基于FOR-GRNN的寒地水稻产量预测

针对东北寒地作物水肥资源利用低下问题,以水稻为研究对象,采用氮肥、磷肥、钾肥、水作为模型输入,产量作为模型输出,运用果蝇优化算法对广义神经网络中的平滑因子进行寻优,利用MATLAB2014a神经网络工具箱对水稻不同水肥条件下产量数据进行分析和训练.结果表明,果蝇算法优化回归神经网络模型经过多次迭代寻优比较准确地确定了最佳的平滑因子,在非线性多因素系统建模方面有着很强的优势,其对产量的预测精度达86.5%,高于广义回归神经网络、BP神经网络及灰色神经网络.因此运用果蝇算法优化后的广义神经网络模型可以对水稻产量进行有效预测,为优化水稻水肥配施方案及灌溉制度的制定提供理论依据.     

灰色理论和BP神经网络在大学生就业信心指数预测中的应用

采用大学生就业信心指数来分析预测其就业信心是值得研究的问题.提出一种灰色理论和BP神经网络相结合的方法对大学生就业信心指数进行预测.首先对影响就业信心的主要因素建立不同的灰色模型,然后将每个灰色模型的预测值作为神经网络的输入,利用神经网络进行组合预测以作为其最终的预测值.结果表明组合模型的预测值相对误差更小,精度更高.     

基于修正邓氏灰色关联度的设备费用影响因素分析

针对武器装备数据多为小样本情况,采用灰色关联度对其研制生产费用影响因素的确定,针对灰色关联度不能处理负相关和组合相关的问题,提出应用普通相关和逐步回归对灰色关联度结果进行修正,实例分析表明处理结果更符合实际情况.     

基于神经网络算法的海南旅游需求测估模型

在详细调查海南旅游相关数据的前提下,先建立模型对海南旅游需求进行了预测,然后分析了影响旅游需求的主要因素.先用GM(1,1)灰色模型对海南省旅游人数进行预测,并用马尔科夫链修正误差,在灰色模型的基础上进行了优化.进一步,我们将灰色模型与BP神经网络模型结合起来进行预测,并针对BP网络输入层提供了2种方法:三年滚动预测、多因素预测.得出结论:海南旅游人数还将会逐年递增.同时,通过比较相对误差发现,对于问题的预测精度:BP神经网络灰色模型.最后,我们利用灰色关联度模型得出各因素对旅游需求的影响:服务交通景观发展消费环境.     

基于灰色线性回归组合模型的我国家用陶瓷出口预测研究

对我国家用陶瓷出口进行准确预测,是有关部门制定政策的重要依据,也是家用陶瓷行业开发国际市场的重要参考,由于家用陶瓷出口是一个信息不完全的灰色系统,仅用单一模型进行预测,往往效果不佳.通过构建灰色线性回归组合模型,对我国家用陶瓷出口量进行预测.研究表明,该组合模型具有较高的预测精度,克服了单一模型缺陷,能用于对家用陶瓷出口预测研究.最后,根据预测结果,分析了我国家用陶瓷出口增长所遇到的制约与瓶颈.     

基于灰色关联分析与BP神经网络的农业灌溉预测

针对农业灌溉用水量预测存在的复杂性、不确定性和非线性等问题,提出一种基于灰色关联度分析与BP神经网络的灌溉需水量预测,首先,采用灰色关联度分析法,选取降水量、蒸发量、平均气温、日照时间、灌溉面积作为BP神经网络的输入因子;然后,根据各影响因子与灌溉用水量的对应关系,对模型训练;最后,将训练好的模型用于2007-2017年灌溉需水量预测中.结果表明,灰色关联-BP神经网络模型预测相对误差在1.81%～5.48%以内,可为农田灌溉预测提供科学依据.     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

基于灰色神经网络模型的水质预测应用研究

将灰色模型和神经网络模型进行组合建立灰色神经网络模型,分别用灰色模型、神经网络模型和组合模型对永定河流域官厅水库断面的水质检测指标DO的浓度值进行模拟预测.结果表明,组合预测模型的模拟预测精度高于两种单一模型的预测精度.     

基于GRA-CS-BP算法的期货价格预测

针对在采用BP神经网络进行期货价格预测时,存在的模型结构复杂,易陷入局部极小值,模型无法收敛问题.考虑从网络结构和网络参数两个方面对BP网络模型进行优化,由此提出基于GRA-CS-BP算法的期货价格预测方法.首先用灰色关联度分析法进行输入变量筛选,找出和预测价格关联度大的重要因素作为网络输入,简化网络模型整体结构.然后采用布谷鸟算法对网络权阈值参数进行优化,将经过选择优化后建立的BP神经网络模型用于期货价格预测.仿真结果表明,新模型不仅具有更高的预测精度,同时其运行的稳定性也要好于单纯BP神经网络模型,为期货价格预测提出了一种新的方法.     

