基于黄金分割的股票灰色预测GM(1,1)模型

传统的GM(1,1)模型采用均值作为灰微分方程的背景值,与实际有距离,可以寻找端点的最优组合作为灰微分方程的背景值,以提高预测精度。基于这样的想法,提出了一种用黄金分割方法改进的GM(1,1)模型,实例分析证明了其有效性。     

基于黄金分割的股票灰色预测GM(1,1)模型

传统的GM(1,1)模型采用均值作为灰微分方程的背景值,与实际有距离,可以寻找端点的最优组合作为灰微分方程的背景值,以提高预测精度.基于这样的想法,提出了一种用黄金分割方法改进的GM(1,1)模型,实例分析证明了其有效性.     

灰色预测模型在商务谈判中的应用

商务谈判中,谈判对手价格让步幅度的预测将直接影响企业的切身经济利益,因而对预测的准确性要求较高.本文拟尝试将灰色系统理论应用于价格谈判中,建立GM(1,1)灰色预测模型,该模型采用了白化灰导数背景值的方法建立微分方程模型,具有建模方法简单、操作性强的特点,适用于"少数据"、"贫信息"的系统研究,符合价格谈判的特点和规律.本文运用实例说明该模型具有较高的预测精度和应用价值,以期为相关理论研究提供参考.     

GM(1,N)模型在收益现值法中的运用

在对消费品的资产价格评估的过程中,用精度较高的残差GM(1,1)模型嵌入GM(1,N)模型对受多自变量影响的未来资产收益进行预测,以获得各行为变量的预测值^xi(n+k)(i=1,2,3…,N),从而预测出受多变量影响的销售收入,并计算出给定条件下的资产评估值。     

GM(1,1)幂模型求解方法及其解的性质

根据灰色系统信息覆盖的基本原理,给出了GM(1,1)幂模型中参数a的估计方法.讨论了a的不同取值对模型解的影响,对其白化微分方程解的定理进行了补充,并给出了白化微分方程解的优化方法.结果表明,所提出的建模方法更能适应于一类具有饱和状态或发展变化受众多因素影响的波动原始序列,在0＜a＜1且a＞0和a＞1且a＜0两种情形下,GM(1,1)幂模型与灰色Verhulst模型具有相同的极限性质,但模拟预测精度高于灰色Verhulst模型.     

用遗传算法改进GM(1,1)模型

首先论述了GM(1,1)模型的预测一般过程,根据原始数据序列判断其是否适合用GM(1,1)模型进行拟合与预测;用加速遗传算法代替最小二乘法求微分方程中的参数;并认为初值x(0)(1)的选取对模型的精度有一定的影响,指出传统灰色模型初值选取上的不足,进而提出用加速遗传算法可以提高模型精度的修正初值的构造方法.最后给出了一个具体的算例.     

GM(1,N)灰色模型在能源消费预测中的应用

基于灰数模型(GM模型)的预测方法自20世纪80年代初期灰色理论创建以来,已在许多领域得到成功应用。灰建模型是以一切随机变量为研究对象,将随机过程看成是在一定范围内变化的、与时间有关的灰色过程。灰色模型对信息的数量和分布要求不高,一般只要求有4个以上数据即可建模,不需     

黑龙江省R&D投入强度灰预测

本文以1999年～2005年黑龙江省R&D投入强度作为原始数据,采用灰预测理论建立数列灰预测GM(1,1)模型,对黑龙江省2006年和2007年的R&D投入强度进行预测并得出了预测结果,黑龙江省2006年的R&D投入强度为0.9963,2007年为1.1121,经检验模型预测精度高达95.38%,拟合度很好。     

GM(1,1)模型在城镇经济规划中的应用

我国学者邓聚龙教授在1982年3月首次提出"灰色系统理论",GM(1,1)模型是最常用的一种灰色模型,它是由一个只包含单变量的一阶微分方程构成的模型。通过利用GM(1,1)模型的j建模机理,对某矿业经济区某几年的经济总量进行估算分析,验证此模型可应用于城镇经济规划。     

