灰色理论GM(1,1)模型在畜禽粪便产量预测中的应用

运用灰色系统理论和方法，以北京市密云县檀营乡1999—2003年畜禽粪便猪粪当量年产量为依据，构建灰色GM（1，1）预测模型，模型为X(1)(t+1)＝ 3.528 4e0.161 7t-3.088 4,后检验比值C=0.181 2,P＝1，模型的预测精度达到一级，1999—2003年平均相对误差为4.38％，模型的预测效果比较理想。     

GM(1,1)模型对烟草产量的灰色预测

为了科学规划福建省宁化县烟草种植，运用灰色系统理论对该县1996～2004年烟草产量数据进行分析，建立了灰色系统的预测GM（1，1）模型。运用GM（1，1）模型对全县的烟草产量进行预测，并对预测结果分别进行了残差、关联度和后验差检验。结果表明，预测产量与实际产量大体吻合，二者的平均相对误差为2．28％，关联度为0．91（k=0．5），方差比为0．4，小误差概率为1。经与检验标准对比，显示所建模型精度较高，可用于宁化县烟草产量的短期预测。     

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。     

基于灰色系统理论的湖南省电力需求分析与预测

在灰色系统理论的基础上，给出了影响电力消费的社会经济因子灰色关联分析，设计GM（1，1）预测模型较好地预测了2003—2015年的湖南省电力需求．结果表明，湖南省电力需求与湖南省城乡居民收入水平有密切关系，为用灰色关联理论方法预测湖南省未来电力的需求提供了可信度．2003—2015年湖南省电力需求预测精度较高，能够反映其实际发展趋势．     

天津市国民经济发展的灰色关联预测分析

本文运用灰色系统理论分析了天津市国民经济发展状况影响因素的主次，并且试图建立一种预测经济发展GM(1，1)灰色系统模型，同时预测了2003年的经济发展，为经济的发展提出了建议．     

小麦赤霉病灰色灾变长期预测模型

 本文应用灰色系统理论对小麦赤霉病的长期预测方法进行了研究。作者根据黑龙江省八五四农场小麦病穗率的历史统计数据列（1973-1982年），经灾变映射建立GM（1，1）模型，并给出了小麦赤霉病长期预测的时间函数模型：P#+(1)（t）=147.15133e#+[0.08294(t-1)]-1.06792e#+[-0.37533(t-1)]-135.08341。 经检验,模型的精度高，回测1973-1982年的结果，拟合率达100%；对1983-1986年的预测结果，全部与实况吻合。本文又计算出1987-1991年的预测值，这将为小麦赤霉病的研究与防治，提供有益的信息。     

灰色马尔柯夫链超长期预测山东省棉铃虫发生趋势的研究

本文采用灰色预测ＧＭ（１，１）模型和马尔柯夫链预测方法，发挥各自优点，相互弥补，两者结合形成灰色马尔柯夫链，为病虫超长期预测提供一种新的方法。经１９９２、１９９３年验证，预测与实测完全符合。１９９２年预测精度达９４．１４％，较ＧＭ（１，１）模型灰色预测提高１１．８４％。应用灰色马尔柯夫链方法预测１９９４年将大发生，但发生程度轻于１９９２、１９９３年。     

小麦叶枯病发生程度的灰色灾变预测初报

运用灰色灾变预测理论与方法，建立了灰色灾变预测模型：（ＧＭ１．１）—＾Ｘ（１）（Ｋ＋１）＝１８．２５００ｅ０．１９９３３５５４ｋ－１５．２５００。经实践证明，该模型精度极高，预测准确     

基于灰色系统理论对银川市绿地面积变化的预测及分析

根据GM（1,1）模型的建模机理,利用1994-2006年银川市园林绿地变化的数据,分别建立了银川市“创建园林城市”目标前后的绿地变化预测模型,创建目标之前绿地变化预测模型为X（t＋1）=9977．510384^e0.067 699t-9327．420384,其后验差比值C=0．0418〈0．35,小误差概率P=1．0000〉0．95,检验结果为“一级,很好”．创建目标之后绿地预测模型为X（t＋1）=4269．022661^e0.2138734-3294．122661,其后验差比值C=0．1857〈0．35,小误差概率P=1．0000〉0．95,检验结果为“一级,很好”．通过所建模型对银川市绿地面积变化规律进行预测,结果表明,灰色系统GM（1,1）模型对银川市园林绿地发展可以进行模拟检验,其结果精度达一级水平,模型误差率小,所建模型可靠,精确,对于今后银川市园林绿地建设发展具有一定的指导作用．依据绿地的发展特点和变化规律对今后银川市园林绿地发展所面临的问题进行了讨论．     

