基于分数阶GM(1,1)与BP神经网络的电力负荷预测

传统的灰色GM(1,1)和BP神经网络模型存在对原始序列依赖高,收敛速度慢等缺点.将分数阶累加的思想引入GM(1,1)模型,再用逐层训练算法改进传统的BP神经网络.基于我国2010-2014年的电力数据,构建分数阶GM(1,1)与BP神经网络组合模型,预测2015年和2016年的总发电量.实证结果表明,该组合模型比GM(1,1)模型,分数阶GM(1,1)模型以及GM(1,1)与BP神经网络组合模型具有更好的数据拟合效果,更高的预测精度.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.     

基于改进的GM(1,1)-BP组合模型的人口预测研究

准确地预测人口总量发展趋势,对我国社会稳定发展具有重要意义.通过分析GM(1,1)模型背景值的构造理论,利用Newton插值公式和线性分段函数优化GM(1,1)模型的背景值,得到新的GM(1,1)模型,并结合BP神经网络模型,再利用遗传算法优化GM(1,1)-BP组合模型的权重系数,并将组合模型应用到新疆人口预测中.最后,分别应用不同的模型,以及改进的GM(1,1)-BP组合模型进行计算和平均相对误差对比,结果表明,改进的GM(1,1)-BP组合模型有效地提高了预测精度.     

GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

基于变权GM(1,1)组合模型的喀什GDP预测

利用离散GM(1,1)模型,新息GM(1,1)模型以及复合函数预测模型建立了一类变权重组合预测模型.并将该组合预测模型应用于喀什地区GDP预测,建立了喀什地区GDP的变权重GM(1,1)组合预测模型.计算结果表明变权GM(1,1)组合预测模型在时间序列数据的预测中具有一定的优势.     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于最小二乘法的灰色组合预测模型及其应用

根据GM(1,1)模型原理,构建了灰色增量模型和灰色组合预测模型.分别利用中国和河南1986-2015年的人口数据建立模型,采用最小二乘法求解灰色组合预测模型的最优权系数.通过GM(1,1)模型、灰色增量模型和灰色组合预测模型对上述算例进行误差分析,实验结果表明灰色组合预测模型预测精度明显的优于其它单项预测模型.     

基于BP神经网络及灰色GM(1,1)模型的服装供应链第三方库存预测应用研究

在由服装制造企业及品牌代理商组成的服装供应链中,第三方物流企业可以通过预测模型优化服装物流资源,提升服装供应链末端运营效率.首先提出了服装供应链管理企业库存运营模式.其次,以第三方服装供应链管理企业实际库存数据为基础,依据服装行业变化快、季节性强、多批次、小批量的特性,针对服装产品因季节性产生的"爆仓"问题,建立基于BP神经网络的第三方物流企业库存改进预测模型.第三,将预测结果误差较大的部分运用灰色GM(1,1)模型进行补充研究,通过预测结果与实际数据的对比,验证针对服装供应链末端预测库存的有效模型.改进预测模型可以辅助第三方服装类物流企业进行科学决策,为提升供应链末端效率及物流管理整体水平提供新思路.     

组合预测模型在能源消费预测中的应用

能源的需求预测是一个复杂的非线形系统,其发展变化具有增长性和波动性,组合预测对于信息不完备的复杂经济系统具有一定的实用性.本文利用我国能源消费的历史数据,采用灰色预测的GM(1,1)模型、BP神经网络模型和三次指数平滑模型进行优化组合,建立了能源消费组合预测模型,实证分析结果表明预测值和实际结果有很好的一致性,可以作为能源消费预测的有效工具.     

基于ARIMA-DGM-BP组合模型的喀什地区GDP预测

组合模型的预测效果一般优于单一模型的预测效果.利用ARIMA模型,DGM(1,1)模型以及BP神经网络构建ARIMR-DGM-BP组合预测模型,给出了建立该组合模型的基本思路.利用喀什地区2000-2018年GDP的相关数据资料,建立了ARIMR-GM-BP和ARIMR-DGM-BP组合模型并对预测的效果进行了统计分析,结果表明ARIMR-DGM-BP组合模型的预测效果优于ARIMR-GM-BP组合模型.最后运用本文的组合预测模型对喀什地区2019-2021年GDP进行预测.     

基于GM-Markov模型的京津冀区域物流需求量的预测

利用2009-2014年京津冀三地的货运量,通过灰色预测模型中的GM(1,1)预测模型分别对京津冀三地2015-2017年的货运量进行预测,经过后验差比值和小误差概率检验,得出采用该模型的预测精度为优.同时采用Markov模型对灰色模型进行修正,构建出了新的GM-Markov模型,采用新模型分别对京津冀三地2015-2017年的货运量进行预测,将前后模型预测的结果与实际值进行比较,得出采用GM-Markov模型比单纯的运用GM(1,1)预测模型预测的结果更为精确.最后,利用GM-Markov模型分别对京津冀三地2018-2022年的物流需求量进行了预测,得出了京津冀三地货运量未来的变化趋势.     

