用灰色模型实现某市疟疾流行趋势的预测

目的：应用灰色模型研究疟疾在十堰市的流行趋势。方法：对十堰市1996～2005年间的疟疾发病资料建立灰色预测模型。结果：该市的疟疾发病预测模型为Y（t＋1）=-7．7540e^0.144t＋8．4813，拟合精度较好。结论：该市疟疾发病率总体上呈下降趋势，灰色模型可作为该市疟疾预测的有效工具。     

灰色GM（1,1）模型和Verhulst模型在青岛市海水养殖产量预测中的应用

灰色预测是建立从过去引申到将来的灰色预测模型（Grey Prediction Model）,从而确定所研究系统未来发展变化的趋势,为决策者提供科学依据。以青岛市1998-2007年海水养殖产量统计数据为基础,分别利用灰色GM（1,1）模型和Verhulst模型对该市传统海水养殖产量变化作预测。预测结果表明,GM（1,1）模型和Verhulst模型都显示了青岛市海水养殖产量在未来5年呈逐年递增的趋势。但通过对GM（1,1）模型和Verhulst模型的模拟精度验证和模拟预测结果的比较,发现灰色Verhulst模型预测精度较高,Verhulst模型更适合对该市未来几年的海水养殖产量进行预测。该研究结果可为青岛市合理保护和利用海水养殖资源、制定海水养殖规划提供参考依据。     

普达措国家公园旅游生命周期评判

根据2007—2015年普达措国家公园游客数量的统计数据,基于旅游地生命周期理论,对普达措国家公园构建直线、指数、戈珀兹、Logistic回归、GM(1,1)、ARIMA(1,1,1)6个预测模型。结果表明:GM(1,1)模型的预测效果最好,总体效果为GM(1,1)Logistic回归直线趋势指数趋势ARIMA(1,1,1)戈珀兹模型;基于GM(1,1)灰色预测模型的模拟方程为:x(t+1)=49.157 119e~(0.159 615t)±27.302 081,对普达措国家公园未来10年的游客量进行预测,到2025年普达措国家公园的游客量可能会突破500万人。     

基于灰色新陈代谢模型的我国棉花产量预测

为预测2011年我国棉花产量,基于灰色预测建模思想和新陈代谢原理,建立了灰色新陈代谢预测模型,并结合实际情况分析了常规GM（1,1）模型和新陈代谢GM（1,1）模型的预测结果,表明新陈代谢预测模型比常规预测模型精度高。用新陈代谢GM（1,1）模型预测的我国2011年棉花产量为614.968 3万t。     

基于优化灰色模型的河北省粮食总产量预测分析

根据《河北经济年鉴2013》中最新修订的2007—2012年农业经济统计资料,运用灰色系统理论和方法,对河北省粮食总产量建立了优化灰色预测模型,并对此模型进行了分析检验,得到该预测模型的精度为一级。与常规GM(1,1)模型相比较,优化灰色模型能够明显地提高预测精度,增强预测的可靠性,有很强的实用价值。利用所建模型,对2014—2019年河北省粮食总产量进行预测,预测结果表明:2014年河北省粮食总产量预计达到3 450.8万t,未来几年还会继续稳步上升,2019年河北省粮食总产量有望突破4 000万t,为全国粮食供给提供了强有力的保障。     

基于灰色神经网络与马尔科夫链的城市需水量组合预测

【目的】针对城市需水量预测系统具有非线性和随机波动性的特点,建立基于马尔科夫链修正的组合灰色神经网络预测模型,以提高模型的预测精度。【方法】比较分析灰色GM(1,1)模型、BP神经网络模型以及二者线性组合的灰色神经网络预测模型的预测效果,建立基于马尔科夫链修正的组合灰色神经网络预测模型,并以榆林市2000-2009年的用水量实际数据为研究对象,通过实例比较分析模型的检验预测精度。【结果】经马尔科夫链修正处理后,建立的基于马尔科夫链修正的灰色神经网络组合模型的预测精度更高,预测误差的绝对值均小于4%,且均方差σ为1.00,小于组合灰色神经网络模型与GM(1,1)模型、BP神经网络模型预测误差值的均方差。【结论】基于马尔科夫链修正的组合灰色神经网络需水量预测模型,对城市需水量的预测优于灰色神经网络及各单项预测模型,不仅预测精度高,而且能同时反映出数据序列发展变化的总体趋势和系统各状态之间的内在规律,适合描述随机波动性较大的预测问题。     