灰色残差GM (1 , 1)模型在大气二氧化硫预测中的应用

应用灰色GM (1 , 1)模式理论与方法, 建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x (t +1) =-0.107 432 e-0.095 872 t +0.123 917 , 并进行了预测。预测结果与实测值的相对误差绝对值介于0.56 %～ 14.51 %之间, 预测结果后验比与小误差概率分别为0.280 2 和1.0 。表明模型与实测值拟合程度好, 达到了较高精度。表3 参10     

AC算法与灰色模型在信息产业预测中的对比分析

利用基于数据挖掘的相似体生成算法（AC算法）对吉林市的信息产业进行了预测，并与利用灰色模型GM（1，1）的预测结果进行了分析对比，结果表明：运用AC算法进行信息产业预测是可行的．     

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。     

灰色残差GM(1,1)模型在大气二氧化硫预测中的应用

应用灰色GM（1，1）模式理论与方法，建立了临安市大气二氧化硫质量浓度的灰色残差预测方程x(t 1)=-0.107432e^-0.095872 0.123917，并进行了预测，预测结果与实测值的相对误差绝对值介于0.56%－14.51%之间，预测结果后验比与小误差概率分别为0.2802和1.0。表明模型与实测值拟合程度好，达到了较高精度，表3参10。     

聚乙烯基木塑复合材料动态弹性模量预测模型1）

以PE基木塑复合材料的动态弹性模量预测模型为研究对象,利用无损检测的方法对PE基木塑复合材料的动态弹性模量进行检测。将制备方式与实验结果分别利用回归预测模型与灰色理论系统的GM（1,N）／GM（1,N,X（0））模型进行拟合预测,结果表明灰色GM（1,N,X（0））模型对PE基木塑复合材料的动态弹性模量有比较好的拟合能力和相对高的预测精度。     

基于灰色动态GM模型与计算机模拟的丽江旅游前景预测

[目的]以丽江旅游业为例,建立旅游前景预测体系,解决旅游区相关工作难点。[方法]首先构造丽江市旅游市场的动态预测反应模型,通过灰色关联模型GM（1,1）和时间序列法,利用计算机模拟程序进行实际的模型操作,预测丽江市旅游前景并对预测结果进行评价。[结果]2009～2011年丽江市旅游业总收入模型灰参数a为0.5723,内控参数u为0.3937,x（t＋1）=-0.5633exp（-0.5723t）＋0.6880;2009～2011年丽江市旅游业接待总人数模型灰参数a为-0.1256,内控参数u为344.3260,x（t＋1）=3102.4835exp（0.1256t）-2741.2835。2个模型的检验结果表明拟合程度很好,同时,预测出丽江市旅游业2011年将达到或超过130亿元的总收入,旅游接待总人数将突破880万人次。[结论]该预测体系对其他各旅游区在获取信息不完整的情况下,可进行较为精准的预测。     

基于GM（1，1）模型的时段年平均降水量预测——以宁夏隆德县为例

利用灰色系统理论GM（1,1）模型对隆德县时段年平均降水量进行了预测,经过残差检验证明所建模型具有可行性和适应性,以及用已有的实测数据检验所建模型精度满足预报要求,并预测了未来4个时段年平均降水量．预测结果为研究区域的水资源规划提供了依据．     

黑龙港流域小麦产量潜力预测及影响因素与对策

为探讨衡水市冬小麦产量变化规律,利用灰色系统理论GM（1,1）模型,依据黑龙港流域中心的衡水市1976-2006年的冬小麦产量,建立预测模型为：X（1）（k＋1）=46 967.685 785 e0.042 467-45 857.685 785。据此模型对衡水市2007-2030年的冬小麦产量进行预测,并对冬小麦产量潜力影响因素以及对策进行了讨论,可为有关部门规划农业生产、调整种植结构提供科学依据。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

用灰色理论预测青海湖裸鲤的年产量

应用灰色理论与方法,以1991~1998年青海湖裸鲤Gymnocypris przewalskii przewalskii的年产量统计数据为基础,建立了灰色系统理论GM(1,1)预测模型,用该模型对1999年青海湖裸鲤的年产量进行了预测。结果表明:青海湖裸鲤年产量的时间响应函数模型为x^(0)(k 1)=4974.9670996e-0.232119k,多年平均相对误差为10.33%,后验差比值C=0.248352,小误差频率P=1,模型的预测精度达到一级;1999年青海湖裸鲤年产量的预测值为776.8 t,与实际产量(807 t)的相对误差为3.73%,模型的预测效果比较理想。