多因素灰色模型,并结合“莆田系事件”对模型预测性能进行验证。【结果/结论】仿真结果表明,相 对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具 有一定的优势。     

灰色预测模型在中国CPI预测中的应用

利用2009年~2014年中国居民消费价格指数的统计数据,建立了灰色GM(1.1)模型并对2015年中国居民消费价格指数进行了预测分析,结果显示建立的模型预测误差较小,可以对居民消费价格指数进行有效短期预测,并以此模型对2015年居民消费价格指数进行了预测,结果表明未来1年物价总水平基本稳定,不会发生大的通货膨胀和通货紧缩。     

基于离散灰色DGM(1,1)模型的房地产价格预测及其对策研究

本文首先用定性预测方法分析了房地产价格的主要影响因素,接着针对该问题的灰色不确定性,在对传统灰色预测DGM(1,1)模型的改进形式和离散型灰色预测DGM(1,1)模型系统研究的基础上,提出了一种新的DGM(1,1)模型,对某地区房地产价格(2005-2008年)进行了预测的实证分析和基于Matlab 程序的仿真计算,证明其可靠性和有效性,并就房地产价格的预测结果,提出了相应的对策建议.研究结果表明:本文所建立的DGM(1,1)模型可作为灰色预测理论的一种精确预测模型,其为房地产价格的市场预测提供了一种新的定量预测方法,对当前房地产市场的理性发展具有重要的指导意义和借鉴价值.     

基于QPSO灰色神经网络的基坑锚固荷载预测

针对锚索锚固工程的复杂性,提出一种利用量子粒子群(QPSO)优化灰色神经网络的学习算法。在锚索荷载监测历史数据的基础上,将灰色预测残差值作为BP神经网络的输入,并用QPSO算法对常规灰色神经网络(GNN)的权值和阈值进行优化,构建了基于量子粒子群的灰色神经网络模型(QP-SO-GNN)。以某矿山深基坑支护为例,进行锚索荷载预测。结果表明:QPSO-GNN模型预测结果稳定,其模型精度和泛化能力均优于常规GNN,表明了该方法的有效性和可行性,可以为锚固设计提供一种切实可行的参考依据。     

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。     

灰色模型在图书馆管理研究预测中的应用

介绍了灰色GM(1,1)模型,利用1998~2004年图书馆管理研究文献量的统计数据,建立了文献总量和两个主要专题文献量的灰色GM(1,1)预测模型。经检验,该模型全部合格,并利用灰色GM(1,1)模型对图书馆管理研究的发展趋势进行了拟合预测。     

关于灰色线性回归组合的煤矿百万吨死亡率预测研究

灰色线性回归组合克服了GM(1,1)模型和线性回归模型的缺点和不足,本文系统地推导了灰色线性回归组合模型,通过此模型对我国煤矿百万吨死亡率进行预测,结果表明该模型基本正确,预测精度可靠,能够为煤矿安全生产提供理论依据。     

基于灰色系统理论的经济预测模型研究

分析了灰色系统理论用于经济预测的可行性,介绍了灰色系统理论的两种模型:灰色GM(1,1)模型和动态等维GM(1,1)模型,并介绍了包括"未知数据法"在内的各种模型检验方法,通过一个实例将上述模型用于预测并对结果进行检验.结果表明,灰色系统理论可以用于经济预测且动态等维GM(1,1)模型比传统的GM(1,1)模型预测精度高,预测结果更可靠.     

基于LM算法的BP神经网络股价预测

介绍了一种BP神经网络的改进Levenberg-Marquardt(LM)算法原理,用这种方法对上证指数收盘价进行了训练和仿真,并将此改进算法与标准BP算法及其他三种改进算法进行了比较。结果表明,该算法稳定、快捷、预测准确,适合应用于对实时性要求比较高的股票市场。     

基于GM(1,1)模型的北京市GDP预测

GM(1,1)模型是目前应用比较广泛的灰色预测模型。本文根据北京市经济发展现状,建立了基于GM(1,1)模型的北京市GDP预测模型,通过对模型预测数据的检验得知,该模型具有较高精度,可以较好的预测北京市GDP情况。因此利用该模型对北京市未来三年的GDP进行预测,进而为北京市相关部门制定政策提供参考。     

DGM和RVM融合的电动汽车电池寿命预测研究

电池寿命预测已经成为指导电池安全运行维护的一个重要依据,针对相关向量机(relevance vector machine,RVM)和灰色模型(grey model,GM)等传统方法中存在的长期预测能力差和预测精度低、稳定性不高等问题,提出了一种离散灰色模型(diecrete grey model,DGM)和RVM融合的电池寿命预测方法,该方法利用DGM的动态更新提高了RVM的预测精度,从而解决了电动汽车预测精度不高和稳定性差的问题,实验结果证明,电动汽车电池寿命预测能力得到了极大的提高,其预测精度可达95%以上,完全满足电动汽车电池运行维护的要求。     

灰色数列预测

一、前言按照灰色系统的观点,基于灰色模型 GM的预测称为灰色预测。作为预测用的 GM 是一个一阶的单变量线性微分方程,记为 GM(1,1)。此模型中含有一个待辨识的参数 a 和一个待辨识的内在变量 U。灰色预测按作用与特征可分为五种:     

基于BP神经网络的上证指数收益率预报

采用牛市期间和熊市期间的上证指数日收益率数据对BP(Back-Propagation)神经网络进行训练和检验。在牛市和熊市期间,平均相对预测误差分别为4.11%和4.08%,说明BP神经网络在预测股票市场收益率方面具有良好的应用性。     

灰色GM(1,1)预计模型在沉降监测数据中的应用

基于灰色模型预计系统理论,利用MATLAB数值处理软件编写沉降监测数据灰色模型GM(1,1)预测程序,在监测数据量较少时,利用该程序发现监测数据序列中潜在的分布规律和发展趋势,对于工程的监测研究具有一定的现实意义。     

应用数据对数化灰色系统GM（1,1）模型的探讨：图书馆书刊经费的预测

本文介绍了灰色系统GM(1,1)模型的预测方法,并应用数据对数化灰色系统GM(1,1)模型,通过实例对1992年的中文期刊订购经费进行外推预测,结果表明:应用数据对数化灰色系统GM(1,1)模型的拟合与外推效果好,是一个最佳的外推预测模型。     

对棉花期货价格进行灰色预测的实证分析

运用灰色系统理论中的GM(1,1)模型,对郑州商品交易所棉花期货品种的价格进行预测.通过预测值与实际值的比较结果表明,运用GM(1,1)模型来描述期货品种价格变化是适宜的,该模型具有较高的预测精度和应用价值。     

上证指数的时间序列分析及其预测

本文根据中国1991年-2009年上证指数的历史数据,建立了三个对上证指数未来走势进行预测的模型,并对预测结果进行了分析,依据分析结果对模型进行了评价。     

基于灰色系统理论的专利授权数预测研究——以辽宁省为例

[目的/意义]旨在准确、合理地对专利授权数进行预测.[方法/过程]运用灰色系统理论,对待选因素进行灰关联度计算,选择关联度较高因素的统计数据,形成被比较序列,再结合参考序列建立GM(1,N)模型,对专利授权数进行预测和误差检验.[结果/结论]通过与常规GM(1,N)模型对比,建立的GM(1,6)模型的预测准确度优于前者...