高速公路交通量预测的GM(1,1)残差改进模型

针对传统GM(1,1)模型在预测高速公路交通量中存在误差过大、计算复杂的问题,通过定义残差序列,对预测序列与残差序列进行累加再处理,构造新的序列数据;并且对新序列数据构造GM(1,1)残差改进模型,以进行预测。模型应用于某高速公路某收费站,对9期序列数据进行了模拟预测。结果表明,GM(1,1)残差改进模型的平均预测误差为7.25%,优于传统GM(1,1)模型预测的平均相对误差12.7%。     

GM(1,1)模型在大气质量预测中的应用

为了研究阜新市大气污染物的变化规律,应用GM(1,1)模型及阜新市1996-2000年总悬浮颗粒物(TSP)的监测数据,对阜新市的大气污染物的变化情况进行预测,并对预测结果进行检验.结果表明:GM(1,1)模型建模简单,精度高,对于大气环境质量的预测效果比较好.研究结论可为控制该地区的大气环境质量提供依据.     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

基于改进的灰色GM(1,1)模型能源消耗预测

在灰色GM(1,1)预测模型基础上,对GM(1,1)模型存在的建模偏差进行修正,使修正后的模型符合数据规律,提高预测精度.结合新陈代谢理论,建立基于新陈代谢的无偏GM(1,1)模型.该模型利用数据的新旧更替,能在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,较旧的数据对模型的信息显著性下降的弊端.通过实证,该模型的预测精度优于GM(1,1)模型、无偏GM(1,1)模型以及新陈代谢GM(1,1)模型.     

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.     

优化GM(1,1)模型在江西省GDP预测中的应用

本文详述了优化GM(1,1)模型,并以江西省GDP数据为实例,验证了优化GM(1,1)预测模型可用于经济指标GDP的预测:最后对模型进行了分析。     

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。     

基于GM(1,1)模型的山西省人口预测

根据2001年至2009年的山西省人口变化特征,选择GM(1,1)模型的3种形式并借助EX-CEL、MATLAB等软件对山西省人口总量进行了数值拟合分析,并利用这3种模型对山西省人口总量作预测。通过检验分析,模型的预测精度大都大于99.9%,其中指数模型的预测精度最高。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,山西省人口总量到2030年预计将增加到3 866.024 2万人。     

基于无偏灰色GM(1,1)模型的城市用水量预测

针对城市用水量预测工作中常存在城市用水量原始数据样本量较小、信息不充分的问题,充分利用无偏灰色GM(1,1)模型的少数据建模,短期预测精度高,消除了灰色GM(1,1)模型预测所固有的偏差的优点,建立无偏灰色GM(1,1)城市用水量预测模型,并应用于实际城市用水量预测中。与常用的处理此类问题的灰色GM(1,1)模型比较,算例结果表明所建模型有效可行,提高了预测精度。     

灰色模型GM(1,1)在益阳市耕地预测中的应用

以湖南省益阳市2000～2006年耕地数据为基础和平台,运用灰色预测GM（1,1）模型,探讨了耕地数量动态变化,为可持续发展规划提供参考．结果表明,GM（1,1）模型对益阳市耕地资源数量的历史趋势拟合程度较高,预测结果符合益阳市耕地数量变化规律,即益阳市耕地面积在未来几年内仍将呈现出持续减少的趋势．因此保护耕地资源,合理利用和保护耕地都是刻不容缓的任务．     

GM（1，1）模型在轨迹聚类中的应用

针对移动对象轨迹数据在获取过程中可能存在延迟、缺失,使得轨迹数据存在不确定性的情况.利用GM(1,1)模型在预测、决策领域中的优势,在拟合误差阀值的限制下,提出一种基于GM(1,1)模型的轨迹分割方法(TR_GMPR).之后,对分割后的轨迹段利用DBSCAN算法进行聚类.实验表明,生成的特征轨迹相比其他线段分割的轨迹聚类结果,更符合实际情况.     

灰色GM（1,1）模型的改进

在分析灰色GM(1,1)模型缺陷的基础上,导出了背景值构造法中权值p的精确表达式.由于GM(1,1)模型拟合式默认经过了初始点,与实际情况并不一定相符,因此在初始值中加入了扰动因子m,并以遗传算法求取了m值的大小.实例证明了模型的改进可以提高预测精度.     

基于GM(1,1)模型的堤防沉降建模分析

分析了GM(1,1)的建立、检验和残差GM(1,1)模型.利用加固堤防的沉降监测数据,建立了基于GM(1,1)模型的堤防沉降预测模型,并将其应用于堤防的沉降监测.与实际监测结果的对比表明,该模型精度较高.将该模型应用于堤防沉降分析,发现加固堤防趋于缓慢沉降状态,并逐渐趋于稳定.     

GM(1,1)模型在井壁安全监测中的应用

为了对井壁安全进行合理评价,及时开展井壁的维护和治理工作,利用灰色系统理论的GM(1,1)模型,将监测到的附加应变数据视为灰色量,运用数列方法进行数据生成、拟合和预报.结合某矿实际监测数据进行预测分析,实践表明,该模型具有较高的拟合和预测精度,采用灰色预测方法对井壁附加应变进行预测是可行的.     

灰色GM(1,1)模型在井壁破裂中的应用研究

利用灰色GM(1,1)模型 ,把井壁破裂治理中及治理后所获得的数据视为灰色量 ,并用数列方法进行数据生成、数据拟合和数据预报 ,进而指导井壁治理工作的进展和长期维护 .算例结果表明 ,该模型具有较高的拟合和预测精度 ,可以作为井壁破裂综合治理的一种实用的辅助方法     

GM(1,1)模型的改进

由于最小二乘法的稳健性有一定的局限性,使得GM(1,1)模型的拟合精度有时并不理想.为提高预测精度,在分析比较最小一乘法和最小二乘法优缺点的基础上,改变了GM(1,1)模型的参数估计方法,用普通最小一乘法和折扣最小一乘法代替了原来的最小二乘法.最后通过实例验证了该改进方法的有效性.结果表明,改进的GM(1,1)模型准确度有较大提高.     

优化背景值的GM(1,1)

为了提高模型的拟合精度,提出了一种新的改进GM(1,1)模型.从优化GM(1,1)模型背景值的定义出发,推导出利用原始数据生成的背景值公式,将其与经过优化的初始条件结合,构造出改进的GM(1,1)模型.此模型将在很大程度上消除由于背景值的选取所产生的误差.对该模型进行数据模拟,通过与原模型中数据的比较、分析,验证出新的优化模型具有更好的模拟精度,说明该模型的有效性,可以将其应用于对其它数据的拟合预测.