灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势,利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合,对2017-2019年发病率数据进行预测,并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明,2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确,模型精度更优,是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

灰色-马尔科夫模型在桥梁运营状况预测中的应用

为了找到一种能够精确有效地预测桥梁运营状况的方法,提出一种基于灰色GM(1,1)理论模型并用马尔科夫链修正的灰色-马尔科夫预测模型.结合河北省某地区的159座桥梁数据对该方法进行应用检验,结果表明:灰色-马尔科夫模型预测数据的平均相对误差为-0.11%,相比灰色GM(1,1)理论模型预测数据的平均相对误差-0.34%,在精度上有了明显的提高,而且灰色-马尔科夫模型预测出的数据更加稳定.利用马尔科夫链优化过的灰色GM(1,1)理论模型预测出2017年至2019年该地区一类桥的数量分别为49座、39座以及34座.由此可知灰色-马尔科夫模型在已知的桥梁定期检查数据基础上可以提供较为精确的预测,相较于灰色GM(1,1)预测模型,该方法具有更高的精度和稳定性.     

基于人工智能的动态马尔科夫模型预测空气质量指数

采用人工智能算法对北京市空气质量指数199个数据序列进行拟合得到拟合值序列和预测值,结合数据的动态变化特点,再与马尔科夫链结合进行动态预测,预测精度优于基于灰色理论的GM(1,1)模型和基于BP算法的神经网络模型。     

基于灰色马尔可夫模型的施工质量成本预测

针对随机波动较大的施工质量成本预测问题,结合灰色SCGM(1,1)预测模型和马尔可夫预测模型的优点,建立了灰色马尔可夫SCGM(1,1)预测模型,并以实例证明灰色马尔可夫预测模型对随机波动性较大的施工质量成本的数据列的预测,具有较高的准确性.     

基于GM（1,1）灰色模型的湖南省人口规模预测研究

人口增长、资源耗竭、环境污染问题是当今社会面临的重大问题,而人口问题是实现人口、资源、环境可持续发展的前提.人口规模是否合理,对一个地区未来的资源、环境、经济与社会可持续发展影响深远.针对人口预测中信息不充分的特点,运用GM（1,1）灰色增长模型对湖南省2009年～2020年的人口规模做出了科学预测,在分析湖南省人口发展所面临问题的基础上,尝试性地提出了对策,为湖南省在新的历史机遇期科学地制定相关社会经济发展战略与规划、实现人口与资源环境的可持续发展提供参考.     

基于灰色马尔科夫模型的家纺流行色趋势预测

分析了家纺流行趋势研究现状以及现有方法的优缺点,以国际流行色权威机构国际色彩委员会发布的2007-2013年的春夏流行色定案作为分析对象,提出了基于灰色马尔科夫模型的家纺流行色趋势预测方法.采用灰色模型对未来家纺流行色进行预测,并通过后验差检验法来探讨此模型的预测精度及其建模的可行性,应用马尔科夫模型对预测结果进行修正.实验结果表明:灰色马尔科夫模型在流行色预测方面相比单一的灰色模型有更高的精度.     

基于GM（1,1）模型的变形预测研究

变形监测是大型建筑物、构筑物安全运营的保障性工作,而要避免灾害的发生,则需要进行相应的预测预警。从变形监测理论出发,探讨了当前变形预测的模型,开发了基于MATLAB的GM（1,1）模型计算程序,结合某沉降变形监测数据进行了预测分析,给出了预测精度评价和对比图,对GM（1,1）模型在变形预测中的应用是一次很好的实践。     

基于GM（1,1）的黄河（兰州段）水质灰色预测实证分析

基于灰色预测建模研究,对黄河（兰州段）2008年第15周至第24周的水质进行监测,针对主要指标DO、CODMn、NH3-N构建GM（1,1）预测模型并进行误差分析后,认为模型可以满足水质预测需要。运用该预测模型对2008年第25周黄河（兰州段）水质各指标进行预测并与实测值比较分析,结果表明：模型能够较好的预测时序变化的总体趋势,可作为水质预测定量分析工具。     

基于灰色-马尔科夫模型的桥梁运行状况预测

为预测桥梁的实际运行状况,以在役159座桥梁实测数据为依托工程,基于灰色-马尔科夫模型与最小二乘法曲线拟合的相关原理,建立桥梁预测模型,并与实际状况数据对比分析.结果表明:灰色-马尔科夫模型预测结果与实测结果相对误差小于2％,结果满足工程需求,其研究成果可为在役桥梁技术状况评定提供参考.     

