基于新陈代谢GM(1,1)模型的中国煤炭消费量预测分析

运用灰色系统理论,以中国2002-2012年的中国煤炭消费量建立了GM(1,1)和新陈代谢GM(1,1)预测模型.使用相对误差和残差平方和对两个模型的精度进行检验,对比表明,新陈代谢模型精度高于常规的GM(1,1)模型.使用平均弱化缓冲算子来表示能源政策对煤炭消费量的冲击,应用处理后的新陈代谢GM(1,1)模型对2015-2017年的煤炭消费量进行了预测.     

基于灰色预测模型的广州市城镇生活垃圾清运量预测

基于灰色预测理论,分别用GM(1,1)模型、分数阶GM(1,1)模型和新陈代谢GM (1,1)模型对广州市2015-2019年城镇生活垃圾清运量数据进行建模、检验和比较,结果表明新陈代谢GM(1,1)模型预测精度最高.预测2020-2024年广州市城镇生活垃圾清运量仍呈现长的趋势,在2024年将会突破1000万吨.     

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.     

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.     

指数回归-ARMA模型在我国人均生活电力消费量预测中的应用

随着我国经济快速增长、居民收入水平的显著提高,生活电力消费量快速增长。本文以1983-2006年我国人均生活电力消费量的历史数据为基础,根据趋势图拟合出与之相似的指数回归曲线,然后对其残差序列进行分析和识别,找出适合我国人均生活电力消费量的指数回归-ARMA模型,并根据此模型进行预测分析。     

动态的最佳维数GM(1,1)幂模型在基尼系数预测中的应用

针对传统灰色GM(1,1)预测模型维数确定困难、适用范围小和预测精度不高等局限性,提出了一种能处理复杂序列的动态的最佳维数GM(1,1)幂模型.最后以2003-2013年居民收入基尼系数为研究样本做预测分析,同时建立了传统GM(1,1)模型、经典GM(1,1)幂模型作为对比,结果表明:动态的最佳维数GM(1,1)幂模型的平均相对误差为0.08%,显著低于传统GM(1,1)模型的1.04%和经典GM(1,1)幂模型的0.85%.     

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.     

ARMA模型在我国电力需求预测中的应用

本文以1973年~2004年我国电力消费量的历史数据为基础,根据其趋势图拟合出与之相似的指数回归曲线,然后对其残差序列利用时间序列进行分析和识别,建立起适合我国电力需求预测的指数回归-ARM A(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测要求.     

基于随机振荡序列的GM(1,1)模型性质及其应用

为了提高GM(1,1)模型对随机振荡序列的拟合和预测效果,提出了先将原始振荡序列变为单调增长序列,再对单调增长序列进行几何平均生成交换,然后建立GM(1,1)模型.通过实例计算表明,方法能够提高GM(1,1)模型的拟合精度,可以用于随机振荡序列的建模,从而扩大了GM(1,1)模型的应用范围.     

基于小波分析的灰色GM(1,1)模型道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容,针对灰色GM(1,1)预测模型对波动性较大道路交通事故序列预测精度较低的缺点,引入小波分析理论,在小波分析理论的基础上建立灰色GM(1,1)预测模型.通过小波分析将某省2002-2009年道路交通事故起数分解成多层近似平稳的数据序列,然后对低频重构序列建立GM(1,1)模型进行预测.仿真结果表明,方法的预测结果比直接用灰色GM(1,1)模型更拟合原始数据,预测效果更好.预测结果可以为交通部门科学监管和制定决策提供一定的指导.     

GM(1,1)模型预测精度仿真分析

基于GM(1,1)模型的灰色预测具有独特优点.从GM(1,1)建模数据的选择入手,应用数值仿真方法,针对具有不同发展系数和偏离度的大量模拟序列研究了建模维数与预测精度之间的关系.研究结果给出了不同情况下的最佳建模维数和预测精度期望值,为GM(1,1)建模提供了有益的指导信息.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.     

