改进灰色预测模型的研究—以安徽省物流量预测为例

以GM(1,1)模型为基础,提出对原始数据取自然对数以提高原始数据的光滑度,同时,与优化背景值相结合,对GM(1,1)模型进行改进。利用安徽物流量的实际数据,比较原始GM(1,1)模型、基于优化背景值的GM(1,1)模型和新的GM(1,1)模型各自的拟合精度,发现新的GM(1,1)模型精度最好,有一定的实用性。     

改进灰色预测模型的研究——以安徽省物流量预测为例

以GM(1,1)模型为基础,提出对原始数据取自然对数以提高原始数据的光滑度,同时,与优化背景值相结合,对GM(1,1)模型进行改进.利用安徽物流量的实际数据,比较原始GM(1,1)模型、基于优化背景值的GM(1,1)模型和新的GM(1,1)模型各自的拟合精度,发现新的GM(1,1)模型精度最好,有一定的实用性.     

基于指数加权算子与自适应粒子群优化灰色模型的负荷预测

针对传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果变差及数据离散度越大导致预测精度越差这一局限性,对传统灰色预测模型做进行改进。一方面,采用指数加权算子对原始数据序列进行处理,有效地减弱异常值的影响,强化了原始数据序列的大致趋势;另一方面,利用自适应粒子群优化算法与GM(1,1)模型相结合,优化GM(1,1)模型中的背景值,使其更合理,使原始信息得到更好的利用。     

基于优化灰色-马尔可夫链模型的铁路货运量预测

在传统的灰色预测模型中,传统背景值公式和初始值的选取方法会造成模型产生偏差。通过对背景值公式的改进和初始值选取方法的变化,构造出预测精度更高的灰色模型,即优化GM(1,1),并将优化GM(1,1)与马尔可夫链预测相结合,对我国的铁路货运量进行了预测分析,得出了相应的预测区间及其发生概率。通过理论分析和算例表明,该方法的预测结果比传统灰色模型预测结果更加可靠。     

基于优化灰色-马尔可夫链模型的铁路货运量预测

在传统的灰色预测模型中,传统背景值公式和初始值的选取方法会造成模型产生偏差.通过对背景值公式的改进和初始值选取方法的变化,构造出预测精度更高的灰色模型,即优化GM(1,1),并将优化GM(1,1)与马尔可夫链预测相结合,对我国的铁路货运量进行了预测分析,得出了相应的预测区间及其发生概率.通过理论分析和算例表明.该方法的预测结果比传统灰色模型预测结果更加可靠.     

GM(1,1)预测遗传算法及其应用

本文概括了对遗传算法进行优化的主要策略和采用GM(1,1)模型进行灰色预测的基本方法;提出了采用GM(1,1)模型对遗传进化过程中的染色体适应度值进行预测,以该预测值作为选择操作依据之一的遗传算法改进策略;通过一个资源分配问题的实例,验证了该改进策略的有效性。实验证明,使用该方法进行较少代数的遗传进化即可得到较为充分优化的解决方案。     

改进的非等间距GM(1,1)模型的优化

针对传统非等间距GM(1,1)模型的不足,本文分析了传统非等间距GM(1,1)模型的基本原理,分析了传统非等间距GM(1,1)模型与白化方程之间的差异,提出了改进累加序列的方式来优化非等间距GM(1,1)模型,并建立了一种新的累加方式并应用于某大坝沉降。分析了本文中的非等间距GM(1,1)模型与传统非等间距GM(1,1)模型之间的差异。实例表明了改进非等间距GM(1,1)模型精度较高,更适合于工程实例。     

基于GM(1,1)残差模型的铁路客运量预测

运用灰色GM(1,1)模型,对铁路客运量进行预测,再用GM(1,1)残差模型进行修正,得出精度很高的预测模型,结合实际统计数据对预测结果的精度进行检验。结果显示,GM(1,1)残差模型的预测结果比灰色GM(1,1)模型有更高的预测精度。基于此,对2009~2014年广西壮族自治区铁路客运量进行预测。     

基于灰色系统理论的市场人工单价预测研究

市场人工单价的预测一直以来都是建筑企业关注的问题,本文基于灰色系统理论建立了背景值优化的GM(1,1)模型,并通过检验证实了所建模型模拟及预测精度较高,在市场人工单价预测时具有很大的现实意义。     

基于灰色系统理论的间断性需求备件预测模型

针对间断性需求备件历史需求数据缺乏、含有大量零值,以致难以进行预测的问题,应用灰色系统理论,先后建立了间断性需求备件预测的非等间隔GM(1,1)模型和包络GM(1,1)模型,并得到了需求预测灰区间,最后进行了计算与实例仿真。     

基于灰色系统理论的间断性需求备件预测模型

针对间断性需求备件历史需求数据缺乏、含有大量零值,以致难以进行预测的问题,应用灰色系统理论,先后建立了间断性需求备件预测的非等间隔GM(1,1)模型和包络GM(1,1)模型,并得到了需求预测灰区间,最后进行了计算与实例仿真.     

