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.     

卡托普利缓释片释放过程的灰色数学模型

目的:用灰色理论研究卡托普利缓释片的体外释放过程.方法:采用羧甲基纤维素钠为骨架材料制备缓释片,通过体外释放试验,根据灰色数学模型,预测卡托普利缓释片的体外释放过程.结果:预测值与实测值的平均绝对误差E为0.532,平均相对误差为1.059%.结论:为卡托普利缓释片的临床合理化用药提供了理论依据.     

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.     

基于初值修正的组合灰色Verhulst模型

对灰色Verhulst模型的拟合精度进行了分析,表明初值的选取对模型精度有重要影响.为提高灰色模型的拟合精度,利用最小二乘原理确定初值中的待定常数,给出了初值修正的灰色Verhulst模型.进一步利用修正模型和传统灰色Verhulst模型建立了组合灰色Verhulst模型,在平均相对误差最小的原则下,利用蚁群算法确定组合权系数.最后通过两个应用实例进行了计算和分析,结果表明,通过初值修正和组合模型能够提高灰色Verhulst模型的拟合精度,便于通过程序实现.     

铅球投掷的数学分析

建立铅球投掷的数学模型,利用灰色关联分析的方法讨论了铅球投掷过程中出手时的初速度v、出手角度α和出手高度h等因素对投掷距离s的影响,利用拟合的方法得到了出手速度和出手角度之间的拟合公式,明确了它们之间的量化关系和铅球投掷的理想出手角度.     

基于遗传算法的灰色Elman神经网络预测模型及其应用

针对少数据、贫信息、非线性、动态性的时间序列,采用遗传算法对Elman神经网络的初始权值进行优化以避免陷入局部最小值.建立灰色GM(1,n)模型对其进行预测,使用优化后的神经网络对预测结果进行修正.通过实例拟合、预测,对比灰色GM(1,n)模型、灰色神经网络模型和基于遗传算法的灰色神经网络模型结果,验证预测模型的有效性.结果表明,基于遗传算法的灰色Elman神经网络预测模型能够扩大搜索范围,稳定网络结构,提高解的精度.     

基于动态数据驱动的改进灰色马尔科夫模型黄金价格预测

将黄金数据的尖峰厚尾、异方差性及杠杆效应等统计特征与马尔科夫概率转移矩阵所具有的动态变化规律结合,提出一种改进的灰色马尔科夫模型.模型首先对数据进行统计分析,建立相应的概率统计模型并用此模型对系统发展变化趋势进行拟合.在拟合序列的基础上利用马尔科夫链的动态转移变化建立状态转移概率矩阵,采用动态数据驱动原理对未来每一步数据进行动态预测.模型既是统计方法与数据动态驱动的结合,克服了传统的灰色马尔科夫模型中对数据内在统计规律的忽视,实证表明其预测精度较灰色马尔科夫模型预测高,具有较好的实用性.     

关于非等距序列建模过程的讨论

目的:怎样建立非等距序列的最佳数学模型.方法:讨论用灰色系统GM(1.1)模型和非线性回归方法建立非等距序列的数学模型的过程,找出产生问题的原因,寻求解决问题的方法.结果:接近于指数规律变化的非等距序列,用非线性回归方法建立的数学模型比用灰色系统GM(1.1)模型方法建立的数学模型的精度高;对于其他的非等距序列,用灰色系统GM(1.1)模型方法建立的数学模型比用非线性回归方法建立的数学模型的精度高.结论:在建立非等距序列的数学模型时,采用灰色系统GM(1.1)模型方法与非线性回归方法结合的策略,可以得到较佳的数学模型.     

基于改进灰色马尔科夫模型的年降水量预测

通过结合灰色预测和马尔科夫理论的特点,利用新信息优先的思想,提出一种改进的灰色马尔科夫预测模型,首先对序列进行滑动平均处理,然后用无偏GM(1,1)模型拟合系统的发展变化趋势,并以此为基础进行马尔科夫预测,在每一步预测中,不断推陈出新,更新原始数据.实验结果表明,与一般的灰色预测模型相比,其预测准确度尤其是中长期预测准确度得到了较大提高.     

基于信息再利用的灰色系统GM(1.1)模型建模方法及应用

目的:寻找新的灰色系统GM(1.1)模型建模方法,建立拟合精度与预测精度较高的GM(1.1)模型.方法:在邓聚龙教授建模方法的基础上,用基于信息再利用的方法,建立新的灰色系统GM(1.1)模型.结果:用基于信息再利用的灰色系统GM(1.1)模型建模方法建立的GM(1.1)模型,其拟合精度与预测精度不但优于传统方法建立的GM(1.1)模型,而且优于其他改进方法建立的GM(1.1)模型.结论:基于信息再利用的灰色系统GM(1.1)模型建模方法不但建模过程简单适用,而且其建立的GM(1.1)模型拟合精度与预测精度优于其他改进方法建立的GM(1.1)模型,因而具有广泛的应用价值.     

