灰色Verhulst模型的改进及其应用

针对灰色Verhulst模型的不足,讨论了灰色Verhulst模型的参数优化问题.首先,利用最小二乘原理给出了一种初值优化的改进模型.其次,在平均相对误差最小准则下,将Verhulst模型的参数优化转化为线性规划问题,然后利用粒子群优化算法估计Verhulst模型中的参数,得到另外一种改进模型.最后,给出了一个仿真实例,结果表明灰色Verhulst模型的改进方法是可行的和有效的,而且具有较高的拟合和预测精度.     

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.     

灰色Verhulst模型优化的新方法

通过分析传统灰色Verhulst模型利用倒数变换求解白化方程发现了灰色微分方程与白化方程不匹配而导致误差的根源,提出了直接对原始序列的一次累加序列作倒数变换后建立与倒数替换后的白化方程相匹配的灰色微分方程来估计参数a和b,并在此基础上将优化灰导数以改造灰色方程与利用平均相对误差最小为指标确定响应系数的方法相结合对模型进行了优化.结果表明,该优化模型对其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性.通过实例分析说明了优化模型使得传统模型的模拟预测精度得到明显的提高.     

初值修正灰色Verhulst模型的参数估计

研究了初值修正项为αz(1)(1)(其中α为修正参数)的灰色Verhuslt模型的修正参数估计方法.针对相关文献中,修正参数α求解无现成公式情况,通过最小化原始序列的一次累加序列与模拟序列之差,建立并求解一个非约束优化模型,获得了初值修正参数α的一个简单有效的计算公式,完善了相关文献中建立的初值修正灰色Verhuslt模型.最后,通过计算实例验证了修正参数公式可以有效提高初值修正灰色Verhuslt模型的精度.     

加权非等间隔灰色Verhulst模型及其应用

针对建筑物沉降监测数据量少、信息贫乏,且具非等时距、呈"S"形变化的特点,建立了能够反映饱和状态的非等间隔灰色Verhulst模型.因早期建模数据对模型预测精度贡献较小,而靠近预测时间的建模数据贡献则较大,故建模时按时间先后对建模数据赋予了不同的权重,以此体现贡献大小.实证分析表明,采用数据加权能够提高模型的预测精度,从对建模以外的监测数据预测结果来看,效果优于已有一些模型.     

白化方程优化的一类灰色Verhulst模型

通过对灰色Verhulst模型中白化方程的优化,以及利用新信息原理,得到一种改进的灰色Verhulst模型.最后,实例结果表明,该改进模型可以有效提高预测精度,从而拓宽了预测模型的使用范围.     

基于新陈代谢和Verhulst灰色模型的山西省人口老龄化趋势预测

通过选取2005-2013年山西省常住人口及65岁以上人口数据,利用新陈代谢灰色模型对山西省未来老龄人口进行短期预测.并用灰色Verhulst模型对老龄人口进行了长期预测.新陈代谢灰色模型预测到2016年山西省常住人口为3799.10万,65岁及以上人口为323.98万,老龄化比重约为8.53%,灰色Verhulst模型预测到2020年65岁及以上人口为407.87万.模型检验结果表明:预测精度均为Ⅰ级,预测相对误差均较小,预测精度较高.     

基于三参数的新灰色Verhulst离散直接建模模型

首先,基于灰色Verhulst的直接建模模型,对原始数据进行倒数生成,利用离散思想和序列累减,构建了倒数序列与倒数的一次累减序列间的关系式,并利用最小二乘法求解三参数;其次,从新关系式出发,构建了基于相邻的原始序列的新灰色Verhulst的离散直接建模模型,将三参数值代入即可求解模拟预测值;通过实例计算,表明模型的可操作性和优越性.     

灰色Verhulst模型的样条插值函数的残差修正

本用样条函数对灰色Verhulst模型的残差序列进行插值拟合，然后作用于二阶线性微分方程，并以此修正原模型，得到一种新的预测模型的数值解，提高了拟合的精确度。     

基于新陈代谢和Verhulst灰色模型的山西省人口老龄化趋势预测北大核心

通过选取2005-2013年山西省常住人口及65岁以上人口数据,利用新陈代谢灰色模型对山西省未来老龄人口进行短期预测.并用灰色Verhulst模型对老龄人口进行了长期预测.新陈代谢灰色模型预测到2016年山西省常住人口为3799.10万,65岁及以上人口为323.98万,老龄化比重约为8.53%,灰色Verhulst模型预测到2020年65岁及以上人口为407.87万.模型检验结果表明:预测精度均为Ⅰ级,预测相对误差均较小,预测精度较高.     

高速公路交通事故灰色Verhulst预测模型

在分析我国高速公路交通事故历史数据的基础上,引入灰色Verhulst预测理论,建立了高速公路交通事故灰色Verhulst预测模型.通过对2000～2007年我国高速公路交通事故死亡人数进行实例分析,发现灰色Verhulst模型的预测精度高于GM(1,1)模型.结果表明,灰色Verhulst模型的预测结果较好的反映了高速公路交通事故的发展趋势,该模型用于高速公路交通事故预测是可行的.     

