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。     

丽江海外旅游人数预测的GM(1,1)模型优化

分析传统灰色GM(1,1)模型存在的缺陷,从数据处理、初值选取与背景值改进三个角度提出一种GM(1,1)模型的综合优化方法.对原始数据进行线性对数-指数函数变换,以预测值与真实值的误差平方和最小原则重选初值,用累加序列拟合曲线积分重构背景值.综合优化的GM(1,1)模型应用于丽江海外旅游人数预测,与传统GM(1,1)模型对比,平均相对误差从2.43%改进为2.07%,关联度检验效果由"不满意"提高到"满意".     

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。     

基于GM(1,1)模型的毕节地区旅客周转量预测

以毕节地区1987-2008年时间序列数据为基础,运用灰色GM(1,1)模型预测2009-2012年旅客周转量的变化情况,为毕节地区旅客市场环境分析和城市发展总体规划提供一定的借鉴。结果表明:对于GM(1,1)模型,较长时间序列数据并不一定能得到满意的结果,数据序列的选取应结合地方社会经济发展状况,尽可能地设计出精度较高的模型来进行预测。     

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色GM(1,1)模型的安徽省电力消费量预测

利用2005~2012年安徽省电力消费量统计数据,建立了一个电力消费量预测的灰色GM(1,1)模型.模拟结果表明,灰色GM(1,1)模型比较合理地反应了安徽省电力消费量的增长趋势,并且预测精度较高,误差较小,为电力消费量预测提供了一个科学而有效的方法.     

基于灰色优化GOM模型的道路交通事故预测

道路交通事故的发生存在诸多不确定因素,为研究其内在规律,掌握其发展趋势,对道路交通事故进行有效预测具有重大意义.以福建省2008-2012年道路交通事故次数为例,应用灰色系统理论,构建道路交通事故次数灰色GM(1,1)预测模型和灰色优化GOM模型,对事故原始数据经生成处理后预测分析,通过对比两者所得出的相关指标,结果表明灰色优化GOM模型较灰色GM(1,1)模型的预测精度高,适合对未来道路交通事故进行预测.     

台湾入闽地旅游人次数预测研究——基于修正GM(1,1)模型

近年来,台湾入闽地年旅游人次数呈上升趋势,而合理的旅游人次数预测能够为政府相关部门以及旅游企业的决策提供一定的数据参考。本文以2007-2014年台湾同胞入闽地旅游年人次数为样本,采用残差修正的GM(1,1)模型对未来五年间台湾入闽地区旅游人次数进行了预测。并通过残差检验、相关度检验及后验检验等检验显示,修正GM(1,1)模型是合格的,预测结果具有合理性。     

一种改进的GM(1,1)长期预测模型

结合统计途径,通过引入一个外生变量,对传统GM(1,1)模型进行了改进 新建构的模型不仅能有效提高GM(1,1)长期预测精度,扩大灰色预测理论的适用范围;而且能真实反映观测在不同阶段的变化速度和演变趋势,为决策者提供可信赖的依据     

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。     

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。     

基于灰色GM(1,1)模型的商洛市区域环境噪声预测

根据商洛市2010—2014年区域环境噪声的昼夜等效声级监测数据,运用灰色系统理论,建立灰色GM(1,1)模型,并用平均相对误差检验、均方差精度检验、小误差概率检验三种方法对所建模型的精度进行检验。应用检验合格模型预测得到商洛市2015年和2016年昼间一类区的噪声值分别是45.1 d B和43.24 d B,商洛市2015年和2016年夜间二类区的噪声值分别是40.83 d B和39.3 d B,并进一步得到2010—2016年商洛市区域环境噪声呈下降趋势。     

灰色系统理论在房地产价格预测中的应用

灰色预测法是一种对含有不确定性因素的系统进行预测的方法。应用灰色预测理论的基本原理,建立灰色预测模型的过程及求解方法,并以2001--2006年江苏省的平均房地产价格为统计资料,运用GM（1,1）模型进行预测,取得了较好的预测效果。     

新陈代谢GM(1,1)模型在火灾预测中的应用

灰色模型具有所需数据少、预测精度高和无需先验信息的特点.据此,可以应用新陈代谢的灰色预测GM(1,1)模型对我国近年发生的火灾统计数据进行分析预测.而预测结果表明,该模型简单实用,精度较高,在短期预测中有广阔的应用前景.     

灰色人工神经网络组合预测模型及其应用研究

将GM（1,1）模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

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.     

基于灰色理论的河南省水资源总量与需水量分析

水资源问题在全球范围内日益受到关注,开展区域水资源研究对我国水资源整体安全十分重要。本文采用灰色预测系统中的灰色时间序列预测的方法,对河南省未来三年的水资源总量和需水量进行预测。依据2001²013年《河南省统计年鉴》中关于河南省水资源量和用水量的统计数据,建立河南省水资源总量和需水量的灰色GM(1,1)预测模型。结果表明,未来三年河南省的水资源总量持续减少到372亿m3,而需水量却增加到249亿m3,未来河南省缺水问题将更加突出。     

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.     

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.     

基于灰色系统预测GM(1,1)模型的商洛市人口预测

商洛市作为关中-天水经济区的重要城市,它的人口规模直接决定了在经济区域中城市的建设思路和发展政策,因此对城市人口的准确预测就显得非常重要。为了提高对商洛市人口的预测精度,根据2008—2016年的商洛市人口数据,采用灰色系统预测GM(1,1)模型建立商洛市人口变化的数据模型,并与实际数据进行了拟合。结果表明,该模型与实际数据的拟合性较好,预测得到的数据与实际数据差距较小,满足相应的验证精度,可以用来预测未来的商洛市人口趋势,为城市的建设思路和发展政策提供参考。