一种基于灰色理论组合预测方法的研究与应用

基于灰色理论中GM（1,1）模型提出了一种新的预测方法（趋势预测）,并将其应用到组合预测中,并运用遗传算法调整组合预测权系数得到最优解。通过实例证明,该方法是正确的,算法是有效的。     

灰色理论在灾变预测中的应用

将基于灰色系统理论的GM（1，1）模型推广至灾变预测，并以一实例介绍涝灾预测基本步骤     

一种新的组合灰色神经网络预测模型

对GM（1，1）灰色和几种灰色组合模型进行了讨论，针对多个相关序列预测的问题，提出了组合灰色GM（1，1）神经网络预测模型。此方法采用灰色模型对各序列进行预测，然后利用神经网络对预测值进行校正，得到最终预测值。实例表明此种模型在实际应用中的确能够提高预测精度。     

基于灰色理论的城市燃气负荷预测

城市燃气负荷与城市工业发展,城市人口等因素密切相关,由于传统的城市燃气负荷GM（1,1）预测模型仅与历史数据有关,预测结果并不能真实反映燃气负荷在未来的变化趋势。应用灰色GM（1,N）模型,将工业产值和城市人口两个因子引入燃气负荷预测模型,建立一个一阶3个变量的灰色GM（1,3）模型,进行预测。实例预测计算结果表明该模型能够准确预测城市燃气负荷,而且该模型考虑了影响燃气负荷的主要因素,使得预测模型和结果更为合理。     

交通事故预测的灰色GM（1，1）模型

通过对道路交通事故分析、预测方法的研究，指出了其缺陷．在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上，给出了灰色GM（1，1）模型，并对道路交通事故的死亡人数、交通事故数进行了预测，其结果是可信的．     

灰色残差GM(1,1)模型在道路交通量预测中的应用

本文通过实例介绍了灰色残差GM(1，1)模型在道路交通量预测中的应用，预测结果表明，该方法是正确的，算法是有效的。     

新疆高校学生规模的灰色分析和预测

本文应用灰色关联分析方法,对新疆过去几年高校学生规模及其主要影响因素进行关联分析,发现农村年人均纯收入与高校学生规模的关联性最强,而国家财政性教育经费支出对高校学生规模影响最弱;应用灰色预测理论对2009-2012年的学生规模进行了预测,且预测模型精度较高,并针对分析与预测的结果提出自己的建议.     

基于小波变换理论的船舶横摇运动分析与预测

为获得横摇运动在不同时间尺度下的演变规律,提出基于小波变换(WT)理论进行船舶横摇运动非线性时间序列分析与预测的方法.通过小波变换对横摇运动时间序列进行多分辨率分析(MRA),将原序列分解为多个相对简单的准周期信号,对信号的趋势项、周期项和随机项进行分离,并采用人工神经网络(ANN)模型对上述准周期信号进行预报和集成.仿真结果表明:该方法有效提高了预报长度,并可获得较高建模及预报精度.     

基于灰色关联分析的地区生产总值预测研究

在定性分析河南省地区生产总值各个影响因素的基础上,运用灰色关联理论找出影响地区生产总值增长的主要因素,建立地区生产总值与这些影响因素之间的GM（1,N）模型,以描述关联因素对地区生产总值的影响,并对未来五年河南省地区生产总值进行预测,以便为有关部门的决策者制定经济政策提供有价值的参考。     

基于灰色系统理论对成都市房价预测分析

通过对灰色系统理论的研究,采用GM（1,1）模型对成都市商品房价格进行了预测,根据预测结果进行残差分析,说明了该方法的合理性．运用灰色关联分析法对成都市商品房价格进行讨论,将影响因素按程度的大小进行排序．其中,人均可支配收入对成都市商品房价格的影响最大,而银行贷款利率对成都市商品房价格影响最小．     

灰色预测方法在大城市时用水量预测中的研究

分析了城市用水量预测的重要性和一些基本方法,发现灰色预测方法比传统的基于概率统计的随机过程分析具有建模所需信息少、不必知道原始数据分布的先验特征等优点,故将其尝试性的应用于城市时用水量的预测.通过对灰色预测方法建模机理的研究建立了城市用水量预测GM(1,1)模型,并以北方某大型城市时用水量为原始数据进行了实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测.     

基于GM(1,1)灰色系统的公路货运量预测模型的研究

灰色系统理论已成功运用于工业、农业、经济、能源、交通等领域,利用灰色系统理论建立的我国公路货运量预测模型精度高,计算值和统计值吻合程度较好.根据预测模型计算出的未来几年我国公路货运量对我国汽车工业、能源工业和交通部门都具有较高的参考价值.     

一种构建灰色预测模型的新算法

针对传统的GM（1，1）建模方法，对于历史数据采取等权处理的局限性，提出了GM（1，1）建模的新算法，不同的历史数据在预测值中具有不同的权重，并且解决了确定权值的学习算法。仿真结果表明了该算法的有效性。     

灰色系统在干旱灾害预报中的应用

介绍了灰色系统理论,提出了灰色GM(1,1)数列预测模型,把它应用到干旱灾害预报中,取得了良好效果.     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

基于小波分析法与滚动式时间序列法的风电场风速短期预测优化算法

为实现风电场风速的超前多步高精度预测,提出一种基于小波分析法与滚动式时间序列法混合建模的优化算法。该优化算法引入小波分析法对风电场实测非平稳风速序列进行分解重构计算,将非平稳性原始风速序列转化为多层较平稳分解风速序列,利用对传统时间序列分析法改进后的滚动式时间序列法对各分解层风速序列建立非平稳时序预测模型,并通过模型方程实现超前多步滚动式预测计算。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统时间序列分析法对应超前1步、3步、5步的预测精度分别提高了54.22%,26.44%和19.38%,其预测的平均相对误差分别为1.14%,3.06%和4.41%;优化算法具有较强的细分与自学习能力。     

灰色模型GM(1,1)在短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网普通日及特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型.本文首先利用APdMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM(1,1)模型拟合和预测效果好于GM(1,1)模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM(1,1)模型两种方法得到ARIMA-GM的组合预测模型.预测结果表明:组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势.