改进GM（1，1）模型在四川天然气需求预测中的应用

为了提高GM（1,1）模型在天然气需求预测中的精度和普遍适用性,首先分析了传统GM（1,1）模型存在的不足,提出了改进方法,在传统GM（1,1）模型基础上通过对模型系数进行优化修正,降低预测模型的模型系数,建立了改进的GM（1,1）预测模型。利用四川2000～2007年天然气消费量统计数据对传统GM（1,1）、无偏GM（1,1）和改进GM（1,1）进行了对比预测分析。分析结果表明改进GM（1,1）模型具有较高的精度。     

基于灰色系统理论的山东物流需求预测分析

从山东物流需求省情出发,运用灰色GM（1,1）预测模型理论,根据实际数据建立山东省物流需求量模型,并运用该模型对山东省未来五年物流需求规模进行预测,结果显示山东省的物流需求呈增长之势,以期为山东省物流业发展提供理论依据。     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

ARIMA和GM（1，1）模型预测上海市卫生总费用

卫生总费用是评价一个国家或地区卫生投入水平和资金利用状况的重要指标。文章采用2005—2018年《上海市统计年鉴》相关数据,利用ARIMA模型与灰色GM（1,1）模型,分别对上海市卫生总费用及其占国内生产总值（GDP）比重发展趋势进行预测分析。研究发现,2018—2025年上海市卫生总费用及其占GDP比重将继续保持稳定增长,预测结果显示,2025年上海市卫生总费用及其占GDP比重将分别达到4 765.19亿元（8.53%）、5 976.59亿元（10.21%）。所建立的ARIMA模型与灰色GM（1,1）模型平均相对误差均小于10%,拟合度较好、预测精度较高,但灰色GM（1,1）模型的预测效果要优于ARIMA模型。文章提出今后上海市应在保持卫生总费用继续投入的基础上,控制其合理增长;保持卫生费用的投入与经济发展水平恰当匹配,提高卫生效率,为居民提供更高质量、更加普惠、更有效率的健康服务。     

灰色GM（1，1）新陈代谢模型在吉林省GDP总量预测中的应用

通过灰色系统理论,建立不同维数的灰色GM（1,1）新陈代谢模型,比较了它们的优劣,确定了最优维数预测模型．应用该模型预测出2011-2015年吉林省的GDP总量．     

北京市保障性住房供给预测研究

为解决北京市保障性住房供需矛盾,完善其住房保障供给体系,并使其实施更具可操作性,应用灰色系统预测理论,通过构建北京市人均建筑面积和户籍人口总数GM（1,1）模型,以北京市2003-2007年相关数据为原始样本值,预测出北京市2008年起未来五年北京市保障性住房供给总量。经过相对误差检验、均方差检验、小误差概率检验,原始样本值符合检验要求,预测结果具有精度高、拟合程度好的特点。研究结果表明：应用灰色GM（1,1）模型进行预测,量化了北京市2008-2012年各年度保障性住房供给总量,为政府进行相关决策提供了依据。     

基于GM（1，1）模型的大连市入境旅游发展研究

作为区域旅游业发展研究的一项重要内容,旅游指标建模与预测研究起始于20世纪60年代,已成为旅游研究的热点之一。基于灰色系统理论,以大连市2000--2009年入境旅游统计资料为原始数据,建构旅游指标GM（1,1）灰色预测动态模型并进行模型精度检验;对预测结果分析表明,模型预测结果与实际数据基本一致,进而利用该模型对大连市2011—2015年入境旅游指标进行预测;最后,提出大连市入境旅游可持续发展对策。     

中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型

基于STIRPAT模型,将中国工业碳排放的影响因素确定为人口规模、人均工业产值和工业技术水平。以1997年至2010年中国工业碳排放相关数据为研究样本,采用灰色预测GM(1,1)模型预测了工业碳排放、人口规模、人均工业产值和工业技术水平2011-2020年的未来值,为控制未来工业碳排放量提供数据参考。结果表明,从灰色预测的增速和总量综合来看,人均工业产值对工业碳排放影响最大。同时GM(1,1)对工业碳排放及其影响因素的预测精度较高。     

GM（1，1）模型在江苏省5岁以下儿童死亡率预测中的应用

运用Matlab软件建立GM（1,1）模型,对江苏省2005—2016年5岁以下儿童死亡率数据进行分析,预测2017—2020年江苏省5岁以下儿童死亡率,为妇幼保健工作提供参考。建立的预测模型为：［[x]（1（t+1）=-121.349e-0.0628t+129.909;经模型精度检验：C=0.103 7,P=1,结果表明预测效果好;2017—2020年5岁以下儿童死亡率的预测值分别为：3.70‰、3.48‰、3.26‰、3.07‰。灰色GM（1,1）模型能较好预测5岁以下儿童死亡率,预测结果表明江苏省5岁以下儿童死亡率呈下降趋势,同时应加大对儿童健康的关注,把5岁以下儿童死亡率控制在更低的水平。     

