改进的GM(1,1)模型在区域降水量预测中的应用研究

通过引入变量权重系数对传统灰色动态预测模型各变量赋予权重值,对传统GM(1,1)进行改进,并将改进的GM(1,1)模型运用区域的降水量预测中。研究结果表明:改进的GM(1,1)模型可以更好的考虑变量之间的权重,改善传统模型的计算收敛精度。在对年降水量的预测中,改进的GM(1,1)模型可通过置信度为95%的F检验,相比于传统模型,改进的模型在区域2个降水站点年降水预测相对误差分别减少9.3%和17.52%。改进的GM(1,1)模型在夏季F检验的决定系数和F值均最高,冬季最低。研究成果对于区域降水量的预测提供参考价值。     

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。     

基于灰色线性回归组合模型的物流需求预测研究

灰色线性回归组合模型是在GM(1,1)模型和线性回归模型基础上建立的一种隐型灰色组合模型,考虑到该模型在泛化能力方面存在不稳定现象,本文借鉴灰色线性回归组合模型的建模思想,提出了一种相应的改进算法,并通过实例对其进行了验证.最后,本文以改进模型对福建省未来几年的物流需求进行了预测.     

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。     

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。     

修正的GM（1，1）在原煤成本预测中的应用

对传统的GM（1,1）模型进行修正的基础上,结合煤矿生产的实际情况,建立残差修正的GM（1,1）模型,并对A矿在2003-2010年的原煤成本加以预测,提高了预测精度。     

基于支持向量机的石油期货价格预测

建立了基于支持向量机技术的石油期货价格预测方法.该方法使用价格序列一阶差分及其滞后值建模,采用径向基(RBF)核函数和序贯最小优化(SMO)算法,通过综合验证方式确定包括嵌入维数在内的各参数.实证研究表明,支持向量机方法比RBF神经网络和ARIMA模型预测精度更高,具有很好的应用前景.     

基于GM(1,1)模型的飞机故障数量预测方法

基于某型飞机年度故障数量的历史数据,运用灰色系统理论建立了GM(1,1)模型,对该飞机年度故障数量进行预测,并对模型精确度进行了验证。结果表明,所建的模型准确、有效,可以为飞机未来几年的故障数量预测提高有效的参考。     

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。     

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。     

中石化年度勘探投资分析和预测

GM（1，1）模型是最常用的一种灰色预测模型，经常被用来分析预测具有稳定性特征的时间序列数据未来发展趋势。以2005年为基准年，以中石化为分析对象，综合1990～2006年各个年度物价指数，计算出具有可比性的中石化年度勘探投资数据。分析此期间中石化勘探投资数据曲线，可以发现勘探投资具有相对稳定性的特点，可以用GM（1，1）模型对未来年度投资走势进行分析和预测。经建模对中石化上述年度投资进行预测发现，预测值和实际值较为接近，拟合效果精度较高。在此基础上，对中石化2007-2010年勘探投资进行预测，为企业决策提供参考。     

国际煤炭市场价格预测的复合小波神经网络模型研究及应用

我国加入ＷＴＯ后 ,煤炭市场也必将与国际煤炭市场接轨 ,合理准确地预测国际煤炭市场价格的趋势与走向 ,对我国的煤炭出口、生产以及投资决策都具有十分重要的意义。近年来 ,灰色预测模型和人工神经网络模型用于非线性时间序列预测较为引人注目 ,其优点是它们在建模时都不需要计算统计特征 ,从理论上讲 ,可以适用于任何非线性时间序列的建模 ,但也有其不足之处。灰色预测方法由于其模型特点 ,比较适合于具有指数增长趋势的实际问题 ,对于其它变化趋势 ,则有时拟合灰度较大 ,导致精度难以提高。人工神经网络方法在应用中难以科学地确定网络结…     

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。     

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。     

区域创新系统中政策收益的灰色评价模型研究

运用灰色系统理论,从经济的角度出发,建立政策经济收益的灰色评价模型--灰色系统GM(1,1)模型和改进的灰色多项式模型,对区域创新系统中政府政策的影响进行定量研究.并以河北省为例进行实证分析.     

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。     

基于改进GM(1,1)模型的中国铜消费需求预测

工业化、城镇化、信息化进程的加快使得中国铜消费需求增长迅速,国内铜资源供需失衡状况加剧.本文运用改进的GM(1,1)模型对中国2014～2020年铜需求量进行了预测.结果显示,未来需求量仍将保持高速增长,2020年需求量将比2013年的实际消费量翻一番.据此,建议加快对海外铜矿投资、加大国内铜资源勘探开发和矿山建设力度、大力发展再生铜行业,并通过节能降耗以减少对铜资源的依赖.     

基于GM(1,1)模型的重庆市城镇化率预测研究

城镇化是推动中国经济持续发展的强劲动力,为有效预测重庆市城镇化率水平,并依据该城镇化率水平对重庆的区域发展做出相应规划。首先应用GM(1,1)模型构建了城镇化率的动态预测模型,然后对该模型的误差检验方法进行了研究,最后应用该模型对重庆市城镇化率的发展趋势进行了预测。研究结果表明,重庆市城镇化率的GM(1,1)模型通过了平均相对误差检验、均方差检验、灰色绝对关联度检验和小误差概率检验,该模型可以用于对重庆市未来城镇化率的预测。同时运用这个模型对重庆市城镇化率进行了预测并得出结论:重庆市城镇化率将以较快速度发展,在2015年达到62%,超过中国平均水平,这也证明了重庆市城镇化率水平比较高,对中国的城镇化发展贡献比较大,应继续保持这个发展速度以推进长江经济带的发展。     

简明高效的灰色时序新模型

<正> 本文提出一种新的时秩模型一具有时变参数和预估序列的一阶差分模型 TPEM,并给出了适于计算机求解的递推算法。建模的基础是灰色系统理论中的“模块”概念,所用方法是具有时变参数动态系统的参数辩识。同一般的时序建模法相比较,本方法所建立的模型具有结构简单、计算量小的特点,而且适用于任意(相关或无关)时间序列;同文献[1]第二章所述模型相比,本模型具有较高的预测精度,若辅之以残差辩     

基于灰色马尔可夫链的铁路煤炭运量预测研究

铁路煤炭运量预测是制定铁路煤炭通道发展规划的重要依据.铁路运输是一个复杂的社会经济系统,受到社会、经济、自然等多种因素的综合影响,具有较大的随机性、模糊性和灰色特征,给预测工作增加了一定难度.本文拟用灰色残差GM(1,1)模型预测铁路煤炭运量的发展趋势,再用马尔可夫链对预测结果进行优化,以体现经济运量的"波动性"要求,提高预测的精度和评价的可信度.