安徽省森林火灾预测及分析

针对当前安徽省森林防火工作的严峻形势,利用安徽省2004-2014年十年森林火灾的统计数据建立一元线性回归以及GM(1,1)模型对安徽省2015-2019五年森林火灾的发生进行预测,通过验差检验表明GM(1,1)预测值与实际值偏差较小,因此建立GM(1,1)模型对安徽省未来五年森林火灾次数、受害火场总面积和森林火灾其他损失折款进行预测,并结合安徽省当前林场保护政策对安徽省森林防火进行分析并提出建议。     

特种设备维修器材中心逼近式灰色预测建模研究

为提高特种设备维修器材消耗预测精度,构建中心逼近式灰色GM(1,1)预测模型,改善传统灰色GM(1,1)模型对特种设备维修器材中呈指数型消耗数据预测精度低甚至不适用的情况。通过计算对比,对某特种设备2016年维修器材消耗量的初步预测值进行了修正调整,并最终确定消耗预计值。     

基于灰色预测模型的物流需求分析

以灰色理论和灰色预测模型中的GM(1,1)模型的原理与方法为基础,运用GM(1,1)模型和MATLAB程序,以河南省为例,对物流需求进行分析预测。     

基于灰色预测模型的物流需求分析

以灰色理论和灰色预测模型中的GM(1,1)模型的原理与方法为基础,运用GM(1,1)模型和MATLAB程序,以河南省为例,对物流需求进行分析预测.     

江苏劳动争议案件数量的灰色预测及启示

以2000～2009年江苏省劳动争议受理案件数据为依据,运用灰色系统理论,建立灰色GM(1,1)主模型和GM(1,1)残差模型,对江苏省劳动争议受理案件时间序列进行了拟合、分析与预测。通过实证分析表明,GM(1,1)残差模型的拟合程度较高,是一种有效的劳动争议数量预测算法,模型预测结果可为劳动关系管理和劳动争议处理提供有利的理论依据。     

差异演化算法优化灰色模型的负荷预测

传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果会变差,为克服这一缺陷,首先对原始数据进行开次方处理使数据增长变平稳,再将差异演化算法与GM(1,1)模型相结合,利用差异演化算法求解GM(1,1)模型中的参数。电力负荷预测实例结果表明该模型具有较高的预测精度和较广的应用范围。     

离散GM(1,1)直接建模模型及参数估计

针对近似非齐次指数增长序列,借鉴离散化思想,基于原始数据序列与累减数据序列的关系,直接建立原始数据序列间的关系,得到新的GM(1,1)直接建模模型,并利用最小二乘法进行参数估计。通过实例分析比较,新的GM(1,1)直接建模模型的模拟预测精度高达99.99%以上,优于原始的GM(1,1)和GM(1,1)的改进模型,具有一定的理论意义和应用价值。     

灰色GM(1,N)方法在股票预测中的应用

对股票价格的预测,直接影响投资者的投资决策,与投资者的经济利益密切相关。股票市场特有的的波动性和不确定性,给股票的预测带来困难。20世纪80年代兴起的灰色系统理论,应用于股市预测的探索已经取得一定成就,已经采用过GM(1,1)模型、灰色神经网络模型、以及灰色马尔可夫模型等预测方法。文中拟采用GM(1,N)模型对股票价格进行预测,并与GM(1,1)模型进行比较,证实了GM(1,N)拥有更好的精度。     

基于GM(1,1)模型的中国快递行业收入预测分析

针对快递行业的特点,运用GM(1,1)模型对中国2003-2010年快递行业的总收入进行模拟,对模拟结果采用了多种方法进行检验,并对未来几年的中国快递收入进行了预测。结果表明GM(1,1)模型能够很好地模拟中国快递行业收入数据,而且具有较高的模拟精度。