基于GM(1,1)-Markov模型的商品销售额预测

文章研究安踏公司的商品销售额的预测问题,依据商品销售额的灰色特征及随机性特点,将GM(1,1)模型与Markov链模型相结合,建立GM(1,1)-Markov耦合模型,应用该模型对安踏以半年为期的商品销售额进行实例预测。对GM(1,1)模型进行了精度检验,检验结果表明GM(1,1)有较高的预测精度。在此基础上引入Markov链进行预测值修正,其中,GM(1,1)模型预测的平均相对误差为7.67%,而通过Markov链模型进行优化后,GM(1,1)模型平均相对误差为3.71%。说明,经Markov链优化的GM(1,1)模型的预测精度优于GM(1,1)模型,更具实用性。     

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。     

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。     

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.     

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。     

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。     

基于GM(1,1)模型的铁路客流量预测

客流量预测是铁路运输组织工作的重要基础,是铁路部门制定运输方案和列车开行计划的重要依据。本文建立了铁路客流GM(1,1)模型,利用1999年至2010年全国铁路客运量数据,通过Matlab实现了GM(1,1)模型和一元线性模型,并比较两个模型的预测效果。结果表明,GM(1,1)模型预测效果优于一元线性回归模型,其平均相对误差减小约0.2511%。最后,对全国未来五年的铁路客流量进行预测,为管理人员做出合理决策提供了支持。     

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。     

灰色系统理论招生预测中的应用

文中应用灰色系统理论的GM(1,1)模型对招生人数进行了预测。算例表明,GM(1,1)预测方法精确性好,实用性强。     

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。     

基因表达式编程在矿山地表变形预测中的应用研究

根据基因表达式编程方法,利用其强大的数据挖掘和函数发现能力建立矿山地表变形预测模型,将模型预测结果与传统的GM(1,1)预测模型预测结果对比分析,实验表明,基于GEP算法矿山地表变形预测模型的预测精度也优于传统的GM(1,1)预测模型。     

基于我国农村月用电量的预测方法

目前精确地预测我国农村月用电量的特征和变化对农村风光互补发电系统容量的合理配置具有重要的意义。基于扬州地区历史用电量数据,采用传统的GM(1,1)模型对数据进行分析,发现传统的GM(1,1)模型不能满足精度的要求。所以提出了在多次累加的基础上对传统的GM(1,1)模型进行改进,对2016-2017年农村月用量进行预测。预测结果表明改进的GM(1,1)模型可以用来精确的预测扬州未来农村地区各月份的用电量,以便于农村风光互补发电系统的广泛应用。     

基于最优加权组合模型的道路交通事故预测

当前我国交通事故状况严峻,对其进行有效预测十分必要。本文鉴于单一模型的局限性,建立了一种基于多种单一模型的最优加权组合模型。针对事故死亡人数的季节周期性、单调性和趋于平稳性,选取季节模型SARIMA、灰色模型GM(1,1)和Verhulst模型建模以及最优加权组合模型。结果表明,SARIMA、GM(1,1)、Verhulst模型预测相对平均误差分别为5.43%、11.92%、10.16%,而SGV(SARIMA、GM(1,1)、Verhulst)加权组合模型的平均误差仅为1.19%,因而最优加权组合模型克服了单一模型的不足,具有良好的精度,可以利用该模型对我国未来交通事故死亡人数进行预测。     

基于灰色灾变原理的互联网用户人数预测模型

为了解决传统的GM(1,1)模型在互联网发展预测中存在的历史数据跳变的问题,本文根据灰色灾变原理,基于互联网发展迅速、预测周期短等特点,介绍了一种将GM(1,1)模型与一元线性回归模型结合起来的方法。使用1997年10月至2005年1月的数据,建立了我国互联网用户人数的预测模型,并进行了检验,证明该方法在实际应用中取得了很好的预测效果。     

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。     

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。     

利用SAS软件对我国粮食产量进行灰色预测

1灰色预测模型GM(1,1)的建立1.1模型GM(1,1)的建立GM(1,n)灰色数列预测模型是灰色动态模型GDM(Grey Dynamic Mode 1)中最重要的基本模型,它与一般建立差分方程的系统理论的差别,在于可以建立起微分方程模型。括号     

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。