国债发行规模影响因素的灰色关联度分析

本文引进了一种新的多因素分析法──灰色关联度分析，对影响国债发行规模的影响因素进行分析，并将灰色关联度分析与传统分析方法──相关和回归分析──进行了比较，并由此得出几点启示．     

上海基础房价相关指标及走势的分析与研究

基础房价的相关指标及其走势一直是大众关心的热门话题．本文通过对上海基础房价相关指标的分析，建立了市场房价走势的两个数学模型．模型一：在相关性分析的基础上利用主成分分析消除指标间的共线性，再用回归拟合房价模型并进行预测；模型二：在相关性分析的基础上利用核估计方法预测出房价．继呵对2005年下半年的房价走势进行了预测，得出的结果与实际情况相吻合．     

基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测

由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GA-BP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。     

基于灰色关联分析的支持向量机的铁路货运量预测研究

采用基于灰色关联分析的支持向量机对铁路货运量进行预测.首先利用灰色关联分析法对影响铁路货运量的因素进行分析处理,然后利用基于高斯核函数的支持向量回归机建立了铁路货运量预测模型.通过分析预测结果可以发现,经过灰色关联分析后的支持向量机模型对复杂的铁路货运量数据有较好地处理能力,且预测相对误差较小.特别地,由于支持向量机的适应性,该模型具有较高的泛化能力,对影响因素较为复杂,样本数量小的预测问题可以提供一定参考.     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

基于灰色理论的价格控制问题及其算法

针对排污收费的最优定价问题,提出了基于灰色理论的价格控制问题,并给出了该问题的模型及相关的定理。在约束域为非空紧集的条件下,证明了漂移型价格控制问题的最优解一定可以在约束域的极点达到。针对漂移型价格控制问题,采用价格控制问题的搜索算法的求解技术,把灰参数看做一个新的决策变量,将该问题转化为多个含参数的非线性规划问题。最后,通过一算例验证了模型及求解方法的有效性。     

嵌入全球金融因子的中国广义灵活动态金融状况指数构建及应用--基于MI-TVP-SV-SFAVAR模型的实证分析

借鉴Thompson等(2013)[1]嵌入全球金融因子的做法,在周德才等(2015)[2]的基础上,从利率、信贷、货币供给、房价、股价和全球金融6类共30个金融指标中分别提取6个结构公因子,使用新建的MI-TVP-SV-SFAVAR模型,提出并測度了中国广义灵活动态金融状况指数(BFDFCI),进而分析其与通胀的关系,并与不包含全球金融因子的NFDFCI进行比较。结果表明:与NFDFCI相比,BFDFCI是通胀更优的领先性、相关性、因果性和预测指标,并明显优于FCI的已有研究;BFDFCI的权重是灵活时变的,其中全球金融因子的权重在世界金融危机后一直居于首位。     

基于灰色关联度下的报童问题

基于灰色系统的决策思想,提出了具有灰色特性的报童问题,即在传统报童问题的影响因素—成本价、零售量、零售价和处理价等因素中引入灰色信息.应用灰色决策方法,计算和比较理想方案和临界方案构成的综合关联度,综合关联度大者对应为优良方案.给出的算法使得决策更具有柔性,决策结果更贴近实际.     

灰色聚类分析法在评价材料合理代用的应用

对于价格高昂或者市场紧缺的材料,使用灰色聚类分析法,能够找到合理的代用品,避免了凭经验选择代用材料所带来的主观片面性.介绍了灰色聚类分析法的基本原理、分析步骤及其在产品选择代用方面的应用实例.结果表明,采用灰色聚类分析方法解决材料的代用问题是一种行之有效的方法,应用该方法能够综合考虑影响性能的多种因素,避免了单因素的主观性,评价过程更加合理客观,评价结果能准确的反映代用品的性能.     

中国螺纹钢期货市场价格发现功能研究

螺纹钢期货价格发现功能研究对我国钢铁行业提高竞争力,争取钢铁成品和铁矿石定价权,引导螺纹钢期货市场健康发展具有重要作用。本文在向量误差修正模型(VEC)中引入剔除残差相关性的最小二乘算法,构建了用于测度期现货市场价格发现功能的永久短暂PT和信息份额IS共同因子模型,弥补了现有VEC模型由于求得的期现货残差序列相关性较大,导致PT和IS模型测算的信息贡献度存在较大差异的不足。在此基础上,利用2011年1月至2014年11月中国螺纹钢期现货市场933个日交易数据,验证了模型的有效性。     

基于灰色理论的温州房价预测模型

以温州统计局有关房地产销售数据为分析对象,用销售总面积和销售总额折算成价格指标,采用灰色系统GM(1,1)建立数学模型对房屋价格指标进行分析和预测.基于投资回报周期和预期心理,对2007至2010年的房价作两次平移整理后再进行建模,效果更为理想.利用模型对.2011年上半年房价进行预测与市场行情吻合性程度高.