川西天然气市场预测

文章在介绍灰色预测方法的基础上，运用该方法对川西天然气市场进行了预测。     

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。     

利用灰色理论建立经济预测模型的尝试

选定灰色理论来建立预测模型。灰色理论具有三个特点：（１）可有效地进行系统运行的模拟和中、长期趋势预测分析；（２）采用数据处理方法将杂乱无章的原始数据整理成规律较强的生成数列，再用这个生成数列建模；（３）对模型的检验不同于其他理论，灰色理论对模型采用残差检验、后验差检验和关联度检验。对一阶单变量模型、一阶Ｎ变量模型和拓扑预测的建立作了介绍，并用这些模型对某一国家ＧＤＰ的平均增长速度进行预测。     

灰色模型在油气操作成本预测中的应用

油气操作成本是油田公司预算的最重要的单位，但是目前还没有一种有效的方法来对其进行预测。灰色模型由于需要的原始数据较少，精度较高等优点，能满足油气操作成本预测的要求。探索灰色模型在油气操作成本预测中的应用可以在很大程度上促进油田公司的发展，提高其经济效益。     

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。     

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。     

灰色模型的优化及其在沉降数据分析中的应用

本文利用Matlab根据灰色系统理论建立GM模型对变形数据进行分析预测进一步探讨了灰色模型参数的优化、累加生成次数对模型精度的影响、模型处理变形数据的跨度,并利用Matlab语言编写了变形数据处理程序实现了变形预测模型的建模和预测。     

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。     

非线性灰色预测模型在房地产投资价格中的应用

房地产价格预测是房地产投资决策必不可少的工作之一。本文用非线性灰色预测模型，对房地产投资价格进行了预测分析。通过实例证明此模型具有要求样本数据少、运算方便、短期预测精度高等优点，在房地产投资价格预测中能取得令人满意的效果。     

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.     

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.     

灰色神经网络模型应用于证券短期预测研究

证券市场中存在大量的非线性及混沌现象使得许多基于证券投资理论建议的各种线性模型在对其发展进行预测时往往得不到很好的结果。利用两种非线性预测模型并充分考虑各技术指标之间的序列相关性,在灰色GM(1,1)预测模型的基础上提出了组合灰色神经网络预测模型。通过对近期深证成指及首钢股份进行短期预测和检验,结果表明了该方法具有很高的精确度及广泛的应用前景。     

灰色系统模型在我国移动电话市场预测中的应用

本文分析了我国移动电话市场发展的背景和动因,在此基础上应用灰色系统模型对今后3年我国移动电话用户数进行预测,为移动通信产业高速发展提供定量依据。     

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。     

全球稀土消费预测模型研究

为了准确把握全球稀土消费变化,本文在分析单整自回归移动平均(ARIMA)模型与非线性灰色伯努利(NGBM)模型特点的基础上,采用粒子群优化算法(PSO)对非线性灰色伯努利模型的参数进行了优选,建立了ARIMA耦合PSO-NGBM的全球稀土消费的时间序列预测模型。该模型将全球稀土消费时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用PSO-NGBM模型对其非线性残差进行估计,最终合成为整个序列的预测结果。预测结果表明,耦合模型的预测准确率显著高于单一的ARIMA模型的预测准确率,从而证实了耦合模型用于全球稀土消费预测的有效性。     

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.     

灰色预测模型在陕西省电力消费量预测中的应用

电力消费是人们日常生活必不可少的,随着城市的大力发展,有效地对电力消费进行预测显得越来越重要。本文采用灰色预测模型GM(1,1),建立陕西省电力消费量预测GM(1,1)模型,验证预测精度,进一步对2011-2015年陕西省的电力消费量进行预测,为今后陕西省的电力规划提供参考价值。     

基于残差灰色预测模型的用电量预测

为提高用电量的预测精度,适应电力营销需求,在传统灰色预测技术的基础上,本文建立了残差灰色预测模型,并通过实例分析验证了该模型的实用性和精确性.     

灰色聚类评估模型在矿山环保投资效益研究中的应用

本文在对矿山环保投资效益研究现状及难度分析的基础上，应用灰色系统理论中的灰色聚类评估模型对某省五个矿山的环保投资效益进行了分析评判，认为灰色聚类评估是研究矿山环保投资效益的一种有效可行的方法。