灰色系统分析应用——预测上海房地产市场需求量变化并对其影响因素做关联度分析

近两年上海房地产市场快速发展 ,主要利用灰色分析法预测未来几年上海房地产市场的需求量的增长情况并对市场需求的主要影响因素做出关联度分析 ,最后得出结论 .     

周口市住宅商品房价格的分析与预测

近年来周口市住宅商品房价格持续上涨,引起了社会各界的关注.为了研究周口市住宅商品房价格的影响因素和未来走势,提出了一种基于灰色理论和多元线性回归分析的房价预测模型.首先,利用灰色关联度分析选取出对周口市住宅房价影响较大的因素.然后,通过进行统计检验和修正多重共线性,建立一个修正的多元线性回归预测模型.最后,在采用灰色GM(1,1)预测模型预测出所选取影响因素的新的时间序列值的基础上,再进行回归分析,预测出2017-2020年周口市住宅商品房平均销售价格.可见,未来几年内周口市住宅商品房价格仍会呈逐年快速上涨趋势,但增速不会越过25%的合理水平.     

基于灰色马尔可夫模型的物流配送需求量预测研究

研究可以较准确地预测物流配送需求量的数学模型,以服务于政府及企业的物流规划及其决策.将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM模型预测.     

房地产市场供求均衡与房地产价格研究——以北京商品房市场为例

中国房价上涨幅度较大,研究房地产供求市场及其价格,能把握房地产市场规律,促进房地产市场的平稳健康发展.研究从供求均衡理论角度分析了房地产市场的供求规律及其价格,通过建立商品房市场的供需动态均衡模型,以1990~2010年北京市商品房市场为例,对房地产市场的供求弹性、与长期均衡之间的关系及其对房地产价格的影响进行了实证研究与分析.研究表明房地产供给市场长期略具弹性,而需求市场长期弹性较大,价格对商品房市场的调节作用并不明显,实现房地产市场的供求均衡,需要政府力量的介入并对市场进行宏观调控.     

基于果蝇算法优化灰色神经网络的冰箱订单需求预测研究

冰箱订单需求具有一些不确定因素,传统的数据模型不能准确描述订单变化规律.预测精度比较低.为了进一步更加准确地预测出冰箱订单需求量,采用了将果蝇算法和灰色理论相结合.构建了一种果蝇优化灰色神经网络的冰箱订单需求预测方法.利用灰色系统理论处理订单产生中的随机性,由果蝇算法对灰色神经网络的参数进行优化,实现对冰箱订单的准确预测.通过两组实验,果蝇算法优化灰色神经网络和灰色神经网络,两者相比较,果蝇算法优化灰色神经网络提高了订单需求的预测精度,为冰箱订单需求的预测提供了依据.     

基于新陈代谢灰色预测模型的西安市电力需求量的预测

选取西安市2010-2017年的总用电量数据,建立了灰色GM(1,1)模型,对西安市全年电力需求量进行预测.经检验,模型具有较高的精度.进一步通过建立新陈代谢GM(1,1)模型对西安市未来5年的全年电力需求量进行预测,为西安市的电力发展提供科学决策依据.     

人口结构变动对房地产市场需求影响的灰色关联分析

基于灰色关联度分析方法,对影响福建省房地产市场需求的各因素进行测算、进而排序,得出各影响因素的相对重要性依次是:商品住宅房屋竣工面积商品房平均销售价格城镇居民人均可支配收入第三产业人口占比城镇人口数占比15-64岁人口数占比男性人口数占比福建省GDP房地产开发投资额.人口的年龄、性别、城乡和产业四个方面结构变动对福建省房地产市场需求的影响已不容忽视,这对于预测房地产市场发展变化具有重要意义.     

基于协整理论和灰色系统的我国粗钢需求预测

运用协整理论和灰色系统对中国1979-2008年的粗钢消费量和GDP进行分析,并对中国2009-2020年粗钢需求量进行了预测和修正,得到中国2015年粗钢需求量在6.4-7.3亿吨之间,2020年在8.2-8.8亿吨之间的结论.     

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.     

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.     

基于灰色预测模型的山西省批发零售业人员需求分析

以灰色预测模型GM(1,1)的原理与方法为基础,以山西省2010-2014年批发零售业从业人员数为依据.对山西省未来五年的批发零售业人员需求量进行预测,预测结果为山西省未来的产业政策与就业政策的制定提供参考.     

基于灰色模型的广东高技能物流人才供需预测研究

以广东省为个案,分析传统物流产业转型升级背景下高技能物流人才供需现状.根据2008-2014年广东高技能物流人才供需数据,建立广东高技能物流人才供需量的灰色模型并进行检验,证明模型可用,并对广东高技能物流人才供需量进行预测.研究结果表明:高技能物流人才供给量远远低于市场需求量,供需严重不均衡,人才缺口相差悬殊.这说明广东传统物流产业转型升级导致的结构性人才短缺问题十分突出,同时也反映高校和企业在高技能物流人才培养方面滞后,最后提出相应的对策.     

