基于GM(1,1)模型的新疆保险业“十二五”发展预测

选择新疆2002—2010年的保费收入,保险密度,保险深度这三项指标,其中将保费收入划分为财产险保费收入和人身险保费收入,对新疆保险业"十二五"发展进行预测.采用的预测方法是灰色系统理论中的GM(1,1)预测模型(一阶一元灰色模型).并对预测结果进行定性分析,提炼出本文的结论,为新疆保险业"十二五"发展战略提供坚实的数据支撑.     

自适应灰色欧拉模型的优化及其应用

灰色预测模型已经在很多领域获得成功的应用,但是该方法的模型性能还可以进一步提高.为此,提出了一种新的灰色欧拉模型GEM(1,1)和OSGEM(1,1),给出了参数的最小二乘法计算公式,并以微分方程为推理过程,得到了GEM(1,1)模型和OSGEM(1,1)模型的时间响应序列.利用2002-2015年的数据建立预测模型,利用2016-2018年的数据评估模型的准确性.结果表明,OSGEM(1,1)模型优于其他模型.     

奥运会男子十项全能前三名成绩的灰色预测模型的研究

研究了奥运会男子十项全能前三名成绩的灰色预测模型.将奥运会第20届至第28届男子十项全能前三名成绩数据进行分析处理,采用包络线法和新陈代谢法建立GM(1,1)灰色预测模型,该模型不仅贴近实际,还可以对第29届男子十项全能前三名成绩进行预测.     

基于GM(1,1)残差模型的科技园区财政收入预测

根据科技园区财政收入预测的需要,在对历史数据分析的基础上,利用灰色预测理论建立了丰台科技园区财政收入预测的GM(1,1)模型,为了提高预测精度,用GM(1,1)残差模型对其修正,得出预测公式.通过预测结果的对比分析和模型的后验差检验,证明预测模型精度较高.模型的应用为科技园区财政收入预测提供了一种科学方法,同时也为园区管理决策提供了依据.     

奥运会男子现代五项前三名成绩的灰色预测模型的研究

研究了奥运会男子现代五项前三名成绩的灰色预测模型.将奥运会第16届至第29届男子现代五项前三名成绩数据进行分析处理,采用包络线法和新陈代谢法建立GM(1,1)灰色预测模型,预测了第30届男子现代五项前置名成绩.并对预测结果进行了分析.结果表明:该模型精度较高、预测误差小,预测结果可为我国体育决策部门、教练和运动员提供参...     

北京市道路交通事故灰色预测模型的构建与应用

利用灰色预测理论,根据北京市1999～2006年道路交通事故的统计资料,建立了北京市道路交通事故发生次数的灰色GM(1,1)预测模型,并根据实际数据的特点,对所建立的模型进行了改进.经证实,改进后的GM(1,1)模型预测精度高,预测结果与实际相符.GM(1,1)模型的预测结果可为北京市道路交通管理部门制定预防交通事故的措施提供重要的数据支持和理论依据,这对加强北京市的道路交通管理、改善北京市的道路交通安全状况将具有一定的现实意义.     

以x~((1))(n)为初始条件的DGM(1,1)模型

根据灰色系统理论的新信息优先原理,建立了以x~((1))(n)为初始条件的离散灰色预测模型,证明了灰色预测模型与离散灰色预测模型分别在初始值优化前后的等价性,最后通过一个算例验证了模型的有效性与实用性.     

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.     

基于残差修正GM(1,1)模型的火灾事故预测

为掌握火灾发生、发展的规律,针对火灾事故的特点,根据灰色理论,建立了我国火灾起数及死亡人数的GM(1,1)预测模型.由于火灾起数的波动性较大,运用残差变化规律,对所建立的GM(1,1)预测模型进行了修正,得到残差修正GM(1,1)预测模型,应用该模型对火灾起数进行预测,使预测精度达到了一级.预测结果可以为消防安全管理部门的决策提供科学的依据.     

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.     

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。     

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.     

基于组合方法的机场航油销售量预测研究——以新疆为例

为了使预测更为准确,采用了三种模型加权组合的方法对机场航油销售量预测进行了组合预测.探讨了影响新疆机场航油销售量的三大因素,并对"十三五"期间各年航油销售量进行预测与研究分析.通过研究新疆机场航油销售量与旅客吞吐量、货邮吞吐量和起降架次之间的关联关系,通过建立相关系数模型、新陈代谢灰色GM(1,1)模型和弹性系数模型对新疆"十三五"期间新疆机场航油销售量进行预测.研究结果表明,此组合模型能够较为准确的预测新疆"十三五"期间的机场航油销售量,为航油设施、设备的规划提供了理论依据.     

基于灰色关联理论的阿拉尔市城镇化水平评价及预测

从社会发展指标、经济建设指标、社会稳定指标和生态环境指标四个方面选取16个指标作为评价阿拉尔市城镇化水平指标,运用灰色关联理论法,计算各指标之间的关联度并排序.选取排名前面的指标,运用灰色GM(1,1)预测模型,建立阿拉尔市城镇化水平灰色预测模型,通过残差分析检验了模型的可行性.     

基于数据变换的优化GM(1,1)模型

本文研究了提高灰色GM(1,1)模型预测精度的问题.利用复合函数变换对原始数据序列经过一定处理的基础上同时优化模型的背景值和初始值的方法,获得了比改进单个模型条件更高预测精度的GM(1,1)模型,推广了灰色预测模型的适用范围.     

GM(1,1)模型适用域讨论及模型的改进

在已有灰色系统理论的基础上,讨论了GM(1,1)模型的适用域,明确界定了GM(1,1)模型的有效区域和禁区,并提出了GM(1,1)模型的一种改进形式——离散灰色预测DGM(1,1)模型.通过对我国经济增长的实证分析说明了该模型的有效性和可靠性.研究结果表明,提出的DGM(1,1)模型可作为灰色预测的一种精确模型,因此,为我国经济增长预测提供了一种新的方法,对当前我国经济的理性增长具有重要的指导意义.     

GM(1,1)模型的改进及其在银行贷款预测中的应用

利用GM(1,1)预测模型,分析中国近年来信贷变化,发现中国信贷规模发展趋势及其信贷结构具有显著的新特征;结合模型的适用条件和预测结果的检验要求,提出了四条思路解决数据缺损导致信息挖掘失真以及如何处理数据中所包含的大量"噪音"等问题,并认为对那些波动较大的数据应采取连续平滑的方法改造原始数据;对于那些有奇异值的原始数据可采用插值法替代它,试验和案例应用印证了改进的模型可以提高预测精度.     

On the properties of small sample of GM(1,1) model

In grey prediction modeling, the more samples selected the more errors. This paper puts forward new explanations of “incomplete information and small sample” of grey systems and expands the suitable range of grey system theory. Based on the geometric sequence, it probes into the influence on the relative errors by selecting the different sample sizes. The research results indicate that to the non-negative increasing monotonous exponential sequence, the more samples selected, the more average relative errors. To the non-negative decreasing monotonous exponential sequence, a proper sample number exists that has the least average relative error. When the initial value of the sequence of raw data of new information GM(1,1) model changes, the development coefficient remains unchanged. The segmental correction new information GM(1,1) model (SNGM) can obviously improve the simulation accuracy. It puts forward the mathematic proofs that the small sample usually has more accuracy than the large sample when establishing GM(1,1) model in theory.