基于灰色-BP神经网络组合模型的赣南脐橙产量预测分析

赣南脐橙产量变动的随机性、波动性和复杂性,给脐橙产量的预测带来了很大的困扰。将灰色-BP神经网络加以组合,采用2004年至2013年赣州市赣南脐橙产量数据,对赣南脐橙未来产量进行预测。通过MATLAB计算,结果表明:灰色-BP网络组合预测模型精度高于传统灰色预测模型,且2014年至2016年赣州市赣南脐橙产量预达到171.34万t,190.81万t,212.49万t。     

变桨距风力发电系统模糊控制

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA＜107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

灰色神经网络耦合模型在加矾系统预测中的应用

为更准确预测自来水厂的加矾量,弥补灰色GM(1,1)预测模型和神经网络预测模型在自动加矾系统中预测的不足,采用灰色GM(1,1)预测模型和BP神经网络预测模型相结合的方法,即灰色神经网络耦合模型,并运用于自来水厂自动加矾系统,根据实测数据计算预测值.结果表明:灰色GM(1,1)模型平均相对误差为0.016％,最大相差为0.025％,BP神经网络模型平均相对误差为0.037％,最大相差为0.069％,灰色神经网络耦合模型的平均相对误差0.006％,最大相差0.009％,其模拟精度远远高于其他2种模型的模拟值,具有广泛的实用性.     

基于离散型灰色DGM(1,1)预测模型在涝灾预测中的应用

为提高涝灾预测模型的预测精度,针对GM(l,1)模型预测条件的局限性,提出离散灰色预测模型[称DGM(1,1)模型Ⅰ。应用离散灰色模型,以鞍山市1959~2006年的降雨量为依据,建立涝灾预测模型。结果表明:优化后的离散型DGM(1,1)模型的预测精度较原有的灰色GM(1,1)预测模型的预测精度有很大提高。并且该模型建模过程简单、适用性强,为涝灾的预测提供了新的方法。     

灰色线性组合模型在涝灾预测中的应用

灰色线性组合模型由于在传统灰色预测模型的基础上加入了对数据的线性分析,在各个领域应用已较为广泛.应用灰色线性组合模型,以沈阳市1960～2006年的降雨量作为数据依据,建立模型对涝灾进行预测.结果表明:组合模型较好的拟合了预测灾变年,预测误差小于普通灰色预测模型,为涝灾预测增加了一种新方法.     

基于灰色神经网络的粮食预测

结合灰色GM(1,1)预测模型和BP神经网络2种预测模型的优点,提出了一种灰色神经网络模型,并用该模型对蚌埠市小麦产量进行预测。结果表明,灰色神经网络预测精度高于单一的灰色GM(1,1)预测模型或BP神经网络。     

灰色线性回归组合模型在中国出境旅游规模预测中的应用

当前,中国出境旅游呈“井喷式”增长现象,已成为世界最大的客源输出国,极大提升了中国对世界旅游业影响力。合理预测中国出境旅游市场规模,将对世界旅游业发展及中国旅游产业优化升级具有战略性指导意义。基于线性回归和灰色模型提出灰色线性回归组合预测模型,并对2017—2025年中国出境旅游客流规模进行预测和分析。结果显示：灰色线性回归组合预测模型的拟合度和精度要优于线性回归预测模型和灰色GM（1,1）预测模型,表明组合预测模型能够弥补单一模型预测精度不够的缺点,提高预测的精密性和科学性;中国出境旅游客流在2017—2025年内将继续保持高速增长趋势,年均增幅为21%,至2025年,出境旅游总人数将达6.2亿人次。     

