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。     

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.     

基于灰色马尔柯夫预测模型的径流量预测

针对河川径流成因复杂性的特点和用单一预测法均有一定局限性的现状,提出了灰色与马尔柯夫相耦合的灰色马尔柯夫预测模型.两种预测模型的科学组合,既综合了GM(1,1)灰色预测和马尔柯夫预测的优点,又提高了预测流域径流量的精度.讨论了GM(1,1)模型修正法和相对误差序列的"马氏性"检验法,进一步完善了该预测模型.最后以安康水库年入库径流量预测为例,验证该方法的可行性.结果表明:1995年和1996年入库径流量的预测值分别是以0.41,0.39的最大概率落人区间(99.894,139.592)和(101.088,142.509)内,由此可见,预测结果准确.     

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。     

基于灰色理论的城市降尘环境污染预测模型

基于灰色预测理论,探讨了灰色预测模型在城市降尘污染预测中的可行性,以实例为基础,应用灰色预测模型对城市降尘环境污染预测,并进行了检验.结果表明:GM(1,1)模型预测结果经过精度检验,后验差比值C=0.43,小误差频率P＞0.95,精度较高;用灰色理论预测城市降尘环境污染,灰色预测模型具有较高预测精度、方便实用等优点.该方法可作为环境监测指标预测工具之一.     

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.     

灰色GM(1,1)预测模型及其在甘肃省GDP预测中的应用

在简要介绍灰色预测方法GM(1,1)模型的构造与检验的基础上,对甘肃省近年来GDP的数据进行分析,建立了GM(1,1)预测模型,应用残差检验和后验差检验两种方法对模型进行检验,实证检验表明,预测模型可靠,精度较高。应用模型预测得出2011年甘肃省的GDP将突破5000亿,结论具有一定的参考价值。     

烤烟醇化过程中还原糖含量的组合预测模型

为了提高现有烤烟醇化过程中化学成分预测模型的精度,提出了组合预测模型。选取灰色GM(1,1)模型、三次指数平滑、一元非线性回归3种单一预测模型,采用标准差法分配权重,对单一预测结果进行集成,以还原糖为例,建立了化学成分的组合预测模型。结果表明,组合预测模型能够较好的提高预测精度,较GM(1,1)、三次指数平滑和一元非线性回归模型预测精度分别提高了0.0184、0.0283和0.0082。     

基于新维无偏灰色马尔可夫模型的小麦产量预测

针对小麦产量具有较大波动性的特点,结合灰色预测模型和马尔可夫理论,同时利用新信息优先的思想,以河南省2010—2019年小麦产量作为原始数据建立无偏灰色GM(1,1)模型、无偏灰色马尔可夫模型和新维无偏灰色马尔可夫模型,并对比3种模型的预测精度.结果表明,新维无偏灰色马尔可夫模型能提高预测精度,适合中长期预测,并预测出河南省未来5年的小麦产量数据.     

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。     

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。     

基于小波变换的GM(1,1)-ARIMA组合模型对粮食产量的预测

为提高粮食产量的预测精度,针对粮食产量的数据特点,提出了在小波变换的基础上,结合GM(1,1)模型与ARIMA模型的优点,建立GM(1,1)-ARIMA组合预测模型。首先,通过小波变换对非平稳序列进行分解,得到近似分量和细节分量;针对各分量序列的不同特征,采用灰色GM(1,1)模型对近似分量进行趋势预测,为进一步提高趋势信号的预测精度,使用灰色GM(1,1)模型对预测序列进行残差修正;然后,采用ARIMA预测模型对分离出的细节分量进行预测;最后,通过小波重构得到粮食产量的预测值。预测结果表明,基于小波变换的GM(1,1)-ARIMA模型的拟合平均误差为0. 69%,通过对2011—2014年粮食产量的预测,其预测平均误差低于1%,为粮食产量预测提供了一种新的技术途径。     

PXGM(1,1)模型在参考作物腾发量预测中的应用

为了提高参考作物腾发量预测模型的预测精度,将灰色新陈代谢预测模型与粒子群优化算法(PSO)相结合,提出PXGM(1,1)模型,并用该模型来预测阜新市参考作物腾发量.结果表明:优化后的新陈代谢GM(1,1)模型(简称PXGM(1,1)模型)的预测精度较原有的灰色新陈代谢预测模型的预测精度有了很大的提高.该模型建模过程简单、适用性强,为参考作物腾发量的预测提供了新的方法.     

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。     

小城镇人口规模的灰色预测

本文在分析现有人口预测模型的基础上,提出了城镇人口预测的灰色GM(1,1)模型,并对浙江省湖州市南浔镇近几年的人口进行了预测,结果表明灰色预测法具有较高的预测精度,为小城镇人口预测开辟了一条新途径.     

基于灰色理论和BP神经网络预测观光农业旅游人数的研究

运用灰色GM(1,1)预测模型与BP神经网络预测模型相结合而成的灰色神经网络模型,对山东枣庄市旅游人数进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前2年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用旅游人数数据对模型进行学习验证。为山东枣庄市沿运区域旅游资源的合理利用及管理提供了科学依据,并以科学预测为依据提供一些观光农业旅游资源合理开发对策。     

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。     

灰色广义回归神经网络在木薯产量预测中的应用

将GM(1,1)预测模型与广义回归神经网络(GRNN)相融合,构建一种兼具两者优点、互补型的灰色广义回归神经网络(GGRNN).以1985-2007年度广西木薯鲜薯总产量为数据样本,采用GGRNN模型进行广西木薯产量预测研究.研究结果表明,GGRNN训练期平均拟合指数、预测期平均拟合指数分别为0.99和0.93,分别比GM(1,1)模型高0.09和0.04.该组合模型在拟合精度和预测精度方面均优于单一的GM(1,1)预测模型,并具有自学习能力、非线性映射能力以及适应性强等优点,为木薯产量预测的定量化和智能化提供了一条有效途径.