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。     

基于灰色理论-马尔可夫模型对畜禽粪便量增长的预测

结合灰色GM(1,1)模型和马尔可夫模型构建一种合理的灰色马尔可夫预测模型.按相对值的方法进行状态划分,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,并将由此建立的灰色马尔可夫模型运用于1997～2005年衡阳地区畜禽粪便数据来预测2006年畜禽粪便量.结果表明,这种模型的预测精度高达98.455 4%,明显优于单独使用GM(1,1)模型的预测结果.     

基于灰色预测模型GM(1,1)的道路交通事故预测

在交通事故统计的基础上,运用灰色理论建立了一阶单变量的交通事故预测模型,即GM(1,1)模型。GM(1,1)模型是最常用的一种灰色模型,尤其适合于交通事故预测“小样本”的随机不确定问题。本文针对交通事故发生的特点,探讨了灰色模型GM(1,1)在道路交通事故预测中的应用,对宁连高速公路北段交通事故量进行了预测,并对交通事故成因进行分析。     

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.     

基于灰色系统理论的医疗人才需求预测

医疗人才系统具有灰色系统的特征,因此可以采用灰色模型对人才进行预测.运用灰色模型GM(1,1)对我国医疗人才需求的发展变化进行动态关联分析,作出了人才需求总量的预测,并对预测结果进行了分析,结果证明GM(1,1)模型是一种行之有效的预测科技人才的模型.     

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。     

基于修正残差的G-Markov模型的河南省小麦产量预测

粮食产量是一个非平稳的时间序列,结合经典灰色理论和Markov模型所产生的修正残差的G-Markov模型,能较好地对非稳定时间序列的状态转移行为进行预测.以河南省小麦产量预测为例,在传统GM(1,1)模型的基础上,对其预测值与实际值的残差序列进行Markov模型预测,更好地发挥了两个模型的优势.经检验证明,修正残差的G-Markov模型在小麦产量预测方面比传统的灰色GM(1,1)模型具有更高的精确度.     

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.     

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.     

Financial crisis early-warning model of listed companies based on predicted value

To establish a financial early-warning model with high accuracy of discrimination and achieve the aim of long-term prediction, principal component analysis (PCA), Fisher discriminant, together with grey forecasting models are used at the same time. 110 A-share companies listed on the Shanghai and Shenzhen stock exchange are selected as research samples. And 10 extractive factors with 89.746% of all the original information are determined by applying PCA, which obtains the goal of dimension reduction without information loss. Based on the index system, the early-warning model is constructed according to the Fisher rules. And then the GM(1,1) is adopted to predict financial ratios in 2004, according to 40 testing samples from 2000 to 2003. Finally, two different methods, a self-validated and a forecasting-validated, are used to test the validity of the financial crisis warning model. The empirical results show that the model has better predictability and feasibility, and GM(1,1) contributes to the ability to make long-term predictions.     

灰色多变量模型在运动员竞技能力发展预测中的应用研究

从探讨运动员竞技能力系统发展的一般特征出发,结合实例介绍灰色多变量预测模型在运动员竞技能力系统发展中的建模、预测方法,并通过与单因素模型的实际对比,阐述灰色多变量预测模型的实用价值和应用前提,为运动训练及其他体育领域的灰色预测提供了一种方法与思路。     

电力系统长期负荷预测的组合预测

介绍目前电力系统常用的中长期负荷预测的方法,根据邯郸地区1990-1999年的用电量,用各预测方法分别预测出了2000-2003年的用电量,并与实际用电量相比较,对预测结果进行了分析。证明组合预测模型总体上优于传统的单一固定式模型,是提高预测精度简单而有效的方法。     

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。     

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。     

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。     

基于马尔可夫链的商场销售预测模型

利用马尔可夫链建立对商场销售率的预测模型,不仅可以预测商场销售率未来某一时刻的状态,而且还可以分析其发展的长期平衡销售率,可为决策者制定长远规划和提高商场竞争力提供定量依据.     

基于Prophet-LSTM模型的PM2.5浓度预测研究

作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要。提出Prophet和长短期记忆（LSTM）相结合的组合预测模型（Prophet-LSTM）。在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波动分量|然后对趋势和周期分量建立Prophet模型,对随机波动分量建立LSTM模型|最后将各分量的预测值集成得到PM2.5浓度的预测值。以郑州市PM2.5日值浓度数据为例进行实证分析,结果表明,该组合预测模型相较对比模型能够更好地预测PM2.5日值浓度的变化趋势。