基于最小二乘法的GM(1,1)模型在我国蔬菜产量预测中的应用研究

从2011年起,蔬菜产量和产值均超过粮食,已跃居成为中国的第一大农产品,其生产状况影响全国市场的稳定.蔬菜产量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1,1)模型,应用灰色系统预测理论对我国未来几年内蔬菜产量进行了短期预测.首先介绍了普通GM(1,1)模型;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立基于最小二乘法的GM(1,1)模型;其次结合2009至2013年我国蔬菜产量数据建立预测模型;最后经过误差检验并使用2014年数据对模型可靠性进行验证,基于最小二乘法的GM(1,1)模型的预测结果更加接近实际值.预测结果显示未来3年中国蔬菜产量将持续增加,该模型为其他相关预测提供了理论依据,也便于我国对未来蔬菜产品市场进行宏观调控,维持市场平衡,避免价格波动风险.     

上海未来短期客运量的预测分析——基于最小二乘法改进的GM(1,1)模型

客运量受诸多因素影响因此数据波动性大,并且具有小样本性及贫信息等特点.采用基于最小二乘法改进的GM(1,1)模型,对上海市的客运量进行短期预测.首先介绍了普通GM(1,1)模型的建立方法;然后通过最小二乘法的原理弱化波动较大的数据,减少随机性,加强规律性建立改进的新GM(1,1)模型;其次结合2005-201.4年数据建立预测模型;最后使用2014年数据对模型可靠性进行验证.结果表明该预测方法精度高误差小,改进的模型预测结果更加接近实际值.该模型为其他相关预测提供了理论依据,也便于上海市对未来交通运输的宏观调控.     

上海市社会总抚养比的预测分析——基于最小二乘法的改进GM（1,1）模型

上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM（1,1）模型.首先文章介绍了普通GM（1,1）模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM（1,1）模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

基于线性多步法的GM(1,1)模型优化及应用

为提高灰色GM(1,1)模型的模拟效果和预测精度,采用线性多步法中四阶Adams显式公式和隐式公式来优化GM(1,1)模型,改进模型的参数辨识,讨论所建立优化模型的适用范围、模拟效果和预测精度,并与最小二乘作为参数辨识的传统GM(1,1)模型进行比较.实例表明,基于线性多步法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性.     

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.     

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.     

改进GM(2,1)模型的MATLAB实现及其应用

针对经济预测,根据灰色模型GM(1,1)的应用介绍了灰色模型GM(2,1)的原理,并利用最小二乘法改进GM(2,1)算法及其预测步骤,用MATLAB实现了预测,用中国经济增长率数据做了仿真,对观测时间序列拟合出数学模型.     

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.     

一类准指数序列的模型优化

在传统GM(1,1)模型基础上,结合最小二乘法原理提出:对本身已具有准指数规律的原始序列直接进行建模,并在此基础上对新模型背景值进行适当优化.克服传统GM(1,1)模型建模过程中的盲目性,并提高了拟合与预测精度.     

改进的GM(1,1)幂模型的构建与应用

在构建GM(1,1)幂模型中,经常利用一阶非齐次线性方程的常数变易法求得GM(1,1)幂模型白化方程的解,再利用白化方程,在灰色系统信息覆盖原理下经过离散化处理推导出参数γ的计算公式,并利用最小二乘法求解参数a,b.但是在求解过程中由于离散化的处理,造成了时间响应预测函数精度的下降。为了弥补精度下降的缺陷,对于预测模型利用PSO算法进行了系数修正.案例对比研究发现,传统的GM(1,1)预测效果最差,改进的GM(1,1)幂模型预测效果最好.     

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.     

Grey forecasting method of quarterly hydropower production in China based on a data grouping approach

Grey model GM (1,1) has been widely used in short-term prediction of energy production and consumption due to its advantages in data sets with small numbers of samples. However, the existing GM (1,1) modelling method can merely forecast the general trend of a time series but fails to identify and predicts the seasonal fluctuations. In the research, the authors propose a data grouping approach based grey modelling method DGGM (1,1) to predict quarterly hydropower production in China. Firstly, the proposed method is used to divide an entire quarterly time series into four groups, each of which contains only time series data within the same quarter. Afterwards, by using the new series of four quarters, models are established, each of which includes specific seasonal characteristics. Finally, according to the chronological order, the prediction results of four GM (1,1) models are combined into a complete quarterly time series to reflect seasonal differences. The mean absolute percent errors (MAPEs) of the test set 2011Q1–2015Q4 solved using the DGGM (1,1), traditional GM (1,1), and SARIMA models are 16.2%, 22.1%, and 22.2%, respectively; the results indicated that DGGM (1,1) has better adaptability and offers a higher prediction accuracy. It is predicted that China's hydropower production from 2016 to 2020 is supposed to maintain its seasonal growth with the third and first quarters showing the highest and lowest productions, respectively.     

灰色系统理论在河北省城镇居民人均年收入预测中的应用

运用灰色系统理论,对河北省城镇居民人均年收入建立了GM(1,1)预测模型,并进行了预测.由计算结果表明该预测模型具有较好的预测精度.     

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.     

基于灰色理论的温州房价预测模型

以温州统计局有关房地产销售数据为分析对象,用销售总面积和销售总额折算成价格指标,采用灰色系统GM(1,1)建立数学模型对房屋价格指标进行分析和预测.基于投资回报周期和预期心理,对2007至2010年的房价作两次平移整理后再进行建模,效果更为理想.利用模型对.2011年上半年房价进行预测与市场行情吻合性程度高.     

基于模糊GM(1,1)模型的时间序列预测

提出了一种模糊GM(1,1)预测模型,即FGM(1,1)模型,该方法是在GM(1,1)模型中引入模糊成员函数,通过模糊成员函数对时间序列数据进行模糊化,达到数据优化选择,实现历史数据"重近轻远"的预测效果.仿真结果表明所提出的预测方法有效可靠,为提高预测精度提供了新的途径.     

基于残差修正的GM(1,1)模型在水质预测中的应用研究

将基于残差修正的GM(1,1)模型应用到永定河流域官厅水库出口断面的水质预测中,对常规污染物COD,DO,NH_3-N的浓度值进行趋势预测并对预测结果进行后验差检验.结果表明,与传统的GM(1,1)模型相比,残差修正的GM(1,1)模型能够有效提高预测精度.