灰色系统模型在物流货物量预测中的应用

利用灰色系统理论建立物流货物量预测的GM(1，1)模型，并用模型对吉林省未来5—10年物流货物量作出预测。预测结果表明，灰色预测模型能很好模拟宏观物流系统的物流货物量。尽量发挥作为白信息的时问数据的作用，为探索宏观物流系统提供了很好的分析方法。     

基于灰色预测模型的上海市实际利用外资预测

经济预测的模型有很多种,但通常需要大量的统计数据为基础。而灰色预测所需的历史数据少且预测的结果准确性高。基于灰色预测模型作上海市实际利用外资额的预测,预测结果与上海市2002~2008年的统计年鉴数据进行验证,平均误差在2%以内,精确度相对可靠,因而灰色模型预测为该宏观经济预测提供了一种可行性选择。     

支持向量机模型在断层破碎带围岩变形预测中的应用

围岩变形预测是隧道安全评价及其指导后期施工的重要依据,为提高变形预测精度,结合工程实践,提出了PSO-SVM-BP预测模型的思路。首先,利用三次样条插值及二次平滑法对变形数据进行预处理,为后期变形预测奠定基础;其次,利用粒子群算法对支持向量机进行参数优化,建立PSO-SVM模型,并对围岩变形进行初步预测;最后,利用BP神经网络进行误差修正,达到综合预测的目的,并利用工程实例进行检验,以验证预测模型的有效性。结果表明:初步预测结果的相对误差均小于5%,而误差修正后的预测精度被提高到0.97%,预测精度较高,验证了预测模型的有效性,可为类似研究提供参考。     

进出口贸易额预测的灰色建模方法研究

根据国际贸易系统的灰色特征，结合中国2001年1至9月的进出口额数据建立了对进出口贸易额进行预测的灰色模型。经过对模型的模拟、检验，证明模型的精度很高，并据此对未来几个月的贸易额进行了预测。     

房价预测模型的比较研究

本文以全国历年房屋年平均销售价格作为原生时间数据序列,根据其特点建立了灰色-马尔柯夫预测模型和n次多项式模型,并比较了这两种模型的预测精度.算例的研究结果表明,在预测房价时五次多项式模型比灰色-马尔柯夫模型的预测精度要高.故适当的n次多项式模型可为房价预测提供较准确一种预测模型.     

基于灰色-马尔柯夫模型的建筑安全事故死亡人数预测

建筑安全事故预测是建筑安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔柯夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔柯夫链理论的优点,提出了一种灰色马尔柯夫预测模型,并运用灰色-马尔柯夫模型,对1999～2009年全国建筑安全事故死亡人数进行了预测分析.结果表明,该模型既能揭示死亡人数变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性.     

改进GM(1,1)模型在滑坡变形预测中的应用

基于灰色系统理论建立的一阶单变量GM(1,1)模型在滑坡变形预测中应用广泛,但是对高增长指数型滑坡变形时间序列的适应性较差。通过GM(1,1)模型建模原理分析表明,等权生成背景值是影响模型预测精度的主要因素之一。基于此,本文采用自动寻优定权法重新构造背景值,建立基于最佳权重构造背景值的改进GM(1,1)模型,并根据滑坡监测资料建立滑坡变形预测的传统GM(1,1)模型和重构背景值的改进GM(1,1)模型。结果表明,改进GM(1,1)模型对高增长指数型滑坡变形时间序列建模具有更高的拟合与预测精度,可用于滑坡变形短期预测预报。     

多算法组合的河流水质预测方法研究

为了对河流水质在一定时间的变化情况进行准确预测,研究分析了灰色预测方法、广义自回归条件异方差模型,考虑这两种方法的优势和不足,引入离散小波变换对时间序列进行处理,提出了基于3种算法的组合预测方法,给出了该组合预测方法的具体实现过程和算法要求,在Matlab编程实现该组合预测方法。以某河流水质为研究对象,利用该方法预测河流的水质变化情况,并和实际监测结果进行对比,预测结果表明:溶解氧、高锰酸盐指数、氨氮含量均和实测结果接近,吻合度高,平均相对误差较小,说明该组合预测方法可以有效地预测河流水质在未来短时间内的水质变化情况。     

基于回归-ELM神经网络模型的滑坡变形及失稳预测模型

为准确预测滑坡的变形趋势,有效预防滑坡灾害的发生,提出了基于变形预测和检验的趋势判断模型。首先,利用回归分析,拟合得到滑坡的变形曲线,再利用组合权值,实现拟合结果的组合,得到滑坡变形的初步预测结果;其次,利用极限学习机(ELM神经网络)对初步预测结果进行误差修正,将修正结果与初步预测结果进行叠加,得到滑坡变形的综合预测值;最后,利用秩相关系数检验与Mann-Kendall检验,对滑坡变形趋势进行判断,以验证预测结果的准确性。经过实例检验得出,预测模型的预测效果较好,其组合预测及误差修正均能不同程度地提高预测精度及稳定性,且两检验模型的结果均与预测结果相符,相互验证了其可靠性。因此,预测模型能对滑坡变形趋势进行综合判断,为滑坡的变形研究提供了一种新的思路。     

民用汽车保有量的灰色预测模型研究

一、灰色数列预测模型建立 灰色预测指以GM(1,1)模型为基础所进行的预测。灰色模型有五种:(1)数列预测;(2)灾变与异常值预测;(3)季节灾变与季节异常值预测;(4)拓扑预测;(5)系统预测。本文对汽车保有量的预测采用灰色数列预测。 本文对传统的GM(1,1)模型的建立过程进行了改造,用线性回归来建立GM(1,1)模型,用显著性检验方法代替关联度和后验着进行精度检验和参数识别。     