灰积分模型及其应用

提出了灰积分方程概念 ,给出 GIM(1,1)、GIM(1,1,t)、GIM(2 ,1,t)灰积分模型 ,改进和发展了灰色预测模型 .这些模型可用于拟合指数序列及二指数序列和 ,并在一定条件下可拟合微分模型     

灰色线性回归组合模型在河南省粮食产量预测中的应用

河南省粮食生产变化的波动较大,单一的GM(1,1)模型不能详尽描述其变化规律及预测未来趋势,采用线性回归方程以及由GM(1,1)模型得到的时间响应序列方程和组成的灰色线性回归预测模型,弥补了线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。利用河南省2000-2007年的粮食产量统计数据,建立了河南省粮食产量的灰色组合预测模型,并根据模型预测出河南省2008-2012年的粮食产量,实例证明,该模型的预测精度为97.9%,模型的预测精度高。     

基于灰色马尔科夫模型的四川省耕地面积及耕地压力指数的分析与预测

基于四川省36年的耕地数据,采用改进的灰色马尔科夫预测模型对总耕地面积和耕地压力指数进行分析与预测。结果表明:(1)研究期内,四川省耕地总面积及人均面积均呈现下降趋势,但是由于粮食单产和复种指数的提高,最小人均耕地面积呈波浪式递减趋势;(2)耕地压力指数总体呈上升趋势,说明实际人均耕地面积的减速低于最小人均耕地面积的减速;(3)灰色马尔科夫模型预测比单一灰色预测模型的预测精度提高了1.14%,可见其对中长期具有波动性的数据预测拟合度更高;(4)随着二胎政策出台,将面临更大的人口压力,未来10年四川省耕地面积仍有下降趋势,耕地压力指数呈波动上升趋势。     

灰色动态GM(1,1)模型在豫南稻区油菜产量预测中的应用

根据信阳1999～2006年稻区油菜产量的统计数列,建立了灰色动态GM(1,1)预测模型,预测2007～2009年豫南稻区油菜产量水平,旨在评价灰色动态GM(1,1)预测模型的效果,并为豫南稻区的油菜生产提供依据。经检验该模型的精度高。回测1999～2006年的结果,拟合率高,拟合结果显示:模型的平均误差率为-2.67%,精度为优(C=0.17,P=1);预测结果表明:豫南稻区油菜产量呈增加趋势。     

基于灰色数列预测模型的耕地变化预测——以贵州省普安县为例

简述了贵州省普安县气候及耕地面积情况,介绍了构建灰色数列预测模型的6个步骤,即序列生成、均值生成、建立GM（1,1）模型、还原生成、可靠性检验、外推预测。根据1998～2007年普安县的耕地面积数据,运用灰色系统理论建立了普安县耕地面积灰色数列预测模型,该模型通过了可靠性检验,拟合精度较高,可进行外推预测。基于构建的灰色数列预测模型对普安县2009～2012年的耕地面积变化情况进行了外推预测。预测结果表明,2009～2012年,普安县预期耕地面积将减少1 050 hm2,年均减少270 hm2,耕地面积呈逐年下降的趋势;预测模型结果与实际值接近,预测误差较小,是基本可信的。     

灰色动态GM(1,1)模型在豫南稻区油菜产量预测中的应用

根据信阳1999～2006年稻区油菜产量的统计数列,建立了灰色动态GM(1,1)预测模型,预测2007～2009年豫南稻区油菜产量水平,旨在评价灰色动态GM(1,1)预测模型的效果,并为豫南稻区的油菜生产提供依据.经检验该模型的精度高.回测1999～2006年的结果,拟合率高,拟合结果显示:模型的平均误差率为-2.67%,精度为优(C=0.17,P=1);预测结果表明:豫南稻区油菜产量呈增加趋势.     

灰色分析法在优化重庆市种植业结构中的应用

以重庆市为研究对象,在探讨种植业发展现状的基础上,利用灰色关联度分析和G(1,1)灰色预测模型研究了该市种植业结构的发展趋势,分析了种植业结构存在的问题,提出了优化种植业结构的对策建议。