灰色Verhulst模型的改进及其应用

针对灰色Verhulst模型的不足,讨论了灰色Verhulst模型的参数优化问题.首先,利用最小二乘原理给出了一种初值优化的改进模型.其次,在平均相对误差最小准则下,将Verhulst模型的参数优化转化为线性规划问题,然后利用粒子群优化算法估计Verhulst模型中的参数,得到另外一种改进模型.最后,给出了一个仿真实例,结果表明灰色Verhulst模型的改进方法是可行的和有效的,而且具有较高的拟合和预测精度.     

改进灰导数和时间响应函数的新灰色预测模型

以白化方程为基础,利用梯形公式白化灰导数,同时根据最小二乘法求出时间响应函数中的常数c,得到一种改进的灰色预测模型.应用实例说明改进模型具有较高的预测和拟合精度.     

一类优化灰色作用量的GM(2,1)模型

通过把GM(2,1)模型中的灰色作用量b改进为b_1+b_2k,从而构建了灰色作用量优化的GM(2,1)模型,并改进了相应的边界条件,通过实例验证以及与累积GM(2,1)模型和反向累积GM(2,1)模型对比,发现改进灰作用量后的GM(2,1)模型具有较高的模拟精度.     

中国博士后发展灰色预测模型及其应用

对灰色模型做了进一步的研究,拓广了灰色模型,建立了一个新的、预测精度较高的新灰色预测模型——"对数函数——幂函数变换"模型,并利用此模型对我国博士后研究人员增量做出精度较高的灰色预测.     

灰色预测模型简介及其在年产量预测中的应用

本文简介了邓聚龙教授在《灰色控制系统》一书中提出的灰色预测模型，并编写了相应的预测程序，对大庆石化总厂主要产品年统计量进行预测、得到了今人满意的结果。     

灰色预测模型在汇率分析中的应用

首先建立IM（1,1）预测模型,在此基础上再使用马尔科夫预测方法,构造出一种全新的预测方法,应用于汇率的预测与控制中。     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.     

灰色预测模型的应用研究

根据灰色系统预测模型,给出和序列的多个预测方法,结合具体实例,分析各个方法的相对误差,找出相对误差最小的预测模型,从而确定实际问题的具体预测模型,同时总结各个方法的优劣;文中还根据和序列给出积序列、指数和对数序列灰色预测方法.     

基于系统冲击的灰色预测模型及其应用研究

针对系统受到系统外部冲击问题,结合泛函理论和灰色系统理论,建立了含有系统冲击泛函分析因子的灰色泛函预测模型。并运用贝叶斯网络推理技术,建立了系统冲击与系统控制的灰色贝叶斯网络推理预测模型。所建模型可以分析基于系统冲击演化的泛函分析因子的动态推演问题。依据泛函分析因子的变动,可以预测与修正系统发展趋势。案例分析了2013年房地产经济受到新政策的冲击问题。由于房地产经济受到新政策冲击,使经济发展态势发生转变。根据房地产经济的当前时段信息,利用灰色贝叶斯网络推理预测模型对历史趋势进行修正,预测结果与实际数值仅有3.81%的偏离,预测结果较其它现有模型的预测结果精确。灰色贝叶斯网络推理模型强调对近期数据的开发利用,适用于预测系统近期受到外部冲击的发展趋势问题。     

GM(1,1)模型灰色作用量的优化

通过把GM(1,1)模型中的灰色作用量b改进为动态的b_1+b_2k,从而构建了对灰色作用量优化的GM(1,1)模型.通过实例的验证以及与GM(1,1)模型对比,发现优化的GM(1,1)模型的模拟精度和预测精度均较高.     

改进不等时距灰色GM(1,1)模型及其应用

针对传统不等时距灰色模型(UGM(1,1))的缺陷,分别从背景值优化和模型优化,结合新陈代谢思想,提出了2种改进不等时距灰色模型:新陈代谢不等时距加权灰色模型(MUGM(1,1,w))和改进新陈代谢不等时距灰色模型(AMUGM(1,1)).经算例仿真检验,结果表明:2种改进模型在预测精度和实用性上都优于传统UGM(1,1)模型,其中AMUGM(1,1)模型更是克服了灰色模型不含线性因素的局限,拓宽了灰色模型的适用范围,具有很好的应用价值.     

