基于GM(1,1)模型的四川省林业产业结构预测

【目的】预测四川省林业产业结构未来几年的发展趋势,为该省制定林业发展策略提供依据。【方法】以四川省2000-2010年林业三次产业产值为依据,在Matlab环境编码实现不同维数GM(1,1)模型相关参数的计算,选择精度最高的GM(1,1)模型与同等维数的新陈代谢GM(1,1)模型相结合,预测四川省2011-2020年间的林业产业结构。【结果】研究选择四维GM(1,1)模型与四维新陈代谢GM(1,1)模型结合,分别对四川省2011-2020年林业三次产业产值进行动态预测,并得到三次产业产值的比例关系。【结论】四川省林业产业结构在2011-2016年期间为"第二产业>第一产业>第三产业",2017年转换为"第二产业>第三产业>第一产业",且该结构有一直持续的趋势。     

新陈代谢GM(1,1)模型在生猪存栏预测中的应用

为对养猪生产给出准确科学地预测,本文利用灰色预测的建模机理,结合养猪生产发展实例,建立了养猪生产的新陈代谢GM（1,1）预测模型。通过实例计算表明,该模型优于常规GM（1,1）模型;应用该模型预测可知,在2008～2009年期间大庆市养猪业将保持快速发展势头。     

灰色系统理论在林业用地预测中的应用

根据灰色系统理论,建立了辽宁省某市林业用地的常规GM(1,1)预测模型,并进行了模型精度检验,相对误差最大为0.53%,利用该模型对2003年的林业用地状况进行了预测检验,相对误差为3.65%,小于5%,证明该预测模型预测精度较高,预测效果较好。针对灰色系统理论及研究区域林业用地的特点,提出了在今后林业用地预测时可以在利用GM(1,1)模型进行预测的基础上,叠加国家规划中每年的生态退耕还林量而获得最佳林业用地量预测值的建议。     

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。     

灰色神经网络耦合模型在河套灌区引黄水量预测中的应用

针对河套灌区22年净引水量的变化特点,在建立灰色GM(1,1)模型的基础上,结合BP神经网络预测法建立灰色神经网络耦合模型,并通过Matlab编程实现。实例结果表明,耦合模型的预测精度明显优于单一灰色GM(1,1)模型,可应用于实际生产中。     

灰色预测模型在我国油菜产量预测中的应用

油菜产量的准确预测对油菜种植面积有重要的指导价值。将能排除数据干扰性的弱化算子引入GM（1,1）模型,建立了基于改进的GM（1,1）模型的我国油菜产量预测模型,最后通过实例演算,运用改进的GM（1,1）模型预测我国油菜产量具有较高的预测精度。     

基于灰色线性回归组合模型的河南省国内生产总值预测

根据灰色灾变预测原理,构建了基于GM(1,1)与线性回归的组合模型.对于具有数据跳变日期点的预测问题,用GM(1,1)模型;对非跳变日期点用线性回归预测.对河南省国内生产总值的预测结果表明,该模型克服了GM(1,1)模型和线性回归模型的缺陷,具有较高的应用价值.     

灰色建模在干旱灾变预测中的应用

干旱是阳城县的主要农业气象灾害之一,对于农业生产影响面广,造成的危害也非常严重。加强干旱灾害的分析预测对农业生产和防灾减灾具有十分重要的意义。灰色GM(1,1)模型是基于灰色系统理论的最常用预测模型。灰色灾变预测就是通过对灾变日期序列建立GM(1,1)模型,预测以后若干次灾变发生的日期。本文拟通过对阳城县1957-2012年的年降水资料进行统计分析,确定干旱灾变指标,建立灾变日期序列,并进行检验,用优化后的数据序列建立GM(1,1)模型,同时与不对原始日期序列进行检验的GM(1,1)模型进行比较,并把该模型应用于阳城县干旱预测中。     

灰色建模在干旱灾变预测中的应用

干旱是阳城县的主要农业气象灾害之一,对于农业生产影响面广,造成的危害也非常严重。加强干旱灾害的分析预测对农业生产和防灾减灾具有十分重要的意义。灰色GM(1,1)模型是基于灰色系统理论的最常用预测模型。灰色灾变预测就是通过对灾变日期序列建立GM(1,1)模型,预测以后若干次灾变发生的日期。本文拟通过对阳城县1957-2012年的年降水资料进行统计分析,确定干旱灾变指标,建立灾变日期序列,并进行检验,用优化后的数据序列建立GM(1,1)模型,同时与不对原始日期序列进行检验的GM(1,1)模型进行比较,并把该模型应用于阳城县干旱预测中。     

基于GM(1,1)模型的国内生产安全事故预测

针对国内生产安全事故问题,提出了基于灰色理论的GM(1,1)模型预测方法,以便及时做好预防措施,减少事故的发生和降低损失。介绍了GM(1,1)模型的建立方法与计算步骤;分析了国内生产安全事故的组成并以2013年11~12月和2014年1~8月国内生产安全事故数据为基础,对死亡人数、受伤人数建立了相应的GM(1,1)模型,经检验模型基本合格,可以用来预测2014年10、11、12月份的事故数量,计算得出这3个月份平均死亡人数为328,平均受伤人数分别约为221、220和219;通过灰色预测分析法与一元回归分析方法在国内生产安全事故预测中的应用对比,得出GM(1,1)模型相对较可靠。结果表明,运用GM(1,1)模型对国内生产安全事故进行预测是可行的,为安全事故预测提供一种有效的方法。     

