灰色系统理论及其在医疗卫生方面应用

本文用灰色关联度理论,研究高校多个传染病中,影响学生健康的主要传染病。另外,用灰色建模理论预测了若干年内大学新生的近视率,得到了近视率呈上升趋势这一重要结论。这就为高校防病治病提供了理论依据。     

灰色关联度分析及其在传染病上应用

本文用灰色系统关联度理论研究了高等学校传染病的发病情况。从而为灰色系统理论在生命科学领域的研究拓广了方向。此外，本文还对关联度理论中的分辨系数与关联度之间的相互关系作了定量分析。     

灰色系统分析应用——预测上海房地产市场需求量变化并对其影响因素做关联度分析

近两年上海房地产市场快速发展 ,主要利用灰色分析法预测未来几年上海房地产市场的需求量的增长情况并对市场需求的主要影响因素做出关联度分析 ,最后得出结论 .     

基于改进灰色关联度的IOWA算子最优组合预测模型

通过引进诱导有序加权平均(IOWA)算子和改进灰色关联度的计算式,提出了新的基于改进灰色关联度的IOWA算子的组合预测模型.方法可以克服传统的组合预测方法赋予不变的加权平均系数和以单一误差指标作为预测精度衡量的缺陷.定义基于改进灰色关联度的IOWA算子的优性组合预测的概念,最后给出实例分析表明了新模型能有效地提高组合预测精度.     

安徽省道路交通事故影响因素分析及其预测研究

以安徽省道路交通安全状况为研究对象,探讨分析安徽省道路交通事故致因要素及未来发展趋势.首先利用灰色关联度法分析道路交通事故数与相关致因要素之间的关联度,得出人口因素是主导因素,其次为环境因素,包括社会经济环境和道路环境.在此基础上,运用灰色GM(1,1)及其残差改进模型,对事故起数及其主导因素进行预测研究,结果证明灰色预测可以很好地预测人口发展趋势,但对事故起数这样波动较大的数据更适宜残差修正模型.     

关于灰色关联度中的几个问题的探讨

何文章、郭鹏．关于灰色关联度中的几个问题的探讨．本文通过理论分析及实例探讨了灰色关联度存在的主要缺陷,同时指出了不能用灰色关联度代替数理统计中的相关系数及多元统计分析方法。最后阐明了我们的观点及看法     

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.     

面向横截面数据的灰色关联度

针对横截面数据的灰色关联度分析问题,研究了常用灰色关联度在横截面数据的适用性.提出具有放射变换保序性的灰色距离关联度,实例说明距离关联度的实用性与有效性.将灰色距离关联度推广到系统因素为矩阵的矩阵范数关联度,且在多属性群决策问题的成功应用证明了其合理性.     

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.     

关于灰色对关联计算模型的探讨

本通过对现有灰色关联度计算模型的分析,指出了现有灰以关联度计算模型的缺陷,针对不同类型问题构造了不同灰色关联度计算模型,并将其应用于解决实际问题,取得较好的效果。     

基于灰色加权马尔可夫链的移动通信市场预测

在传统的用灰色预测模型预测的方法基础上,建立了灰色加权马尔可夫链模型.以中国移动通信市场预测作为实例,介绍了使用这种模型的方法与步骤.灰色加权马尔可夫链模型既考虑了从时间序列中挖掘数据的演变规律,又通过规范化各阶自相关系数为权重,用加权的马尔可夫转移概率矩阵的变换,考虑数据的随机波动,具有严密的科学性,能较好地应用于中国移动通信市场的预测.     

修正的GM(1,1)残差模型在原煤销售量预测中的应用

本论研究的是提高灰色预测模型的一种方法。首先建立主模型进行预测，得到残差序列，然后对残差序列建模，对主模型进行修正，得到修正的GM(1，1)模型。将模型应用到原煤销售量的预测中，其精度明显提高。     

非等间距组合灰色预测模型

对于非等间距原始数据序列,根据灰色预测模型建模特点,提出了一类非等间距灰色组合预测方法,弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.     

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.     

股市的灰色预测

本文应用“灰色预测”于股票市场的预测,发现灰色预测在短期预测中富有很高的效率。     

A gray model for increasing sequences with nonhomogeneous index trends based on fractional‐order accumulation

By comparing the class ratio deviation and restoring error of first‐order accumulation with that of fractional‐order accumulation, a gray model for monotonically increasing sequences can obtain optimal simulation accuracy via selecting a proper cumulative order. In this study, a gray model for increasing sequences with nonhomogeneous index trends based on fractional‐order accumulation is proposed. To reduce the modeling error caused by the background value and to improve the prediction accuracy of the model, an optimized model using the 3/8 Simpson formula is constructed. Finally, the 2 proposed models are used to predict the total energy consumption in China and the monthly sales of new products in an enterprise. Compared with the GM(1,1) model based on fractional‐order accumulation, the proposed model exhibits better simulation and prediction accuracy.     

销量预测的相对误差马尔柯夫链模糊修正模型研究

在销量预测的改进型灰色预测GM(1,1)模型中,针对传统的相对误差修正的马尔柯夫链预测法,在相对误差微小变化的情况下,存在状态跃变的不合理性,提出应用马尔柯夫链模糊模型的方法.并开展实证研究,得出改进的销量预测值为103.5095万箱的结论.     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于改进灰色GM(1,1)马尔柯夫模型的煤矿事故百万吨死亡率预测

煤矿安全事故预防和控制是煤矿安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测GM(1,1)模型和马尔可夫链理论的优点,提出了一种改进的灰色马尔可夫GM(1,1)模型.利用改进的GM(1,1)模型进一步拟合煤矿人因失误事故的发展变化趋势,并以此为基础进行马尔柯夫预测,提高预测效果.以2000-2010年全国煤矿事故百万吨死亡率为例进行了预测分析,结果表明模型既能揭示煤矿人因失误事故百万吨死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性,并对煤矿人因失误安全事故的预测和控制有一定的实际意义.