黑龙江省R&D投入强度灰预测

本文以1999年～2005年黑龙江省R&D投入强度作为原始数据,采用灰预测理论建立数列灰预测GM(1,1)模型,对黑龙江省2006年和2007年的R&D投入强度进行预测并得出了预测结果,黑龙江省2006年的R&D投入强度为0.9963,2007年为1.1121,经检验模型预测精度高达95.38%,拟合度很好。     

基于Fibonacci法改进的灰色预测模型

1GM(1,1)模型实践中常用的灰色模型GM(1,1),模型建立的方法步骤如下:设原始序列为:X=(x(1),x(2),…,x(n))(1)对序列(1)进行级比检验(2)若不满足,则应对序列进行变换使级比落于可容覆盖中。令级比合格的序列为:X(0)=(x(0)(1),x(0)(2),…,x(0)(n))(3)对X(0)作一次累加生成(4)得X(1)=(x(1)(1),x(1)(2),…,x(1)(n))(5)由此得相应的GM(1,1)的定义型微分方程x(0)(k) az(1)(k)=b(6)将k=2,3,…,n代入上式并整理得YN=BP,(7)YN为数据向量,P为参数向量,B为数据矩阵,其中z(1)(k)=0.5(z(1)(k-1) z(1)(k-1))。在最小二乘准则下(7)式的解为P=[ab]=(…     

基于Fibonacci法改进的灰色预测模型

1 GM(1,1)模型 实践中常用的灰色模型GM(1,1),模型建立的方法步骤如下:设原始序列为:     

浙江省水产品冷链物流需求预测

根据浙江省农产品冷链物流的发展现状确定预测指标，从传统的GM(1,1)、新信息GM(1,1)、新陈代谢GM(1,1)选取合适的模型对2010—2019年浙江省水产品的冷链物流需求量进行趋势预测及精度检验。结果表明，新陈代谢GM(1,1)优于其他两种模型，利用该模型得到的预测结果对浙江省水产品冷链物流相关的建设投入具有可靠的参考价值。     

全国房地产价格的GM(1,1)模型预测研究

根据1998年至2009年的全国房地产平均价格的变化特征,选择GM(1,1)模型的微分方程模型,运用Excel、Matlab等软件对全国房地产平均价格进行数值拟合,并通过检验分析,说明了模型选择的合理性。利用该模型对全国房地产平均价格进行了预测,分析了房地产价格增长的原因及未来发展趋势。     

大型科研项目费用风险时点预测与分析模型

根据大型科研项目灰性较强的特点,基于灰建模思想,构建其费用风险时点预测模型;并通过对各分项费用数据建立GM(1,1)预测模型,预测未来费用结构,分析未来可能导致较大费用风险的原因。实证研究表明,该模型具有较高的精度,能为决策提供较可靠的预测值。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

灰色改进GM(1,1)模型在保定市FDI预测分析中的应用

FDI即外商直接投资,以保定市2000-2006年FDI数据为基础,运用灰色系统理论,建立了常规GM(1,1)模型和改进的GM(1,1)模型。改进的GM(1,1)模型优于常规GM(1,1)模型,其精度更高。应用改进的GM(1,1)模型预测了保定市2007-2010年FDI,并分析了预测结果。结果符合保定市的实际情况。     

基于新陈代谢GM（1，1）模型的居民消费价格指数预测

影响居民消费价格指数的因素很多.一般的回归模型难以全面涵盖这些因素并预测其未来走势,而运用新陈代谢GM(1,1)模型对未来我国居民消费价格指教进行预测的结果表明.在2009年~2015年间我国CPI年平均涨幅为3.75%,超过3%的警戒线,我国将长期处于温和通胀阶段.使用新陈代谢GM(1,1)模型预测的CPI未来走势还较为精确.     

成都市金堂县农村经济发展的灰色分析

以金堂县农村为例，应用灰色系统理论的关联度分析法和GM(1，1)模型，对反映金堂县农村经济指标的代表值-农民人均纯收入与农、林、牧、渔各业的产值进行灰色关联分析，提出了金堂县农、林、牧、渔各业的发展态势及其以后应着重发展的产业。     

物流量预测的灰色残差修正模型

采用残差修正GM(1,1)模型建立区域物流量灰色预测模型。通过对某区域物流量预测的实例分析,对比普通GM(1,1)和残差修正GM(1,1)模型的预测结果,证明残差修正GM(1,1)模型在预测物流量时精度高、结果可信。