基于灰色系统理论对产业结构型综合发展系数的研究——以黑龙江省林业产业为例

灰色发展系数是灰色GM(1,1)模型的核心,在运用灰色GM(1,1)模型进行预测时,灰色发展系数一般为定值,然而在实际情况中发展系数往往是变动的,其中一个重要的影响因素就是产业结构的变动.该研究通过将次级产业发展系数进行产值加权,得到灰色产业结构型综合发展系数和灰色产业综合发展模型,并将其运用于黑龙江省林业产业发展分析与预测中,计算得出2013 ～2017年黑龙江省林业产业结构型综合发展系数分别为0.243 1、0.259 3、0.276、0.295 2、0.314 9,并据此对其相应年份的林业总产值进行了预测,取得了良好的应用效果.研究表明,分析产业结构型综合发展系数使产业发展情况更能体现出产业结构的影响.     

应用GM(1,1)模型对天然橡胶期货价格进行预测的实证分析

运用灰色系统理论的原始GM(1,1)模型与新陈代谢GM(1,1)模型,对上海期货交易所的天然橡胶期货品种的价格进行预测,研究在不同的GM(1,1)模型下的精确度。结果显示,新陈代谢GM(1,1)模型要比原始GM(1,1)模型精确度高,在进行价格预测时,可以根据精确度高低的要求选取合适的模型。     

基于等维新息GM(1,1)模型的河南省粮食产量预测

以河南省1978—2013年的粮食产量为依据,利用灰色系统理论对河南省未来的粮食产量变化趋势进行了预测。首先在MATLAB中实现不同维数GM(1,1)模型相关参数的计算,然后把预测精度最高的7维常规GM(1,1)模型改进成等维新息GM(1,1)模型,经检验该模型精度等级为好,并预测出河南省2015—2020年的粮食产量。结果表明,等维新息GM(1,1)模型比常规GM(1,1)模型具有更高的预测精度,河南省未来5年的粮食产量仍保持增长趋势,但年平均增幅为1.43%,增产潜力较低。     

基于灰色马尔可夫模型的农业用水量预测

将灰色GM(1,1)模型和马尔可夫模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)模型预测,再用马尔可夫模型对预测结果进行优化,使预测精度大大提高.最后以辽河流域某典型区为例,预测结果证明了该模型的优势.     

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。     

基于GM(1,1)模型的河南省粮食总产量预测研究

基于河南省1990-2015年粮食生产的资料,利用GM(1,1)模型对河南省粮食总产量进行预测。通过对比预测值与实际值的误差,GM(1,1)模型对粮食总产量的预测效果较好。预测结果表明,河南省粮食总产量在未来呈现稳定递增的趋势。     

基于多源数据的木材价格表编制方法研究

木材价格的研究对指导林业生产经营活动具有重要意义。采用样本数据建立木材产量、销售量和平均价格GM(1,1)模型，采用单因素方差分析比较不同省份和年份木材价格差异性，采用聚类分析对省份进行木材价格一致性分类，基于影响因子建立木材价格广义线性回归模型，采用相对等级法编制了木材价格表。结果表明，建立的全国各省份木材产量和销售量GM(1,1)模型可用于各省份木材供需情况分析；不同省份和不同年份间木材平均价格存在极显著性差异（P<0.01）；建立的木材平均价格GM(1,1)模型和广义线性模型模型拟合优度均>0.90，可用于木材平均价格预测；木材平均价格与森林蓄积量、GDP、人口总数和城镇化率的Pearson相关系数>0.90；采用相对等级法编制的木材价格表可用于指导林业生产经营活动。     

基于新信息优先的新疆棉花产量预测模型

根据灰色系统理论的新信息优先原理,对GM(1,1)模型进行了改进,提出了一种基于新信息优先的GM(1,1)模型,并结合实际情况分析了GM(1,1)模型和基于新信息优先的GM(1,1)模型的预测结果,残差检验和后验差检验结果表明,所建模型比GM(1,1)模型精度高,具有重要的理论价值和实践意义。     

GM(1,1)与回归预测相组合在安徽省农民人均纯收入预测中的应用

利用灰色灾变预测原理,解决预测中的历史数据跳变问题;利用传统的回归方法,对跳变点之间的情况加以预测,实现GM(1,1)和传统回归预测的组合预测。通过对安徽省农民人均纯收入的预测分析,结果表明:该法克服了GM(1,1)模型和传统回归预测各自的缺陷,使得预测结果更接近未来发展的趋势。     

GM(1,1)模型的改进及应用

根据GM(1,1)模型建模原理,对GM(1,1)模型的模拟方法作了一些改进.新模型克服了序列增速过快对模拟效果的影响,扩大了GM(1,1)模型的应用范围,经实例验证,其模拟方法是可行的.