非等间隔灰色Verhulst模型的病态性再研究

继续对非等间隔灰色Verhulst模型病态性问题进一步深入研究,通过对模型线性化处理得出解的新形式,指出了非等间隔对解的影响程度,从矩阵条件数的角度分析并得到了模型线性化后存在病态性的主要原因是建模数据较大或呈现病态,并给出具体的改进措施.通过实例对比验证,对数据进行变换之后再建立线性化的非等间隔灰色Verhulst模型,其系数矩阵条件数和模型预测精度两方面均得到较大的改善即系数矩阵条件数达到良态且模型精度也比传统模型要高.本方法为其他灰色模型的病态性研究提供了一种参考.     

基于逆向预测的初值修正Verhulst模型

国防开支关乎军队的发展和战斗力的提升,是宏观经济预测的一项重要内容.利用Verhulst模型解决"小样本、不确定性"问题的优势对国防开支进行预测.首先对Verhulst模型机理进行了简要的叙述,说明其初值选取不合理是产生误差的一个重要原因;其次提出一种逆向预测的模型改进思路,通过设定迭代次数等参数,对传统的Verhulst模型的初值进行修正,建立一种基于逆向预测的Verhulst模型.采集我国2009-2016年国防开支数据进行实例检验,并对2017年国防开支进行预测,证明该模型能够有效提高预测精度.     

Verhulst模型、微分模型及时滞模型的建模与经济预测应用

经济预测中常常会遇到外生变量的确定问题，由于累积误差和传递误差的存在而很困难，因而需要其它方法，为此我们引入Ｖｅｒｈｕｌｓｔ模型来描述经济过程的动态特征，并用阶数不超过３的微分模型发展了这一思想以便描述，同时具有趋势变动和周期性扰动的数据结构，这是一种非常普遍的情形．然后我们证明了微分模型与时滞模型是等价的，而后者的参数估计极为简单．     

Verhulst模型的改进研究

分析Verhulst预测模型的特点,并对灰色Verhulst预测模型的灰色微分方程定解问题中存在的初值问题提出了改进方案,其为提高模型的预测精度提供了一种新的途径.     

基于区间灰数的离散Verhulst直接模型

灰色预测模型既有的研究成果,主要是围绕"实数"为建模对象的经典灰色预测模型,而对于以区间灰数为预测对象的探讨相对比较缺乏.针对传统Verhulst模型建模对象仅局限于实数序列这一缺陷,对Verhulst模型进行了拓展.对此,文章分析了传统Verhulst模型不足,提出了离散Verhulst直接模型;然后,构建了基于核和信息域的离散Verhulst直接模型,使区间灰数信息无偏的转换成实数信息,同时有效避免了原有的根据"灰度不减公理"按照取大准则确定预测值得灰度或信息域的计算性误差.最后,通过实例分析表明提出的新模型的有效性和实用性.     

基于灰色理论的线性模型参数理论及应用

线性模型是经典统计学的基本内容,主要应用于随机数据的建模分析。如何对非随机的模糊或灰色等不分明性数据进行模型构建和统计分析。基于灰色系统理论,在一系列关于灰色统计推断理论的研究基础上,将灰色估计和灰色假设检验等方法拓展到线性模型的参数估计和假设检验中。与经典统计分析方法进行对比,为不分明数据的建模分析提供新的方法。     

灰色Verhulst神经网络组合预测区域空域流量

能够对区域空域的流量做出准确的预测,可以为空中交通管理部门协调航班运行,减缓空域内航路的拥堵提供重要依据.运用灰色Verhulst模型与神经网络的组合模型对区域航班流量进行预测,并结合华东地区飞行流量的数据样本训练并测试模型.结果显示,由组合模型得出的流量预测值与实际值较吻合,说明组合模型比单种预测方法能够更为准确地对区域空域流量做出预测.     

向量灰色模型的建立及应用

针对传统多变量灰色预测模型(MGM(1,m))有时存在的建模数据失真问题,以系统中关联变量具有趋同性为基础,提出了一种新的模型——向量灰色模型(VGM(1,m))。与MGM(1,m)模型相比,VGM(1,m)结构更简单,模型参数更少,从而有利于参数的估计。将VGM(1,m)、MGM(1,m)、GM(1,1)模型应用于四个实例的分析,结果表明VGM(1,m)消除了MGM(1,m)的建模失真现象,模型的稳定性得到了增强。进一步,与GM(1,1)建模结果相比,VGM(1,m)模型的预测精度更高,即新模型有更好的泛化性。     

基于灰色理论的线性回归模型的参数理论及应用

线性回归分析是数理统计学的基本内容之一,但传统数理统计学中的线性回归分析,是建立在非模糊的随机数据上的线性回归估计和回归系数检验。而现实经济社会中大量存在含有模糊或灰色等不分明性的数据,面对这类不分明性数据,简单地使用传统的统计分析方法显然是不足取的。要想较为科学合理地分析与决策,需要利用灰色系统的相关理论,应用于随机系统信息,从而建立灰色线性回归估计、预测和灰色回归系数检验的基本理论方法,并把该方法应用于金融分析实例中,与经典线性回归分析方法进行对比,足见灰色线性回归方法能够提供比经典线性回归较多的有效信息,从而提出处理不分明数据新的方法。