基于BP神经网络与灰色模型的干旱预测方法研究

为了提高降水量预测的精度,采用BP神经网络与灰色模型相结合干旱预测的理论方法,研究数据的灰色建模与预测,再对模拟值与真值残差进行BP网络建模,利用残差模拟值修正总体降水量预测值,并对朝阳地区降水量进行预测。研究结果表明:BP神经网络与灰色模型预测相结合降水量平均预测误差为0.0799,比单纯用灰色模型预测误差降低0.1311,说明BP神经网络与灰色模型相结合的预测方法适合朝阳地区降水量的预测。     

灰预测模式评估观光农业之游客量

台湾休闲观光农业之发展,使得乡镇各地旅游景点游客量也因诸多经营推销等因素而互有消长,然而农村地区的地域性旅游点,具有指标性之意义,而未来指标地区游客量的成长与衰减,与区域性旅游发展息息相关。因此透过有效的预测技术,可以正确地预知未来游客量变化情形并加以因应。本研究应用GM(1,1)、滚动检验法、灰色马可夫以及灰色傅立叶级数残差修正预测模型来预测南投埔里酒厂游客量,对研究结果进行比较与分析得出,灰色傅立叶级数残差修正预测模型之预测精确度高达97.66%,且其预测2009年4月之游客量与埔里酒厂所公布之游客量统计资料相比,误差仅为2.09%,相较其它预测模型,灰色傅立叶级数残差修正预测模型较适合此类周期波动较大的数据数据之预测。     

SARS疾病传播规律的灰色预测模型

以灰色系统理论为基础,根据相应数据用灰色模型建立了SARS传播规律的残差修正模型并对SARS传播的规律进行模拟检验和预测.     

加权马尔可夫链理论在肉类产量预测中的应用

为准确反映肉类产量的波动特征,基于加权马尔可夫链理论提出了灰色残差修正模型,采用均值-均方差分级法,将残差灰拟合精度指标划分为4个状态,利用加权马尔可夫链理论对残差预测值进行修正.以1994-2011年郑州市肉类产量为基础,建立预测模型进行实证分析,并在模型中加入等维信息,结果表明,与传统的灰色预测相比,预测平均相对误差由21.88％降低为1.312％,较好地提高了预测精度.     

残差修正模型在森林火灾预测中的应用

基于1990-2013年福建省森林火灾发生次数建立残差修正模型,并与BP神经网络模型、马尔科夫链模型、赋权组合预测模型进行比较.结果表明:残差修正预测模型的预测精度达到95.33%,而BP神经网络模型预测精度是87.77%,马尔科夫链模型预测精度为74.85%,赋权组合预测模型预测精度为88.3%,残差修正模型预测效果优于其他3个模型,说明使用其对离散的森林火灾数据进行短期预测是有效可行的.     

优化的灰色-马尔可夫模型在呼伦贝尔市年降水量预测中的应用

利用2002—2016年呼伦贝尔市年降水量数据,对GM(1,1)模型进行加权滑动优化,无偏灰色模型改进以及残差序列修正,同时构建出滑动无偏残差修正的灰色-马尔可夫组合模型。结果表明,比较呼伦贝尔市2017年与2018年实际降水量,发现组合模型在预测拟合度、预测精度方面都比较理想,能够对呼伦贝尔市年降水量进行合理预测。2019—2021年呼伦贝尔市年降水量呈上升趋势。2019年最有可能处于评估较为准确状态和高估状态,可能的概率分别为41%和38%,而2020年和2021年最有可能为高估状态,即这2年实际年降水量会低于预测模型预测的结果,可能的概率均为42%;从总体上来看,呼伦贝尔市未来的年降水量较为充沛,这将对呼伦贝尔草原草地生态发展起到积极的促进作用。     

基于灰色-灰色残差修正的广东旅游业收入预测

随着中国旅游业的发展,出境旅游成为国民热点消费领域之一,因此,预测广东旅游业收入具有十分重要的意义。本文根据2000-2009年广东旅游业收入数据,采用灰色模型预测方法 GM(1,1)和灰色残差修正相结合,提出了灰色-灰色残差修正改进预测方法,预测广东旅游业收入趋势,得出了比灰色预测更加准确的结论。     

应用动态残差辨识法提高回归预测精确度

动态残差辨识法即误差估计法,是灰色系统的重要内容,此方法是通过对误差序列进行累加生成,从而建立误差修正模型,以提高预测精度的一种方法。这种方法,目前仅限于修正灰色GM(1,1)模型(即动态1阶1个变量的模型)。我们通过对动态残差辨识法的分析研究,把这种方法应用到线性回归预测中,扩大了灰色系统的应用范围,取得了良好的效果。     

