牡丹江GDP的GM(1,1)预测及其影响因素的灰色关联分析

运用灰色系统理论中的GM(1,1)预测模型,以牡丹江市近六年来的GDP数据为例,对其未来几年的GDP状况进行了科学预测,并对影响GDP发展的主要因素进行了系统分析,确定了各因素相对于GDP发展的关联程度,为相应的决策部门提供科学依据.     

基于GM(1,1)的贵州省GDP预测及产业结构的灰色关联分析

以贵州省2012-2018年GDP数据建立GM(1,1)灰色预测模型,用2019年GDP数据对模型预测精度进行误差检验,并对未来三年GDP的增长状况作了科学预测.运用灰色关联分析方法,通过关联度比较分析贵州省GDP与产业结构之间的关系,研究得到未来三年贵州省的GDP仍会以较快的速度增长,第二产业对贵州省GDP的影响最大,第一产业对GDP的影响最小的结论.     

黑龙江GDP预测的数学模型及其影响因素分析

运用灰色系统理论中的GM(1,1)预测模型,以黑龙江省近七年来的GDP数据为例,对其未来几年的GDP状况进行了科学预测,并对影响GDP发展的主要因素进行了系统分析,确定了各因素相对于GDP发展的关联程度,为相应的决策部门提供科学依据.     

湖北省GDP预测的数学模型及其影响因素分析

运用灰色系统理论中的GM(1,1)预测模型,以湖北省2006-2013年的GDP总量数据为例,对未来四年湖北省的GDP总量状况进行科学预测,并且系统地分析了影响湖北省GDP发展的主要因素,求出了各主要因素对于湖北省GDP发展的关联程度,为湖北省相应的政策、决策提供了科学的理论依据.     

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.     

基于背景值优化的GM(1,1)模型在牡丹江GDP预测中的应用

针对GDP是制定地区经济发展战略目标和宏观经济政策的重要参考指标,若能对此指标进行准确的预测,则将会极大有利于该地区制定科学有效的经济政策.鉴于此,对能够影响传统GM(1,1)模型预测精度的背景值进行了优化分析,得到了背景值优化的GM(1,1)预测模型,利用牡丹江市近六年来的GDP数据,将背景值优化的GM(1,1)模型与传统GM(1,1)模型的预测误差做了对比分析,发现前者较后者在预测精度上有了较好的改善,并利用背景值优化的GM(1,1)模型对牡丹江市未来几年的GDP进行了科学预测,并依据预测结果,给出了提高牡丹江经济增长及增长方式转变的对策建议.     

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.     

基于GM(1,1)黑龙江居民储蓄存款预测的数学模型

运用灰色系统理论中的GM(1,1)灰色预测模型,以黑龙江省近6年来的城乡居民的储蓄存款额为例,对其未来几年的储蓄额状况进行了科学预测,为相应的决策部门提供科学依据.     

The modeling mechanism,extension and optimization of grey GM (1, 1) model

The modeling mechanism of GM (1, 1) model is studied by using the thought of matrix analysis in this paper, the extension form GGM (1, 1) model based on the fractional order accumulated generating is put forward and its theoretical significance is analyzed. Furthermore, the influence of multiple transformation, translation transformation for the initial value and generating series on model parameters and predictive value are researched, then the quantitative relation among them is deduced and an optimization model and corresponding algorithm in practical modeling are presented.     

基于随机振荡序列的GM(1,1)模型性质及其应用

为了提高GM(1,1)模型对随机振荡序列的拟合和预测效果,提出了先将原始振荡序列变为单调增长序列,再对单调增长序列进行几何平均生成交换,然后建立GM(1,1)模型.通过实例计算表明,方法能够提高GM(1,1)模型的拟合精度,可以用于随机振荡序列的建模,从而扩大了GM(1,1)模型的应用范围.     

GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

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.     

A research on the grey prediction model GM(1,n)

The grey theory can be applied in the research of prediction, decision-making and control, especially in prediction. The primary characteristic of a grey system is the incompleteness of information. A grey system could be whitened by way of inserting more messages in itself and its accuracy of prediction could be raised. The solution to the existing grey prediction model GM(1,n) is inaccurate and then its prediction accuracy cannot be expected. To solve the existing GM(1,n) by assuming step by step the first order accumulated generating operation data of the associated series to be constants is incorrect. The existing model GM(1,n) is seriously wrong even for a system having a nonnegative associated series with constant entries. There are currently only a few wrong papers based on the existing GM(1,n) model to be published. Almost all the improved prediction models based on the existing GM(1,n) model are correct. For example, the improved models are correct by convolution integral or fitting their forcing terms by several elementary functions. The algorithm of GMC(1,n) is applied to explain why the existing GM(1,n) model is incorrect in this article.     

基于改进灰色GM(1,1)模型的新疆人口总量的分析与预测

利用Lagrange插值理论重构了GM(1,1)预测模型的背景值,以提高改进GM(1,1)模型的预测精度和实效性,进而利用该模型对新疆人口发展态势进行了科学分析与预测.     

基于灰色系统模型的山西省物流需求预测分析

选取山西省2007-2013年的货运周转量、全省生产总值、人均生产总值、进出口总额、公路里程、铁路营业里程、公路载货汽车拥有量等10个影响因素,利用灰色关联分析对影响山西省物流发展的这些影响因素进行分析,结果显示人均生产总值对山西省物流发展的影响力度最大,选取货运周转量为特征因素,人均生产总值为其相关因素,利用灰色预测模型GM(1,2)模型,对山西省未来3年的物流需求进行预测.预测结果显示:模型具有较高的预测精度,对山西省物流的规划和制2发展战略起到参考作用.