Forecasting energy demand using neural-network-based grey residual modification models

Grey forecasting models have taken an important role for forecasting energy demand, particularly the GM(1,1) model, because they are able to construct a forecasting model using a limited samples without statistical assumptions. To improve prediction accuracy of a GM(1,1) model, its predicted values are often adjusted by establishing a residual GM(1,1) model, which together form a grey residual modification model. Two main issues should be considered: the sign estimation for a predicted residual and the way the two models are constructed. Previous studies have concentrated on the former issue. However, since both models are usually established in the traditional manner, which is dependent on a specific parameter that is not easily determined, this paper focuses on the latter issue, incorporating the neural-network-based GM(1,1) model into a residual modification model to resolve the drawback. Prediction accuracies of the proposed neural-network-based prediction models were verified using real power and energy demand cases. Experimental results verify that the proposed prediction models perform well in comparison with original ones.     

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.     

基于函数arccos(px+q)变换的灰色预测模型研究

借助于函数变换理论和灰色系统建模理论,并结合反余弦函数和线性函数的特点,提出了反余弦函数和线性函数相结合的变换方法并建立了一个改进的GM(1,1)模型.证明了这种变换一方面能提高序列的光滑比并压缩序列的级比;另一方面可以使还原误差减小.具体算例结果表明,经过反余弦函数和线性函数相结合建立的改进GM(1,1)模型的拟合精度优于传统GM(1,1)模型和基于反余弦函数变换的GM(1,1)模型的拟合精度.     

贫信息背景下朱兰质量成本灰色GM(1,1)测算模型

朱兰曲线将质量总成本表示为质量投入与直接质量损失的合成.针对不同质量水平下的质量成本变化趋势,建立保证成本和故障成本的正负指数模型来确定最佳质量成本.灰色均值GM(1,1)测算模型可以同时克服"少数据""贫信息"的缺陷,更加精确地拟合质量成本的变动趋势.与指数函数模型模拟效果进行对比,结果表明灰色系统理论系列模型具有较高的预测精度,将指数函数模型和灰色GM(1,1)模型结合起来可以为企业提高质量管理水平尤其是质量成本管理提供依据和指导.     

累加生成的改进和GM(1,1,t)灰色模型

根据卷积变换可提高变换序列光滑度的特性和累加生成的机理,对灰色建模中的序列生成方式和GM(1,1)模型加以改进,用线性序列对建模序列作卷积变换,建立带线性时间项的灰色模型GM(1,1,t),实例计算结果表明GM(1,1,t)模型的模拟精度较GM(1,1)模型有较大提高且适用范围更广.     

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.     

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.     

西藏林芝地区城镇居民消费支出的G(1,1)模型预测及其影响因素的关联度分析

利用2006—2012年林芝地区城镇居民人均生活消费支出数据为研究对象,应用灰色系统理论建立了林芝地区城镇居民消费的G(1,1)预测模型,对其未来几年的人均生活消费进行预测,分析得出:在未来五年中林芝地区城镇居民人均生活消费支出呈现攀升的态势,平均年增长率预计达到7.93%.并运用灰色关联分析方法对影响林芝地区城镇居民消费支出的主要因素进行系统分析,确定了各因素相对于消费支出的关联程度.     

基于三角模糊数序列的灰色预测模型

以GM(1,1)模型为代表的灰色预测模型是以精确数序列为基础,难以满足实际需要.为了使灰色模型适应于模糊数序列,具体给出了一种基于三角模糊数序列的建模方法,这种方法也可以实现对二元区间模糊数和梯形模糊数序列的建模.首先由三角模糊数序列得出三个含有等量信息的精确数序列:重心序列、隶属函数的覆盖面积序列和中界点序列,对这三个序列分别建模后,再导出原始三角模糊数序列的三个界点的预测模型.这种建模方法既保持了模糊数的整体性又提高了建模序列的光滑度,提高了预测精度.最后进行了多组随机三角模糊数序列的数据模拟,验证了模型的有效性.     

灰色预测在农林牧渔业发展中的应用

运用GM(1,1)模型对我国农林牧渔业总产值进行预测,首先对数据进行预处理,使其满足灰色预测模型的条件,运用M ATLAB软件编程求解.通过做残差检验和滚动检验,发现误差均小于10%,最后进行了关联度分析.得出结论:对农林牧渔业总产值影响最大的为渔业,其次为牧业,林业和农业.