灰导数优化的一类新信息多变量MGM(1,m,k)模型

以白化方程组为基础,利用梯形公式白化灰导数,同时利用新信息原理,得到一种改进的多变量灰色预测模型.应用实例表明:改进模型具有较高的模拟和预测精度,适用于原始数据序列为非齐次指数函数情形的预测,并且拓宽了灰色模型的适用范围.     

一类改进的灰色预测模型及其应用

通过将GM(1,1)模型中的灰色作用量改为动态形式,并利用最小二乘法确定时间响应函数中的常数c以及采用新陈代谢的思想,提出了一种改进的灰色预测模型.实例分析表明:改进模型在预测精度和实用性上均有较大改善,从而拓宽了灰色预测模型的适用范围.     

基于灰导数和预测系数的GM（1,1）优化模型

针对GM（1,1）模型的适用范围是近指数情况,提出了将优化灰导数与利用原始序列模拟的相对误差平方和最小估计预测系数c相结合的方法,从而得到一种简化计算的新GM（1,1）优化模型,该模型的预测公式x（0）（k）=ce-ak在形式上比较简洁,并且经严格指数序列从理论上验证了参数a具有白化指数律重合性,预测系数c具有白化系数重合性.     

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.     

改进灰导数的GM(1,1)幂模型

为了提高灰色GM(1,1)幂模型的拟合精度,讨论了灰色GM(1,1)幂模型灰导数的白化问题.以白化微分方程为基础,利用梯形公式白化灰导数,得到了改进的GM(1,1)幂模型.实例分析结果表明改进的GM(1,1)幂模型具有更高的预测和拟合精度.     

灰色GM(1,1,k,k2)模型背景值及时间响应函数优化

本文提出了一种新的带有时间幂次项的灰色GM(1,1,k,k²)模型,给出了其灰微分方程和白化微分方程基本形式。基于最小二乘法获得了该模型参数估计值,并推导了该模型时间响应函数。鉴于GM(1,1,k,k²)模型灰微分方程与白化微分方程之间存在跳跃关系,首先对灰微分方程的背景值进行了优化,并推导了优化后的背景值计算公式。为了克服初始值的影响,根据误差平方和最小,进一步优化了GM(1,1,k,k²)模型时间响应函数。最后,该优化后的GM(1,1,k,k²)模型被应用于软土地基沉降预测,获得了较好的模拟预测效果,说明模型是可行的。     

基于白化权函数的区间灰数预测模型

针对传统灰色预测模型无法进行白化权函数已知的区间灰数预测的缺陷,通过先将区间灰数进行标准化处理,分解成实数形式的"白部"和"灰部",然后分别对"白部"和"灰部"序列进行预测.再将已知的白化权函数映射为[0,1]区间上的函数,并用函数的面积和重心估计出预测值的白化权函数.模型不仅能解决典型白化权函数的类型,还能解决三角白化权函数的情况,且建模机理简单,计算简便.最后,将模型应用于黄河宁蒙河段巴彦高勒站的凌期日均流量的预测,验证了新模型的有效性及实用性.     

灰色数学的新分支——灰群

给出灰子半群、强灰子半群、灰子幺半群、强灰子幺半群、灰子群和强灰子群的定义和有关定理，在此基础上，讨论灰子群一模糊子群、一般子群的关系。并且研究了灰正规子群。     

同时优化背景值和灰导数的新非等间距GM(1,1)模型

结合GM(1,1)的建模过程,提出了以原始序列的一次累加生成序列为背景值的非等间距序列GM(1,1)模型的最原始形式;并基于灰模型的非齐次指数特性和求导的定义,从灰导数在离散点的生成出发,同时优化最原始的非等间距灰微分方程的灰导数和背景值,并建立新非等间距灰模型;新模型不仅提高了灰模型的拟合精度和预测精度,且拓宽了GM(1,1)的适用范围.     

优化灰导数的MGM(1,m)模型

基于灰色MGM(1,m)模型的建模机理,分析了该模型的模型误差产生的原因,针对该原因并结合灰色MGM(1,m)模型的时间响应式的形式和1-AGO序列的准指数规律构造了灰导数的优化公式,使得模型的精度得到了较大的提高,扩大了模型的适用范围,实例证明,优化模型具有较高的理论意义和实际应用价值.     

逐步优化灰导数的非等间距GM(1,1)模型

利用前向差商和后向差商的加权平均值代替灰导数,对非等间距灰色预测模型进行了改进,给出了加权系数的估计公式,并采用逐步递推的方法优化参数,建立新的非等间距GM(1,1)模型.最后通过实例证明了新模型具有较高的精度.     

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.     

基于模糊GM(1,1)模型的时间序列预测

提出了一种模糊GM(1,1)预测模型,即FGM(1,1)模型,该方法是在GM(1,1)模型中引入模糊成员函数,通过模糊成员函数对时间序列数据进行模糊化,达到数据优化选择,实现历史数据"重近轻远"的预测效果.仿真结果表明所提出的预测方法有效可靠,为提高预测精度提供了新的途径.     

基于系统冲击的灰色预测模型及其应用研究

针对系统受到系统外部冲击问题,结合泛函理论和灰色系统理论,建立了含有系统冲击泛函分析因子的灰色泛函预测模型。并运用贝叶斯网络推理技术,建立了系统冲击与系统控制的灰色贝叶斯网络推理预测模型。所建模型可以分析基于系统冲击演化的泛函分析因子的动态推演问题。依据泛函分析因子的变动,可以预测与修正系统发展趋势。案例分析了2013年房地产经济受到新政策的冲击问题。由于房地产经济受到新政策冲击,使经济发展态势发生转变。根据房地产经济的当前时段信息,利用灰色贝叶斯网络推理预测模型对历史趋势进行修正,预测结果与实际数值仅有3.81%的偏离,预测结果较其它现有模型的预测结果精确。灰色贝叶斯网络推理模型强调对近期数据的开发利用,适用于预测系统近期受到外部冲击的发展趋势问题。     

基于核和测度的区间灰数预测模型

区间灰数的确定与其核和测度有关,通过计算灰数的核和测度,将区间灰数转变成实数.分别对区间灰数核序列和测度序列建立预测模型,再推导还原得到区间灰数的预测模型.并将此模型应用于黄河内蒙段巴彦高勒站冰期日均流量预测,结果验证了所建模型的有效性和实用性.     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

基于灰色灾变模型的通货紧缩预测

针对未来期间通货紧缩是否存在的分歧以及通货紧缩可能存在的危害性,利用灰色灾变预测模型结合中国通货紧缩的小样本数据,预测未来通货紧缩发生的日期,预测结果显示通货紧缩约在2020年前后出现,预测结果一方面意味着当前应该审慎选择货币政策和财政政策,另一方面在2020年前后应该积极调整货币政策和财政政策,避免通货紧缩的出现可能给经济运行带来的负面性影响.