灰色证券系统证券价格趋势模型的建立与分析

针对在非安全信息下的证券价格变动情况,将灰色系统理论首次引入证券价格趋势分析;利用灰色系统理论和关联度分析,建立能进一步准确反映证券价格动态过程发展态势的量化模型;通过模型,对证券价格变动趋势进行预测研究,建立灰色GM模型,并针对上海证券交易所某个时间段进行实证模型建立、分析及精度检验,取得了满意的结果。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

改进的灰色模型在井架沉降预测中的应用

针对灰色预测方法建模所需信息量较少,不必知道原始数据分布的先验特征这种特性,探讨了灰色预测理论模型的建模方法与模型精度评定方法,并以顺和煤矿井架沉降监测为例对模型的精度及可行性进行了验证。结果表明,经过改进的灰色模型预测结果精度较高,模型的预测结果基本满足要求,具有实用价值。     

基于ARIMA-GRACH模型的现货电价预测

通过建立ARIMA预测模型对现货电价进行预测,并对ARIMA模型存在的异方差问题通过GARCH模型进行修正。实证算例中,采用北欧四国电力市场数据,与ARIMA和灰色GM（1,1）模型进行比较,表明ARIMA—GARCH模型的预测精度更高,预测误差更小。     

基于GM(1,1)模型的北京市房地产投资分析

房地产投资所受影响因素众多,适合于用灰色系统进行预测和分析.奉文通过对北京地区1998年-2005年房地产投资的实际数据进行分析,建立了GM(1,1)模型,运用灰色预测方法对北京地区未来几年的房地产投资趋势进行了预测,其分析结果对于政府对房地产的宏观调控以及房地产开发商的进一步投资都具有一定的参考价值.     

高斯过程机器学习在临河地铁车站基坑变形预测中的应用

为了更准确地对临河基坑开挖过程中出现的变形进行预测和风险预警,以天津地铁7号线王兰庄站出入口基坑临河施工为例,提出了一种基于改良高斯过程机器学习的临河基坑变形预测方法。首先,将施工过程收集的变形位移监测数据作为学习样本;其次,利用改良高斯过程回归算法对学习样本进行训练,并通过自适应不同的训练函数,获取较为合理的基坑变形代理模型;最后,通过代理模型预测基坑变形位移,并识别基坑风险,同时与传统高斯预测结果、有限元计算结果和实测值进行比较。结果表明：1）改良高斯过程回归方法较常规高斯过程的模拟效果更好,在样本点充足的条件下,可准确地根据基坑变形数据学习并预测后续基坑开挖的变形位移;2）相较于工程应用较多的有限元计算方法,采用改良高斯回归过程机器学习方法,可根据现场的实际监测数据对变形进行动态地学习、分析与预测。研究成果更贴近现场实际情况,具有较强的推广价值,可为基坑变形预测提供参考。     

灰色模型在股票价格预测中的应用——以中国石化为例

通过对原始数据进行筛选,将GM(1,1)模型用于股票预测,对交易日收盘价格进行预测,并以中国石化(600028)2012-01-04至2012-12-31的交易数据为例进行了分析。分析结果表明,灰色预测模型的平均预测准确度为98.63%。考虑到股票交易规则,42%的预测数据为有效预测,有效预测的平均预测准确度为99.31%。     

基于SARIMA-SVR组合模型的 空气质量指数预测

空气质量指数(AQI)在波动中既具有整体的时间序列线性特征和明显的季节性波动周期,又具有多种因素影响的不确定性,为了提高AQI的预测精度,基于Ri386 3.3.3和Matlab R2014a两种编程软件,提出了一种同时具有线性和非线性的复合特征的时间序列预测模型——SARIMA-SVR组合模型。以太原市2014年1月—2019年7月的AQI月均值数据为基础,利用SARIMA时间序列模型进行线性预测,利用SVR模型对残差进行非线性预测,加和得到组合预测模型的预测结果,分析比较SARIMA,SVR和SARIMA-SVR这3种模型的预测结果和平均绝对百分比误差。结果表明,组合预测模型发挥了2种模型各自的优势,相较于单一预测模型的预测结果而言,其预测精度更高,稳定性更好。通过此模型得到的空气质量预测结果不仅可为人们的日常生活提供指导,而且可为大气污染的防治工作提供科学依据和借鉴意义。     

基于Markov-GNNM的煤炭需求量预测模型研究

煤炭资源在我国能源消费总量中仍然占据主导地位,准确预测煤炭的需求量对我国经济发展和产业结构升级有着重大意义,针对传统煤炭需求量预测单一预测方法的缺陷,建立了组合灰色神经网络模型,为进一步提高模型精度,选用马尔科夫模型缩小预测残差范围来修正组合模型,进而建立了Markov—GNNM组合模型,旨在为准确预测煤炭需求量提供模型依据。选取2000—2018年我国煤炭需求量数据进行实证分析,预测结果表明该模型预测精度高,适用于煤炭需求量预测。     

保定市机械工业年总产值的灰色预测

本文运用灰色系统理论的 GM(1,1)模型对保定市机械工业的年总产值进行预测,得出保定市机械工业发展的灰色动态模型,运用该模型对保定市机械工业今后的发展趋势进行了预测。