基于灰色联系数的煤炭产量预测方法

运用灰色系统理论的动态建模方法,根据最近6年的时间序列数据,建立了全球煤炭产量的灰色预测模型,并用S队对预测结果进行分析和评价,结果表明,该方法有一定的实用性和科学性.     

甘肃陇南特色农业发展的灰色系统分析

依据2003～2007年甘肃省陇南市特色农业的数据,首先采用灰色关联分析法分析了陇南市农业特色产业发展情况,得到农业总产值与十二种农业特色产量之间灰色关联度,结果表明目前蚕桑、茶叶、药材具有较高的关联度,食用菌、银杏、油橄榄的关联度较低;然后利用GM(1,1)预测模型对陇南市农业特色产业的发展的趋势进行了预测;最后就促进特色农业的发展提出了相关建议。     

基于20GM定位模块的三轴步进控制系统设计

利用FX2N-20GM定位模块的定位精度高及直线和圆弧插补功能,设计基于三菱PLC和定位模块的三轴步进运动平台软硬件控制系统。并通过实验进行验证,说明三轴运动平台运用模块化的定位系统设计具有定位精度高、稳定性好、可靠性强等特性。     

世界女子链球运动发展趋势前瞻

女子链球是中国优势田径项目,为制定该运动项目未来正确的博弈决策,必须准确把握该项目的世界发展趋势。运用文献资料法、数理统计法、灰色系统预测等方法,根据世界女子链球年度排名成绩进行分析,通过预测前瞻了2009—2012年度该项目的发展态势。研究表明,当前女子链球运动处于高水平稳定期,前3名成绩有所降低预示着世界顶尖选手竞技高峰已过,但整体水平呈上升趋势;中国选手张文秀今后4年成绩继续提高,但进入世界前10名的难度较大,必须提高大赛发挥率才可能取得更好成绩。     

1990年以来长三角地区能源足迹测度及STIRPAT框架下的驱动因子

能源足迹测度是揭示能源消费对区域环境及可持续发展压力的重要方法.利用能源足迹计量模型、GM(1,1)模型、指数预测模型及STIRPAT模型,分析1990年以来长三角地区能源足迹相关要素的动态变化及驱动因子.研究发现:1)从人均能源足迹增率来看,长三角地区年均增长率为7.70%,增长速高于全国和上海而低于江苏和浙江省;从人均能源足迹值来看,长三角地区低于上海市,但高于全国和江苏,与浙江省并无明显高低关系特征.2)长三角地区能源足迹产值年均增长8.42%,能源足迹强度年均减少8.37%,全国和江浙沪省市变化趋势与长三角地区大体一致,但程度有所不同;长三角地区及江浙沪3省市能源产值和强度变化主要通过产业转移和升级来实现,而国家则是依靠政策推动和技术发展革新实现.3)通过预测,2015-2020年长三角地区人均能源足迹和能源足迹产值将会持续增长,而能源足迹强度显示下降态势,表现出良好的发展趋势.4)人口规模、人均GDP、二产比重及单位工业增加值能耗对能源足迹均有影响,弹性系数分别为0.596、0.073、0.18和-0.123.     

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。     

基于GM (1,1)模型的唐山市职工医保基金收支预测研究

收集2015-2022年唐山市职工医保基金收入、支出数据,分析基金的运行情况,并采用灰色预测GM(1,1)模型对唐山市职工医保基金未来5年的收支趋势进行预测。结果显示,2023-2027年唐山市职工医保基金收入、支出均保持增长态势,支出的年均增长率为12.58%,高于收入的年均增长率10.39%,基金年结余与结余率均呈逐年下降趋势,需要警惕收不抵支的风险。因此,今后需加强基金使用常态化监管、严格控制医疗费用、加强基金风险预判和风险点监管,以确保基金的可持续发展。     

Improved grey-based approach for power demand forecasting

1 Introduction a Grey theory, originally developed by Deng [1], is a truly multidisciplinary and generic theory that deals with systems of deficient information. In the field of information research, light and deep colors respectively represent informatio…     

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．     

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。