基于新型数据变换技术的灰色预测模型及应用

针对原始数据序列光滑度不足的情况,提出了一种新的数据变换方法,以提高原始数据序列的光滑度.给出方法的理论证明,并与其它数据变换方法进行了对比.将变换方法应用于GM(1,1)模型,结果显示,通过调节参数的值,变换能够提高GM(1,1)模型的计算精度.最后的实例说明了该方法的实用性和有效性.     

向量灰色模型的建立及应用

针对传统多变量灰色预测模型(MGM(1,m))有时存在的建模数据失真问题,以系统中关联变量具有趋同性为基础,提出了一种新的模型——向量灰色模型(VGM(1,m))。与MGM(1,m)模型相比,VGM(1,m)结构更简单,模型参数更少,从而有利于参数的估计。将VGM(1,m)、MGM(1,m)、GM(1,1)模型应用于四个实例的分析,结果表明VGM(1,m)消除了MGM(1,m)的建模失真现象,模型的稳定性得到了增强。进一步,与GM(1,1)建模结果相比,VGM(1,m)模型的预测精度更高,即新模型有更好的泛化性。     

灰色预测模型的优化及应用

针对GM(1,1)模型在不同初始条件下预测精度不同的问题,在同一准则下,给出了两种不同初始条件下GM(1,1)优化模型的预测公式.在此基础上,证明出在同一准则下两种优化模型的模拟预测值相等,且都能获得较高的模拟预测精度.最后选取2006-2011年河南省城镇居民人均收入实际值为依据,建立GM(1,1)优化模型,并预测出2012、2013年河南省城镇居民人均收入,为相关决策部门提供了理论依据.     

自适应灰色欧拉模型的优化及其应用

灰色预测模型已经在很多领域获得成功的应用,但是该方法的模型性能还可以进一步提高.为此,提出了一种新的灰色欧拉模型GEM(1,1)和OSGEM(1,1),给出了参数的最小二乘法计算公式,并以微分方程为推理过程,得到了GEM(1,1)模型和OSGEM(1,1)模型的时间响应序列.利用2002-2015年的数据建立预测模型,...     

新陈代谢离散灰色预测MDGM(1,1)模型及其应用

在离散灰色预测DGM(1,1)模型的基础上,提出了新陈代谢离散灰色预测M DGM(1,1)模型,即:对原始数据序列采用新陈代谢的方式逐次建立相应的DGM(1,1)模型,并把该模型用于江西省旅游收入的中长期预测,最后进行了精度检验.结果表明:新陈代谢离散灰色预测M DGM(1,1)模型预测精度较高,可作为中长期预测的工具.     

加权非等间隔灰色Verhulst模型及其应用

针对建筑物沉降监测数据量少、信息贫乏,且具非等时距、呈S形变化的特点,建立了能够反映饱和状态的非等间隔灰色Verhulst模型.因早期建模数据对模型预测精度贡献较小,而靠近预测时间的建模数据贡献则较大,故建模时按时间先后对建模数据赋予了不同的权重,以此体现贡献大小.实证分析表明,采用数据加权能够提高模型的预测精度,从对建模以外的监测数据预测结果来看,效果优于已有一些模型.     

含时滞参数的灰色GM(1,1,τ)模型及其应用

针对GM(1,1)模型未能反映系统时滞效应的问题,根据实际应用的需要,利用灰色建模思想构建了含时滞参数7的灰色GM(1,1,Υ)模型,并研究了该模型的建模机理、建模过程,给出参数估计方法.并根据模型的基本形式,构建出以原始值和背景值的一阶累减生成序列的灰色相对关联度最大化为目标的灰色关联分析法来探索时滞参数Υ的确定方法,并获得模型的离散解.最后利用该模型对美国制造业库存总量进行了模拟预测,获得较高的精度,验证了模型的有效性.     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

新陈代谢灰色模型在中国碳排放量预测中的应用

中国碳排放问题已经成为世界关注的焦点问题,预测中国未来的碳排放有助于实现2020年碳减排目标.通过选取2005~2011年中国碳排放数据,利用新陈代谢灰色模型对中国碳排放进行短期预测.模型检验结果表明:相对误差为二级,平均精度为一级,预测结果与实际值出入较小,到2015年中国碳排放量将超过31亿吨碳.针对研究结果,提出发展低碳经济提高能源效率和发展非石化能源来降低碳排放的策略.