基于新陈代谢GM(1,1)模型的湖北省城市生活垃圾清运量预测

以湖北省2007-2013年城市生活垃圾清运量为基础数据,建立新陈代谢GM(1,1)模型,对湖北省未来七年的城市生活垃圾清运量进行了分析预测.采用该模型预测湖北省2014-2020年城市生活垃圾清运量,预计到2020年,湖北省城市生活垃圾清运量将达到838.7万吨,其预测结果可作为"十三五"期间湖北省城市生活垃圾处置规划的理论依据.     

基于灰色马尔科夫模型的平顶山市空气污染物浓度预测

选用平顶山市2005—2009年各空气污染物浓度作为原始数据序列,建立灰色马尔科夫预测模型,对未来10年的污染因子浓度进行预测.模型检验结果表明:均方差比值和小误差概率均为一级;运用灰色关联分析法计算各污染物原始数据序列与预测数据序列之间的关联度,定量描述灰色马尔科夫预测模型对于空气质量预测的精确度,平均精度达到99.9%,表明灰色马尔科夫预测模型对于空气质量预测有很高的实用性.     

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.     

我国货币供应量的ARIMA模型与预测

本文介绍了符合金融系统预测规律的ARIMA时间序列模型，并根据我国货币供应量实际数据对2008年5月-2009年4月货币供应量走势进行了预测检验。实证预测结果显示与实际№相对照，模型预测精度较高，平均相对误差绝对值仅为1．56％，说明ARIMA模型能比较准确地预测我国货币供应量走势，可为我国货币供应量的预测和走势提供可靠的参考依据，并由此预计在2009年9月货币供应量将突破60万亿元。     

居民收入和消费预测的灰理论方法

阐述灰色模型GM(1,1)建立及检验的基本理论和方法.并依据2000年—2005年浙江农村居民人均纯收入和人均生活消费数据,利用GM(1,1)模型建模方法,对“十一五”期间浙江农民的纯收入和生活消费进行了预测.     

基于马尔可夫模型的我国农业产值结构预测

利用马尔可夫模型对我国农业产值结构的预测问题进行了研究,并给出了其状态转移概率矩阵的估算模型与优化方法,应用此模型依据1999-2009年我国农业产值结构的统计数据,预测了农、林、牧、渔各业的产值结构.预测结果表明,该方法对农业产值结构的平均拟合误差为3.08%.用2010-2011年农业产值结构数据进行检验预测,结果表明模型可以有效地提高农业产值结构的预测精度.最后,用模型对2012-2015年我国农业产值结构进行了预测.     

改进的包容性检验方法在我国能源需求组合预测上的应用

单一模型遴选问题是限制组合模型预测精度提高的瓶颈之一.首次将改进的包容性检验(NET)的方法用于能源需求组合预测中单一预测模型的遴选,并基于支持向量机回归模型(SVR)构建能源需求非线性组合预测模型.研究发现:1)相较而言,NET-SVR组合模型预测精度最高,稳定性最强.该模型的预测值平均相对误差最小(0.35%),明显低于未采用NET的SVR组合模型(0.58%)和基于线性包容性检验的模型(0.50%);2)NET-SVR组合模型在基准情景、低碳情景、受挫低碳情景下,分别预测出2014-2020年我国能源需求量以年均3.28%、1.45%、2.44%的比例增长,明显低于1990-2012年的年均增长率(6.08%),这种增速符合未来新常态经济增长方式下我国能源消费量的规划与控制.     

基于改进GM(1,1)模型的新疆煤炭消费预测

科学地预测煤炭消费量可为煤炭生产、进口、消费提供可靠的理论依据,建立了1998-2015年新疆煤炭消费的非线性回归的GM(1,1)模型,并预测了2016-2030年的值.研究表明:改进GM(1,1)模型的预测效果良好,新疆煤炭消费量在2016-2030年将持续出现增长趋势,但增速有所下降.