马尔科夫方法修正的灰色模型在我国农村居民人均旅游消费预测中的应用

随着农村经济的发展,日益富裕起来的农村居民已成为国内旅游的一支旅游大军,加强对我国农村居民人均旅游消费的研究,对促进旅游业的发展及促进经济增长具有重要的意义.采用灰色GM(1,1)预测模型对1998年至2009年的消费值进行拟合,并动态模拟2009年我国农村居民人均旅游消费变化态势,再运用马尔科夫状态转移矩阵对灰色GM...     

基于马尔科夫优化的灰色GM (1,1) 沉降预测模型及应用

针对灰色GM(1,1)模型在对随机波动较大的沉降数据序列进行预测时存在的不足,本文结合灰色理论模型和马尔科夫链理论,建立了一种基于马尔科夫修正的新维GM(1,1)沉降预测模型。首先,考虑监测数据的时效性,通过在原始数据列中不断补充新的沉降监测数据,采用新陈代谢的方法建立了新维GM(1,1)模型;随后采用马尔科夫链理论对新维GM(1,1)模型进行优化,根据模型预测时产生的相对误差范围对其进行状态区间划分,并构建了相应的状态转移概率矩阵,得到了基于马尔科夫优化的新维GM(1,1)预测模型;将本文中的模型应用于福州火车站南广场深基坑周边建筑物地表沉降预测中,并对不同模型的预测效果进行对比分析,结果表明：基于马尔科夫优化的灰色GM(1,1)模型的预测精度较传统灰色GM(1,1)模型有明显提高,验证了本文所提出的优化模型在基坑沉降分析与预测中的合理性。     

基于灰色GM(1,1)模型的桩基沉降预测研究

简述现有桩基沉降预测方法存在的不足,结合桩基沉降的特点,引入灰色预测GM(1,1)模型,建立基于灰色GM(1,1)模型的单桩及群桩沉降预测研究模型,并给出其建模的原理及建模的过程。最后,通过工程实例,进行实证分析,研究表明该模型具有良好的适应性,能更好地反映桩基沉降变形的规律,提高预测的精度,具有良好的工程应用价值和推广前景。     

基于灰色支持向量机的矿山安全事故预测研究

为了提高矿山安全事故预测的可靠性,在灰色预测模型GM(1,1)和支持向量机SVM的基础上,提出了矿山安全事故次数的灰色支持向量机G-SVM的组合预测模型.首先采用GM(1,1)进行数据趋势预测,然后对于残差序列采用支持向量机预测进行捕获,最后将两种模型的结果进行融合,得到组合预测结果.结果表明,组合模型比单一的GM(1,1)模型和SVM模型具有更高的预测精度.     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

高铁中基于改进GM(1,1)马尔可夫模型的频谱预测策略

针对现有高铁环境中沿线网络复杂且频谱利用率低的问题,将具有人工智能特性的认知基站引入高铁无线通信,并提出一种新的改进灰色GM(1,1)马尔可夫模型对频谱进行预测.与其他方法不同,分别从主用户到来时间及其持续时间两方面进行预测,建立信道的占用/空闲模型.通过新陈代谢GM(1,1)对历史序列的1步预测结果进行对比,得到最佳...     

改进的GM（1，1）模型在人口总量预测中的应用

应用一种新的动态GM（1,1）增量模型对中国未来人口总量进行了动态预测．实例表明,该模型具有较高的预测精度,结果符合实际．     

山西省人口GM(1,1)模型预测

根据2001年至2009年的山西人口变化特征,选择GM(1,1)模型的指数模型并借助EXCEL、MATLAB等软件对山西省人口总量进行了数值拟合分析,并利用该模型对山西省人口总量开展预测.通过检验分析,模型的预测精度大于99.9%,并预测在今后一段时间内,山西省人口将继续保持低自然增长率,山西人口总量到2020年预计将增加到3 652.047万人.     

动态自适应粒子群优化灰色模型的碳排放预测

碳排放量预测对于发展低碳经济十分重要,利用GM（1,1）灰色模型对碳排放预测存在一些不足．本文引入动态自适应粒子群算法对其进行改进,并结合新模型（DAPSOGM）来预测碳排放,以浙江丽水市近5年的碳排放量,编辑matlab程序实证分析,结果证实新模型具有较高的预测精度和推广价值．     

基于灰色模型及其改进模型的土石坝沉降预测

考虑到土石坝沉降变形因素的复杂性以及GM （1,1）灰色模型基于贫信息数据所表现出来的优势,由大坝实测数据拟合构造GM （1,1）模型。为了进一步提高大坝沉降变形的预测精度,对原始GM （1,1）模型分别进行了考虑不同数据对预测结果有不同影响的加权改进和利用指数函数变换来提高原始数据光滑度的改进。实例应用表明,加权改进的GM （1,1）模型和函数变换改进的GM （1,1）模型的预测精度均优于原始GM （1,1）模型。