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。     

GM(1,1)预测模型中原始数据的函数变换研究

灰色预测模型是灰色系统理论的重要内容之一,也是预测理论中被广泛使用的一种预测方法。为了提高预测精度,需要对原始数据序列作数据处理,提高数据序列的光滑度,本文主要是对灰色预测GM(1,1)模型利用函数变换理论对其原始数据函数变换处理进行研究,并对进过函数变换原的数据精度进行比较。     

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.     

基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

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。     

基于熵权灰色组合预测模型的区域能源需求预测研究

本文在充分考虑传统GM(1,1)模型所存在缺陷的基础上,结合灰色预测模型的最新理论成果,提出了基于GM(1,1)模型,新陈代谢模型,离散DGM模型三种灰色预测模型的组合预测模型,采用熵值法来确定组合预测模型中各单项方法的权重,并以湖北省为例,对湖北省2001-2010年能源需求总量进行实证研究,结果表明基于灰色组合预测模型的预测精度明显高于三种单项预测方法的精度,证明了该模型用于区域能源需求预测的科学性和有效性,在此基础上对2011-2015年湖北省能源需求进行了预测。     

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GM(1,1)模型的河北沿海地区物流需求预测研究

以灰色预测理论为基础,通过不同的原始数据序列构建不同维度的GM(1,1)模型,对其预测精度进行比较;并选取精度最高的模型建立起新陈代谢模型,采用等维灰数递补的动态预测方法,对河北沿海地区"十二五"期间的物流需求进行预测。     

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。     

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。     

农药降解的GM（1,1）模型

重点介绍了一种农药降解的ＧＭ（１,１）模型,实你分析表明,ＧＭ（１,１）模型的预测精度高于经典的指数函数模型。     

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IOWA算子的组合预测模型在物流需求预测中的应用

根据2000~2009年宁波市物流需求的数据,采用灰色GM 1,,1,模型和一元线性回归模型进行组合优化,建立了基于诱导有序加权平均(IOWA)算子的物流需求量组合预测模型。结果表明基于IOWA算子的组合预测模型能有效提高预测精度,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010~2013年宁波市物流需求作出预测。     

灰色预测模型在客运量预测中的应用

运用灰色理论,根据2000～2009年宁波市客运量数据,建立灰色GM 1,1预测模型并进行预测,结果表明预测精度较高,说明了该方法用于客运量预测的可行性和有效性,并在此基础上对2010～2014年的宁波市客运量作出预测。     

区域物流通道容量预测研究

将偏最小二乘回归模型与灰色GM(1,1)校正模型进行有机结合,建立组合预测模型,取得了令人满意的预测精度,为区域物流通道容量预测提供了一种新的思路和方法。     

非线性GM（1，1,α）模型在港口吞吐量预测中的应用

针时统计数据缺乏的预测问题,提出引入灰色系统理论来解决,以连云港2003—2007年港口吞吐量的数据为基础建立了非线性灰色GM（1,1,α）模型,详细阐述了灰色预测法的应用过程。结果表明,非线性灰色模型对样本的适应性强,预测精度高,简单易行,能够有效解决港口吞吐量预测问题。