年降水量灰色摆动等维新息预测模型

本文根据国营八五五农场气象站实测年降水量数据列,在等维新息GM(1,1)建模基础上,根据残差序列经离散傅里叶变换建立灰色摆动GM(1,1,ω)模型,再对其残差信息进行周期分析来修正预测值,其模型的预测精度较高。     

河南省渔业增加值的加权Markov残差修正预测研究

引入友精度指标,基于加权马尔可夫链(Markov)理论提出了灰色残差修正模型,并运用马尔可夫状态转移矩阵对未来残差的符号进行判定.以1994-2011年河南省渔业增加值为基础,建立预测模型,并在模型中不断加入新信息,进行实证分析.结果表明,与传统的灰色预测相比,预测值平均相对误差由8.33％降低为2.54％,较好地提高了预测的精度.     

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。     

Forecasting agricultural output with an improved grey forecasting model based on the genetic algorithm

Agriculture is the foundation of the national economy. Thus, an appropriate tool for forecasting agricultural output is very important for policy making. In this study, both modified background value calculation and use of a genetic algorithm to find the optimal parameters were adopted simultaneously to construct an improved GM(1,1) model (GAIGM(1,1)). The sample period of the forecasting models includes the annual values for the data of Taiwan’s agricultural output from 1998 to 2010. The mean absolute percentage error and the root mean square percentage error are two criteria with which to compare the various forecasting models results. Both in-sample and out-of-sample forecast performance results show that the GAIGM(1,1) model has highly accurate forecasting. Therefore, the GAIGM(1,1) model can raise the forecast accuracy of the GM(1,1) model, and it is suitable for use in modeling and forecasting of agricultural output.     

基于粒子群优化算法的灰色预测模型GM(1,1)改进

为了提高灰色预测模型GM(1,1)在复杂系统模型中的预测精度,从原始数据和预测值两个方面对灰色GM(1,1)模型进行改进。根据原始数据的信息特点对模型作补充定义;预测值改进则利用背景值重构和粒子群优化算法对传统GM(1,1)模型的预测值进行改进,求出最佳预测值。结果表明:改进GM(1,1)模型的平均残差和相对残差都远远小于传统模型,其预测效能和可信度都有大幅提高。     

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。     

基于GM(1,1)模型的四川粮食产量预测研究

中国人口众多,粮食安全关系到国计民生,加强粮食产量预测有利于确保粮食安全。根据2001—2015 年四川粮食产量的历史数据,运用灰色系统理论,建立基于弱化缓冲算子的GM(1,1)预测模型,通过残差、级比偏差、关联度、后验差检测、模拟数据检查对模型的合理性和精度进行误差检验,并应用模型预测未来3 年的粮食产量。研究结果表明,灰色系统理论GM(1,1)适用于粮食产量预测且具有较高的精度。预测了2016、2017、2018 年的粮食产量同比增长分别为-2.11%、-0.39%和1.21%,由此得出未来粮食产量将在波动中增长。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

灰色新陈代谢模型在农民收入和消费预测中的应用

运用灰色系统理论和方法,建立了灰色新陈代谢GM（1,1）宁夏农村居民人均纯收入和人均生活消费模型。在MATLAB环境下对该模型的精度以及误差进行了分析,并利用该模型对宁夏农村人均纯收入和人均生活消费进行预测。预测结果表明,灰色新陈代谢GM（1,1）预测模型能够明显地提高预测精度,增加预测的可靠性。     

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。     

甘肃省小水电年发电量的灰色预测

本文应用灰色系统动态建模的理论和方法,以甘肃省小水电年发电量统计资料为数据数列,建立了小水电年发电量的长期预测灰色动态模型。经误差检验,模型精度较高,可供我省制定小水电发展规划及决策时参考。     

广西蔬菜产量灰色预测模型GM（1，1）的建立及其相关性分析

运用灰色系统理论,基于2008—2014年广西蔬菜产量数据,建立了广西蔬菜产量灰色预测模型GM(1,1),对该模型进行残差检验、关联度检验以及后验差检验,并以2015—2016年广西蔬菜产量数据作为该模型精确度的实际检验。检验结果证明该模型可用。利用该模型预测广西2017—2019年的蔬菜产量分别为3 062.58万、3 225.196万、3 396.446万t;蔬菜产量与种植面积、消费量、财政支农支出呈极显著正相关,并提出关于蔬菜种植的相关建议。