RFID技术发展趋势预测研究

针对射频信号自动识别(RFID)技术发展受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,本文提出了灰色动态模型对射频信号自动识别(RFID)技术发展趋势进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

灰色预测模型的研究及其应用——基于上海市货运总量的分析

本文主要对灰色理论以及灰色预测方法和具体建立模型进行具体描述。实证分析选取1996～2011年上海市货运总量的统计数据,运用灰色预测方法中的GM（1,1）模型,建立上海市货运总量发展趋势的预测模型,以相对误差为评判标准,对灰色预测模型的有效性进行讨论。     

基于GM(1,1)模型的文化产业从业人员发展趋势分析——以广西为例

以灰色系统理论为依据,从文化产业增加值和文化产业从业人员数两个角度对广西文化产业发展现状进行分析,在此基础上,构建广西文化产业从业人员发展趋势分析的灰色预测模型,为广西文化产业从业人员的发展提供了科学的预测方法。并以灰色预测模型GM(1,1)为依据,对广西2007-2011年的数据进行分析和预测,灰色预测模型符合广西文化产业从业人员领域预测的一级精度。并指出本文研究理论中的不足。     

河南省第三产业发展影响因素分析及对策研究

本文通过灰色系统理论中的关联分析方法和GM（1,1）模型,对河南省第三产业发展的影响因素进行了关联分析,并在发展趋势预测的基础上,进行了趋势关联分析,揭示了河南第三产业及影响因素的动态发展趋势。研究结果明确了河南省第三产业发展可依赖的主要因素,从而为河南第三产业发展水平提升、科学决策提供了理论依据。     

环渤海动力煤价格指数预测研究

环渤海动力煤价格指数素有"煤炭价格风向标"之称。本文运用EMD-ARMA组合预测模型对环渤海动力煤价格指数进行预测,通过与ARIMA、神经网络和灰色预测三种方法预测结果的比较,得出EMD-ARMA组合预测模型预测精度更高,更适合预测环渤海动力煤价格指数。最后基于研究结论,提出了促进我国煤炭行业稳定发展的对策建议。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

Verhulst与BP神经网络模型预警企业财务状况

通过t检验和相关性检验合理选择财务指标,基于灰色理论中Verhulst模型和神经网络建立了Verhulst与BP神经网络预测模型对企业财务状况进行预警分析。实证研究结果表明,该模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

组合预测模型在期货预测中的应用——基于灰色关联度

基于传统的GM（1,1）灰色预测模型,为了综合运用新老信息,采用等维递补的方法得到单个灰色预测模型,然后基于改进的灰色关联度这一相关性指标来确定权重,提出了一种组合预测模型.应用该模型对菜粕期货价格进行预测,预测结果表明该模型是有效的.     

公路交通运输量GM-Markov综合预测模型研究

为了提高公路交通运输量的预测精度,在介绍一般模型的基础上,建立了GM-Markov预测模型,它是将灰色预测方法与Markov预测模型优化组合,用灰色预测模型GM(1,1)预测随机时间序列数据的总体发展趋势,而用Markov模型预测各数据在总体趋势下的随机波动性变化,得到随机时间序列数据趋势预测模型的解。通过公路货运量的实际数据进行了验证,结果表明:GM-Markov预测模型既能预测参数随机数据序列的总体趋势,又能适应波动性较大的随机序列变化,其预测精度高于GM(1,1)模型的预测精度。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

经济管理中常用预测模型的应用及比较分析

本文研究了经济预测中常用的逐步回归分析模型、偏最小二乘回归分析模型,BP神经网络分析模型,灰色预测GM(1,1)模型和组合预测模型在经济预测中的应用,比较了他们的优缺点,便于管理者在实际应用时对模型进行选择.     

北京市经济增长灰色预测及相关产业的关联分析

本文以北京市2006-2013年的GDP数据为例,建立灰色预测模型,对其未来几年的经济状况进行灰色预测,在不考虑价格因素的情况下,得出未来北京市的经济增长大致保持在12%的发展水平的结论。并进一步利用灰色系统建模软件对经济增长与相关产业进行灰色关联分析,得出第三产业与北京经济增长的关联最为密切,而在第三产业中应该重点发展信息产业。另外新兴产业与北京经济增长的关联度也比较高,应重点发展文化创意产业和物流业。最后提出相关建议,为决策者制定相关的经济政策提供依据。     

基于灰色系统理论的雅安旅游需求预测

文章运用灰色系统理论,通过构建GM(1,1)灰色预测模型,实现对雅安未来旅游的主要指标进行预测并做出一定的分析。通过残差检验、后验差检验和关联度检验,获得满意的预测效果,预测结果数据精确,具有广泛的实用性。     

基于灰色马尔可夫模型的市场需求预测

结合灰色GM(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GM(1,1)预测模型,以市场需求预测为实例,证明灰色马尔可夫预测模型对于随机波动性较大的市场需求的数据列的预测具有一定的准确性和应用性。     

基于灰色模型的旅游流量预测方法探讨——以河北省为例

灰色预测模型GM(1,1)是一种旅游流量预测模型,本文根据2000年～2005年河北省海外游客量的统计数据,利用灰色模型对河北省2010年前的海外游客量进行了预测。通过分析,灰色预测模型具有较高的建模精度,预测方法和结果对旅游地规划具有一定的参考作用。     

谈复合预测技术在不确定性逆向物流需求预测中的应用

本文针对逆向物流的不确定性特点,创造性的提出采用灰色预测模型与时间序列预测模型相复合的新型预测模型对逆向物流实施过程中的回收数量、回收质量和回收时间的不确定性进行建模,并对其进行回收预测。通过模拟对比分析,发现该复合式预测模型在数据的拟合准确度方面大大提高,相对于单纯的时间序列预测和灰色预测其准确度分别提高了22%和18%,证明了该复合式预测模型对于逆向物流中的不确定性因素进行预测的有效性和准确性。     

基于灰色马尔可夫链的企业盈利额预测

灰色马尔可夫模型预测兼有灰色预测和马尔可夫链预测的优点,并能针对较短的时间序列数据建模计算。介绍了灰色预测模型和马尔可夫预测模型的建模方法,并将灰色马尔可夫链模型应用于某企业盈利分析预测。分析表明,该模型具有较强的适用性。     

基于灰色BP神经网络的企业财务风险预警研究——以H公司为例

企业在整个生产经营过程中不可避免地会面临财务风险，风险的准确预警能够帮助企业提前做好防范措施，降低风险的影响。为了提高企业财务风险预警的准确性，本文提出了一种基于灰色预测与BP神经网络的组合预测模型，能够互补并发挥两者各自的优点。以H公司2014年-2021年的财务报表数据为样本，构建灰色BP神经网络组合模型，并进行实例验证分析。结果表明：相较于单一的灰色模型，组合模型的平均相对误差更小，也即预测准确性更高。