灰色-时序组合模型在建筑物沉降预测中的应用

为了获得较为准确的建筑物沉降预测结果和较高的预测精度,结合灰色模型、时间序列模型的优点,提出灰色-时序组合模型进行建筑物沉降预测的方法,有效克服了单一模型预测精度低的缺点。以某工程实例沉降观测数据作为原始建模分析数据,通过对灰色预测模型、时间序列预测模型以及组合预测模型的预测结果进行比较分析,结果表明,灰色-时序组合模型预测的沉降值更接近实测值,预测的精度比单一模型更高,具有一定适用性,有利于高层建筑物的沉降预测、预警,确保建筑物的安全性。     

组合预测模型在我国旅游业预测中的应用

文章首先选取Holt-Winters非季节指数平滑模型、自回归分布滞后模型以及局部多项式回归模型对中国1978-2011年的国际旅游外汇收入进行定量分析,随后基于预测误差平方和最小方法构造组合预测模型,研究结果表明组合预测模型的精度明显优于单项预测模型。     

基于组合预测方法的“十二五”期间安徽省住房价格预测

以安徽省2001-2010年住房销售面积以及销售额为样本,采用灰色预测、三次指数平滑和BP神经网络三种预测模型,基于预测误差平方和最小为最优准则建立诱导有序加权平均算子组合预测模型,预测安徽省未来五年的平均住房价格。根据预测结果,安徽省未来五年平均住房价格以14.43%的速度增长。     

公路短时车流量预测模型研究

为解决公路交通拥堵,做好道路交通安全规划,应加强对道路交通车流量的实时监控和预测,以便及时发现当前交通的非正常拥堵状况,提高人民的出行效率。公路短时车流量的监测数据具有不确定性和非线性的特点,针对这些特点,运用灰色系统理论预测模型和时间序列的ARIMA预测模型分别对车流量状况进行预测。在此基础上,提出将二者相结合的车流量组合预测模型。通过实例对比分析,得出组合预测模型的预测精度高于单独使用灰色预测模型和时间序列分析模型的结论,该模型可以作为短时车流量预测的一种有效方法。     

灰色预测法在车辆备用器材预测中的应用

能否准确预测车辆备用器材消耗量，封于做好车辆保障工作具有重要意义。本文采用改进的灰色预测模型，建立了车辆备用器材量预测模型。经实证验证，预测准确精度较高。[编者按]     

基于ARIMA-BP神经网络模型的桥梁SHM应变预测分析

桥梁结构健康监测的应变监测数据具有较强的趋势性与随机性，为提升数据的预测精度，提出将传统单一的自回归积分滑动平均模型（ARIMA）和BP神经网络预测模型进行加权与组合，并将这两种方法分别运用于江西省某跨江大桥桥梁结构健康监测系统记录的应变监测数据的预测进行验证。结果表明：仅运用单一模型预测时，BP神经网络的预测效果要优于ARIMA模型；加权与组合模型的预测精度均优于单一模型，其中加权模型及组合模型的残差平方和（SSE）与BP神经网络模型相差最大，分别高达50.23%与49.87%；对比加权模型与组合模型的各项误差指标，发现二者预测模型的预测精度极为接近；单一预测模型的误差包络范围大于其他两类模型，其中ARIMA模型的误差总和约为50 με，BP神经网络模型的误差总和约为30με，加权模型的误差总和约为21.09 με，组合模型的误差总和约为20.97 με。经分析，加权预测模型与组合预测模型均能实现对桥梁SHM应变预测。     

基于IOWGA的汇价预测风险程度的组合预测

通过定义汇价预测风险程度,分析其成分数据性质,运用IOWGA算子对多元线性回归的预测风险程度建立组合预测模型。结果表明:基于IOWGA算子的组合预测具有优越性,对汇价预测风险程度准确预测,为汇率投资者的风险预防与控制提供参考。     

北京市垃圾产生量的预测——基于三种预测模型的比较

文章以2000~2011年北京市垃圾清运量的数据为基础,依次建立线性回归模型、灰色预测模型和BP神经网络模型,并分别利用三种模型预测出2012年的垃圾清运量。通过预测结果与实际数据的对比,得出BP神经网络模型比较适合预测北京市垃圾产生量。最后,文章利用BP神经网络模型预测出了未来10年北京市的垃圾产生量,并根据预测结果提出了结论和建议。     

基于GM-PLS组合模型的北京城市生活垃圾数量预测

北京市经济的快速发展和城市建设的加快,产生了大量的城市生活垃圾,为解决生活垃圾带来的资源浪费和环境污染问题,应该在北京城市生活垃圾现状的基础上,建立灰色系统和偏最小二乘回归的组合预测模型以对未来城市生活垃圾产量进行预测,从而为合理进行城市垃圾处理设施规划建设提供依据。     