山西省商品房市场的发展规律

本文通过对山西省 1998年至 2002年共 50个月份的月度商品房销售面积 (使用商品房销售面积克服了价格波动的影响 )的实证分析,建立了一个结合普通线性模型 (OLS)、非参数核估计(KernelEstimation)、以及时间序列分析(TimeSeries)的统计预测模型。此模型既能够很好地分离出商品房销售面积随时间的增长趋势,又能够很好地刻画它在各个年度周期内部光滑的季节规律。基于此模型,山西省每年商品房销售面积的规律被刻画为四个周期,即:增长期、衰退期、调整期、以及结束期。从中不难看出商品房销售规律的个性。在分析各地区商品房市场规律时,不能照搬全国商品房市场的相关规律,更不能照搬国外的测算结果。     

我国消费品市场与经济发展的灰色关联分析

学术界对消费与经济发展间的关系莫衷一是.研究从消费品市场与经济发展相关联的角度,运用灰色关联分析模型,将我国消费市场分别与国民生产总值及三次产业增加值进行灰色关联分析,以深入分析我国消费品市场发展现状与存在的问题,并为我国消费品市场如何促进经济健康发展探寻可能措施.研究发现:城镇居民消费总体而言排在第一位,对经济发展最为重要;政府消费始终排在第二位,居次要地位;农村居民消费对经济发展影响较小.     

基于灰色加权马尔可夫链的移动通信市场预测

在传统的用灰色预测模型预测的方法基础上,建立了灰色加权马尔可夫链模型.以中国移动通信市场预测作为实例,介绍了使用这种模型的方法与步骤.灰色加权马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律,又通过规范化各阶自相关系数为权重,用加权的马尔可夫转移概率矩阵的变换,考虑数据的随机波动,具有严密的科学性,能较好地应用于中国移动通信市场的预测.     

基于FGM(1,1)模型的北京市天然气消费量预测

近年来环保政策强力实施,空气质量治理力度加大,由此清洁能源的需求量增加,天然气消耗量也在逐年大幅增加.对天然气等清洁能源消耗量进行预测,可以为政府、企业调配能源提供科学依据.本文利用北京市2013年-2017年天然气消费量数据,使用灰色分数阶FGM(1,1)模型,对北京市天然气消耗量进行预测,根据预测结果为政府、企业决策提供参考.     

基于灰色残差马尔科夫模型的山西省农产品冷链物流需求预测

冷链物流的需求预测对于调节我国目前的市场结构、平衡供求关系、优化物流资源配置等方面具有十分重要的现实意义.以2011-2020年山西省主要农产品产量作为原始数据,利用传统灰色预测模型和灰色残差马尔科夫模型设计拟合分组试验,并对两种模型的预测效果进行对比.试验结果表明,灰色残差马尔科夫模型的预测结果相比于传统灰色预测模型更加精准,因此选择灰色残差马尔科夫模型预测山西省2021-2027年度冷链物流需求.预测结果显示,2021-2027年山西省农产品的冷链需求年平均增长6.12%,增速比较缓慢,有很大的进步空间.该预测结果对山西省冷链运输发展的相关规划和建设有一定的借鉴作用.     

基于空间统计分析的中国省域房地产价格差异研究

运用空间统计分析方法对我国其中31个省市1999-2006年商品房平均价格分布差异进行研究.商品房价格的空间自相关分析结果表明,中国省域商品房价格具有显著的空间自相关,而且这种趋势在逐年增强.Moran散点图和LISA分析结果显示,省域商品房价格存在明显的二元结构,高值集中在经济比较发达的东部沿海地区,低值聚集在经济相对比较落后、房地产开发起步较晚的西部地区,而且这种集聚特征1999年以来一直存在.     

基于RS-BPNN模型对商品房价格的预测研究

为了克服传统预测方法的不足,采用RS-BPNN模型预测商品房价格.利用粗糙集理论确定影响商品房价格的主要因素,运用具有超强数据处理能力的BP神经网络,根据筛选的主要因素作为输入节点数,构建商品房价格的预测模型,然后通过实例进行仿真.结果表明,其预测精度远远超过传统预测方法.可见RS-BPNN模型在房地产价格预测领域具有很强的实用性.     

中国房地产价格的多元线性回归模型

近几年,房价的迅速增长,已经远远超过了GDP和居民可支配收入的增长.那么,我国房地产市场是否已经过热,是否已经出现了泡沫.基于2000~2006年的数据对我国房地产价格函数的影响因素进行了多元线性回归分析.尽管我国部分地区价格偏高,但是并没有出现商品房价格泡沫.