基于GM(1,1)水泥产量预测模型

运用灰色系统理论中的GM(1,1)灰色预测模型,以全国近7年来的水泥产量为例,对其未来几年的生产状况进行科学预测,为今后的生产提供科学依据.     

灰色GM(1,1)预测模型及拓展研究进展

灰色预测是一种不确定性系统预测理论,以GM(1,1)为基础的预测模型得到较多关注与研究.针对GM(1,1)及相关拓展和改进模型,总结近年来主要研究成果,从预测精确度研究、模型适应性研究、模型结构拓展、冲击扰动预测四个方面对相关文献进行综述,梳理灰色预测领域重要成果,探讨有待深入研究的问题并提出灰色预测理论未来发展建议.     

灰色GM(1,1)模型研究综述

GM(1,1)是灰色预测理论的核心模型和基础模型.从累加生成方法、初值优化、背景值优化、参数估计方法、模型性质和模型拓展的视角,梳理了GM(1,1)模型的研究进展.明确了有待进一步研究的问题,对GM(1,1)模型的未来研究方向提出了建议.     

灰色预测GM(1,1)模型的一点改进

讨论了灰色预测GM(1,1)模型理论上存在的一些问题,认为在解微分方程dXdt(1)+aX(1)=b进行预测公式推导时,把-X1(1)=X11作为已知条件来确定微分方程的解是不合理的,而应根据实际情况,不局限于{X(1)(k)}序列,直接从最后的平均相对误差ε-=n1∑k=n1ε(k)入手,将-ε看作是常数cm的函数,求出满足Min{-ε(cm)}的cm值即可,并在此基础上推导出cm的计算公式,形成新的灰色预测公式,从而进一步提高预测精度,最后经过实例验证新的预测公式的正确性及可行性.     

灰色GM(1,1,

将灰色理论用于人体药物代谢动力学的研究,建立了一种新的灰色模型GM(1,1,     

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.     

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.     

湖南省第三产业就业人数预测——基于灰色系统GM(1,1)模型

运用灰色系统GM(1,1)模型对2002-2007年湖南省第三产业就业人数的数据进行分析.通过灰色系统相关检验发现,GM(1,1)模型误差较小,能较好地拟合湖南省第三产业就业人数的情况.运用该模型预测:2008年湖南省第三产业就业人数是1403.4万人,2009年是1512.2万人,2010年是1629.3万人,2011年是1755.6万人.     

灰色系统预测模型GM(1,1)背景值重构研究

分析了灰色系统预测模型GM(1,1)对高增长指数序列建模适应性较差的原因,通过重构背景值计算公式,建立了一个适应性极强的灰色系统预测模型NGM(1,1),该模型具有对建模结果进行优化的能力.算例结果表明该模型对低增长指数序列和高增长指数序列建模都能获得最佳的拟合和预测精度,对经济、工程和自动控制等领域中的预测问题有较高的理论价值和实践意义.     

灰色GM(1,1)预测在病虫测报上的应用

前言 灰色预测是从过去或当今的信息预测未来信息,这些信息对未来事件预测可能是不充分的,称之为“灰色”。病虫发生受气候、天敌等生态条件及本身条件的制约,而且现有信息与未来信息的关系是不十分明确的,从而是“灰色”的,近年来,我们运用灰色预测对麦蚜、粘虫、玉米螟进行了预报,取得了较好的效果。 农业生态系统是由若干子系统组成,子系统相互独立又相互依存,病虫本身是一个子系统,受其它因素影响较大,每年发生差异较大,一般不成平稳序列。直接用GM(1,1,)建模,拟合率较差,所以,我们必须对历年数据进行处理,由于数据处理方法不同,可分为…     

逐步优化灰导数的非等间距GM(1,1)模型

利用前向差商和后向差商的加权平均值代替灰导数,对非等间距灰色预测模型进行了改进,给出了加权系数的估计公式,并采用逐步递推的方法优化参数,建立新的非等间距GM(1,1)模型.最后通过实例证明了新模型具有较高的精度.     

基于拓广的GM(1,1)的土地利用变化情景研究

根据土地利用类型面积变化的特点和GM的理论缺陷,对GM进行了修正和拓广,即采用“幂函数—对数函数”和“指数函数”对原始数列进行离散化处理,将一次累加后的数据列作为已知条件,这种方法对提高预测精度提供了新的途径.最后结合预测结果对研究区土地资源的合理规划与利用提出了建议.     

基于残差修正的非等时距GM(1,1)模型及其应用

针对很多预测案例中历史数据序列非等时距的特点,构建了非等时距的GM(1,1)预测模型,将序列的时间间隔作为乘子嵌入模型中,同时通过动态采用最新分量作为初始值、动态优化背景值和累积残差修正等方法,解决了非等时距预测模型长期预测精度不易控制的难题.将该模型应用于某发动机油液监测数据预测中,预测效果较好.     

日本落叶松生长的经验方程与灰色GM(1，1)模型研究

对日本落叶松三测树因子采用了5个经验方程和灰色GM(1,1)模型进行研究,经验方程中选中了柯列尔式,柯列尔式的各测树因子的残差平方和均小于GM(1,1)的残差平方和.     

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.     

基于等间距化的非等间距灰色GM(1,1)模型及优化

针对现有非等间距GM(1,1)模型存在的不足,借鉴分段线性插值将非等间距序列等间距化的思想,以非等间距的方法建立了一种新的非等间距GM(1,1)模型,模型不需计算插值数据,可直接利用原始数据建模.然后通过赋予原始数据下标序列变换系数,利用平均模拟相对误差最小的原则确定各参数,建立优化后的非等间距GM(1,1)模型.最后通过算例测试和应用实例表明提出模型的有效性和可行性.     

优化灰导数白化值的无偏灰色GM(1,1)模型

通过优化灰导数白化值 ,建立了无偏的 GM(1,1)模型 ,给出了估计模型参数的方法 ,证明了无偏GM(1,1)模型具有白指数律重合性 ,提出了新的预测公式 .实例分析表明 ,新方法提高了模型的精度 ,扩大了模型的适用范围 .     

灰色GM(1,1)模型的改进模型在房地产价格指数预测中的应用

提出了一种结合非线性回归技术的灰色GM(1,1)模型的改进模型.利用我国的房地产价格指数预测作为研究对象,用以验证所提方法的有效性和准确性.根据实证结果,说明了新的改进模型有效提高了经典灰色模型的预测精度.