基于灰色预测模型的港口集装箱吞吐量预测——以武汉港为例

以武汉港集装箱吞吐量的历史数据为依据,利用灰色预测模型科学预测未来武汉港的集装箱吞吐量。针对经典G（1,1）模型在构造过程中的缺陷进行修改,构造了修正后的G（1,1）模型,减少了原有模型的误差,提高了预测的精度。通过实例探讨了修正的G（1,1）模型在港口吞吐量方面的预测,同时验证了灰色预测模型的有效性和实用性。     

一种对指数增长年度用电量的组合预测方法

为有效预测呈指数增长的年度用电量,本文选用了指数函数法、GM(1,1)灰色模型和多元线性回归模型来对年度用电量进行拟合外推预测。通过运用这些方法预测北京年度用电量和对预测结果进行比较分析得到,GM(1,1)灰色模型的实际预测结果往往偏大,指数函数法预测结果可能偏小,而多元线性回归模型虽然考虑了其他因素影响但在实际预测指数增长负荷时参考意义较小。因此,最终选择合适的权重加权组合以上模型得到最终预测值,预测精度较高。     

权函数灰色模型及其在山体隧道洞口变形预测中的应用

文章详细讨论了GM(1,1)灰色模型与基于权的一元一阶灰色预测模型(简称pGM(1,1))的基本内容及建模过程,找出最佳的权分配,并成功地将两模型应用于某山体隧道洞口变形监测的预测预报,相应地用计算机高级编程语言编写了灰色系统预测程序,便于实际应用.实践证明灰色预测模型在隧道变形预测预报中具有较高的应用价值.     

基于GM(1,1)灰色模型的湖南省粮食产量预测研究

通过对湖南省2000～2008年湖南省粮食产量数据进行分析,建立GM(1,1)灰色系统预测模型,运用灰色预测方法对湖南省2009至2013年的粮食产量进行预测。结果表明,湖南省未来几年内粮食产量呈不断上升趋势,并且模型具有较高的精度。     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析,在此基础上综合各种模型的特点根据最优化原理建立了组合模型,结合所参与的具体项目对内蒙古自治区客运量进行预测与分析,达到了较好的预测效果,并得出利用组合模型可以提高预测精度的结论.     

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明：提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。     

等维新息灰色马尔科夫在矿井涌水量预测中的应用

矿井涌水量准确预测对于煤矿安全生产具有重要意义。为了进一步提高矿井涌水量预测精度，针对矿井涌水量可用数据少且存在未知影响因素，在灰色马尔科夫预测模型的基础上引入等维新息思想，构建等维新息灰色马尔科夫预测模型。通过分析高河煤矿2008—2017年矿井涌水量原始数据，预测2018和2019年矿井涌水量数据，并对3种预测方法的预测精度进行对比分析。研究结果表明：等维新息马尔科夫预测模型符合矿井涌出量数据特征，引入等维新息思想能够避免旧数据贡献值低的问题，预测精度得到进一步提高；等维新息马尔科夫预测模型的预测精度比灰色理论、马尔科夫预测模型的预测精度平均高3.11%和0.22%，预测值与实际矿井涌水量更加接近，具有较好的适应性。     

两种预测模型在居民消费水平预测中的研究与评价

居民消费水平反映了国家或者地区的经济发展状况,预测居民消费水平对制定相关的经济政策具有积极作用。文章通过多项式拟合和灰色预测模型来研究和预测居民消费水平,用Matlab数学工具对居民消费水平数据进行分析和处理,采用损失函数的思想对两种预测模型的预测结果做出评价和分析。     

高速公路短时交通流量组合预测

短时交通流量预测是交通运行状况分析与交通诱导的基础。考虑到不同交通流量预测模型的各自功能与应用条件,文章构建了一种基于自适应指数平滑和RBF神经网络的组合预测模型。该模型根据各个基本模型计算的前一时刻预测误差均方差来动态调整加权系数,从而综合利用各个基本模型在不同时段的预测优势,最后采用实例分析对组合模型和两种基本模型的预测性能进行比较,验证了组合模型在高速公路短时交流流量预测中的可靠性。     

组合模型在交通需求预测中的应用——以内蒙古自治区客运量预测为例

本文对传统的常用预测模型进行了研究与分析，在此基础上综合各种模型的特点根据最优化原理建立了组合模型，结合所参与的具体项目对内蒙古自治区客运量进行预测与分析，达到了较好的预测效果，并得出利用组合模型可以提高预测精度的结论。     

基于灰色马尔可夫模型的住宅工程造价预测研究

为快速准确地获得住宅工程造价时间序列变化的内在规律,提高住宅工程造价预测效果,将灰色GM(1,1)预测方法和马尔可夫概率转移方法有效结合起来,建立灰色马尔可夫模型对住宅工程造价进行预测,并应用该模型对成都市住宅工程造价实例进行预测分析,其预测结果与实际值吻合较好,表明所建立的该预测模型是可行的,在住宅工程造价预测中具有推广应用价值。