基于正弦变换和背景值优化的灰色GM(1,1)模型研究

对传统GM(1,1)模型进行误差分析,基于正弦变换和误差最小化原理对初始条件和背景值进行改进,建立了优化GM(1,1)模型。为了比较与传统GM(1,1)模型的优劣,选取2005—2015年我国水产品总产量数据,基于传统GM(1,1)模型和优化GM(1,1)模型分别对水产品总产量进行预测。实证研究表明:优化GM(1,1)模型在预测相对误差方面有明显改善,极大地提高了灰色模型的预测精度。     

基于灰预测与灰关联的区域水路货运发展研究——以广西为例

以广西和中国2009—2014年水路货运相关数据为基础,一方面通过灰色 Verhulst 及新陈代谢模型预测2015—2017年广西水路货运量;另一方面从区域经济、区域物流环境、产业发展、信息化等方面构建影响因素体系,利用灰色关联分析影响水路货运量的相关因素.结果表明:预测模型的平均误差是2.8%,能够有效预测水路货运量;同时可知产业发展对水路货运量发展影响最为显著,其次为区域经济因素,而区域物流环境与信息化因素的影响相对较弱.因此,应改善区域经济环境、发展物流相关产业、完善物流基础设施、加速区域物流信息化.     

基于灰色灾变模型的企业资本运营绩效的预测分析

针对国内外关于企业资本运营绩效多是结果评价的状况,选用GM(1,1)灰色灾变预测模型,对企业的资本运营绩效进行预测分析。结果表明该方法具有一定的精度,预测结果基本正确可靠,可以用于企业资本运营绩效的预测分析,为企业相关决策提供指导。     

基于GP的非线性GDP预测模型的构建与应用

针对线性GDP预测模型中存在的不足,利用遗传规划(GP)方法构建了非线性GDP预测模型,并将其应用于黑龙江省的GDP预测当中。利用黑龙江省1978—2005年实际GDP数据作为建模样本,对模型进行了训练,结果表明,与灰色GM(1,1)预测模型相比,基于GP的非线性预测模型平均拟合误差只有2.86%,远远低于GM(1,1)预测模型8.26%的结果。利用构建的基于GP的非线性预测模型对2006年黑龙江省的GDP进行预测,相对预测误差只有2.74%,远远低于GM(1,1)预测模型14.68%的结果,表明GP非线性预测模型的预测效果比较理想。最后利用基于GP的非线性预测模型对黑龙江省2007—2020的GDP进行了预测,结果表明黑龙江省的GDP呈现出稳定增长态势,年均增长率将达到8.61%。     

灰色组合模型在湖北省粮食单产预测中的应用

分别采用GM(1,1)模型、多项式和组合模型利用统计资料对湖北省粮食单产进行预测,结合具体情况进行分析,结论认为2010、2015、2020年湖北省单产将可能达到5917.63、6141.03、6358.66千克。     

基于GM(1,1)模型对房地产投资额的预测研究——来自四川省成都市的经验证据

针对房地产开发投资额样本数据少、受各种因素影响具有不确定性的特点,运用灰色理论中应用最为广泛的GM(1,1)模型,以2004年以来成都房地产开发投资额的年统计数据为样本,对成都2009年的房地产开发投资额进行拟合。实证分析过程中通过弱化缓冲序列算子的作用,调整了样本数据的增长速度,实证结果表明GM(1,1)模型在房地产开发投资额预测方面精度较好,能够用该GM(1,1)模型对成都未来的房地产开发投资额进行预测分析,为政府、投资者、消费者的决策提供参考意见。     

人口预测常用模型及其比较分析

人口问题一直是制约我国经济快速发展的关键因素之一，准确预报人口增长是人口研究的一个热点．本文根据（2005年中国统计年签》公布的人口数据分别建立了CM（1，1）模型、Leslie模型、Logistic模型来预测我国未来人口发展的趋势，并比较了这几个模型预测的优缺点．     

GA-灰色神经网络的区域物流需求预测

区域物流需求与区域经济发展水平密切相关,影响区域物流需求的经济因素包括区域经济的规模、产业结构、购买力和网络购物人数。以货运量作为物流需求的内容,选取福建省1997—2009年的经济数据作为面板数据,采用基于遗传算法的灰色神经网络模型对福建省区域物流进行预测。实证结果表明:网上购物水平是影响区域物流需求量的一个重要因素;组合预测模型较单一预测模型具有更好的预测效果;未来几年内福建省物流需求将呈上升态势。实证结果为区域物流需求预测提供了有益的参考。     

基于灰色线性组合模型的农产品物流需求预测

以北京市农产品物流需求为研究对象,采用灰色 GM(1,1)模型为基本方法,使用 Matlab 软件,借助蚁群算法求出了单个模型的权数,构建出灰色线性组合模型,对"十三五"时期北京市农产品的物流需求进行预测。研究发现：北京市农产品物流需求在"十三五"期间稳定增加。因此,要平衡"十三五"期间北京市农产品物流的供给与需求,应增加农产品物流的供给,即完善农产品物流基础设施建设、大力支持农产品物流企业的发展和政府加强宏观调控。预测的结果表明：灰色线性组合模型的拟合度较好,比其他传统方法有更高的预测精度。