基于灰色神经网络的航空装备作战携行量预测

当前局势多变且节奏迅速的现代高新技术战争使得航空装备需求量与损耗率激增,航空装备保障人员也面临着战时保障情况复杂、决策难度增加的问题.在BP神经网络的基础上使用灰色理论对其进行了优化,将得到的灰色BP神经网络对航空装备作战携行数量进行了预测并与一般BP神经网络和GM(1,1)模型预测结果对比.结果表明:灰色BP神经网络预测精度高、收敛速度快、所需样本数据少,对航空装备作战携行数量预测具有重要价值.     

基于改进灰色GM(1,1)模型的新疆人口总量的分析与预测

利用Lagrange插值理论重构了GM(1,1)预测模型的背景值,以提高改进GM(1,1)模型的预测精度和实效性,进而利用该模型对新疆人口发展态势进行了科学分析与预测.     

基于标准差法组合预测模型的区域快递需求量预测研究——以大连市为例

快递需求量的准确预测是区域快递行业合理布局的重要依据.在明确区域快递需求量衡量指标的前提下,针对其预测方法单一、适用范围局限等问题,提出构建基于灰色GM(1,1)预测模型、一元线性回归分析预测模型和趋势平均法预测模型的标准差法组合预测模型.以大连市为例,选取大连市快递量作为预测指标,预测结果表明,标准差法组合预测模型的预测结果最为准确,其平均相对误差为3.04%.所建立的模型为区域快递需求量预测工作提供参考.     

火灾损失预测的改进GM(1,1)模型

本文对随机性较强的火灾事故,提出了采用改进GM(1,1)模型来减小预测误差.该模型通过三次改进提高预测精度,首先基于普通GM(1,1)模型,改进模型中初始值提高模型精度;其次基于初值改进后的GM(1,1)模型进行残差修正,再次提高预测准确性;最后对残差修正模型中的初始值进行改进,使最后预测模型更加精确.并且在处理含负值的残差数列时,提出了二次累加的方法进行模型预测.通过普通模型的预测值与改进模型的预测值进行对比,可以发现改进后模型的预测值更加接近实际值.结果表明,三次改进后的GM(1,1)模型精度明显提高,为以后预测研究提供一种理论参考.     

基于改进的GM(1,1)-Markov链组合模型广东省单位GDP能耗预测

本文以灰色系统理论的GM(1,1)模型和随机过程理论的Markov链模型为基础构建了一个动态GM(1,1)-Markov链组合预测模型。该模型同时利用了GM(1,1)模型对序列趋势因素良好的拟合能力和Markov链模型对残差序列信息的提取能力。为进一步提高该模型的预测精度,用泰勒(Taylor)近似方法和新信息优先的思想对该模型进行了改进。最后,以1991-2014年广东省单位GDP能耗数据实证了该模型的预测效果。     

基于无偏灰色PSOMarkov优化模型的加油站便利店零售销量预测方法研究

加油站便利店是一种新兴的零售业态,准确地预测其零售销量具有重要意义.以往的销量预测模型多为单一模型,提出了一种基于粒子群优化的无偏灰色PSOMarkov预测方法.首先,基于灰色系统理论建立了无偏GM(1,1)预测模型,消除了常规GM(1,1)预测模型的固有偏差.其次,利用Markov理论对无偏GM(1,1)预测模型的相对残差进行了修正,模型能较好地体现数据的波动特征.最后,利用改进的粒子群优化算法白化无偏GM(1,1)-Markov预测模型灰区间的参数,得到无偏灰色PSO-Markov预测模型.通过云南昆明市红瓦副加油站便利店的零售销量案例表明,模型能提高预测模型的精度.模型可用于加油站便利店的商品销售预测,并为企业的经营决策提供依据.     

基于改进灰色马尔科夫模型成品油消费预测

近年来中国经济放缓,成品油的消费一定程度上受到了抑制,2016年,我国汽柴油表观消费量首次较前年下降.成品油消费税率提高,导致部分成品油生产资本向新能源项目转移.根据GM(1,1)模型和马尔科夫模型时间序列预测的长短期互补,首先用GM(1,1)模型对成品油消费量进行预测,随后利用马尔科夫模型对GM(1,1)预测误差项的状态及状态概率进行预估,采用预测状态与其概率的乘积对GM(1,1)预测值进行修正.结果表明,改进后的灰色马尔科夫模型误差小,精度高,适于中长期预测.除此之外,组合模型还可以通过增加误差状态划分的个数,以提高模型预测的精度.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

基于GA-BP模型的北京城镇农产品冷链物流需求预测

以农产品冷链物流需求为研究对象,从农产品供给、社会经济、冷链发展、人文、物流需求规模五个角度构建其指标体系,利用遗传算法(GA)的全局搜寻能力,构造了预测农产品冷链物流需求的遗传BP神经网络模型(GA-BP)并以北京为实例,对其城镇农产品冷链物流需求进行预测.结果表明,建立的模型对冷链物流需求与其影响因素的非线性关系有较强的刻画能力和较高的预测精度,能够为农产品冷链物流规划者及政府提供定量的决策依据.