基于灰色GM(1,n)模型的河北物流货运量预测

在分析河北省货运量影响因素的基础上,提出了基于灰色关联分析的灰色GM(1,n)预测模型。在国家统计局指标分类基础上,将河北省货运量影响因素分为国民经济、固定资产投资和房地产、对外经济贸易、能源、运输和邮电、社会消费六类18个指标,采用灰色关联分析法对18项指标与河北省货运量进行相关性分析,根据灰色关联系数与排序,筛选灰色GM(1,n)预测变量,减少预测模型输入工作量,计算模型参数。通过对河北省1993—2012年货运量实例分析表明,该预测方法具有运算快、精度高的优点。     

物流需求灰色预测及其实证分析

物流需求涉及仓储、运输、配送、流通加工等物流业务的运作规模,以及行业、区域等范围的物流规模等内容,其预测具有复杂性,一般性预测方法往往因考虑因素较少或因素间的相互关联程度处理较为简单,很难满足物流需求内容的要求,需要寻求应用新的预测方法。针对航空物流领域的特点,在总结物流需求预测方法的基础上,提出了依据航空物流基地货运量构建航空物流基地的物流需求的灰色预测模型,并应用该模型对某省未来工业航空物流量进行预测。同时,为验证预测方法的可行性,结合福建省的物流规模状况,建立灰色需求GM预测模型,通过实证分析对预测结果进行了检验,证明了灰色预测方法在物流需求量预测方法的有效性。     

大学生消费结构的灰色关联分析及趋势预测

利用灰色系统理论中灰色关联分析的方法,根据大学生各项消费行为的数据序列,计算相关因素的灰色关联度,在此基础上分析大学生消费行为的特征;建立一个关于大学生各项消费的灰色GM（1,1）预测模型,对大学生消费结构进行预测和分析,并提出合理化建议。     

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.     

湖南省农业经济发展的灰色系统分析——基于农业现代化物质技术手段视角

运用灰色系统理论中的灰色关联分析和灰色GM(1,1)模型,分析农业现代化的物质技术指标对湖南省农业经济发展的影响.结果表明,农业化学化对农业经济发展的影响最大,其次是电气化、水利化,机械化;利用GM(1,1)模型对这些因素未来的发展走向进行预测,能动态地反映湖南省农业经济的发展趋势,并在此基础上提出促进湖南省农业经济发展的相关建议.     

国内旅游客源市场的灰色预测模型 --以河北省为例

本文通过对近几年来河北省国内旅游游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了GM(1,1)预测模型,模型输出的结果与历史情况相当相吻合,进而利用该模型对河北省2003010年的国内旅游游客量进行了预测分析。     

基于自相关理论的GM(1,1)和GM(1,N)联合预测

通过引入自相关分析，将GM（1，1）与GM（1，N）两者的优点有机结合，运用GM（1，1）预测模型所需的数据量，达到GM（1，N）预测模型所具有的预测精度，减少灰色模型的预测误差。     

北京市普通住宅商品房销售面积预测

申奥成功、加入WTO ,这一切都会将北京的房地产业推向一个新的发展高潮。北京市商品房的价格会持续上涨吗 ?本文将应用改进的灰色预测模型GM(1 ,1 )对影响北京市商品房价格的影响因素之一———北京市普通住宅商品房销售面积进行预测分析。     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了 GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色 GM(1,N)预测模型.根据湖南省1995~2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008~2010所预测数据和实际产粮数据平均相对误差为0.77%,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色GM(1,N)预测模型.根据湖南省1995～2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008～2010所预测数据和实际产粮数据平均相对误差为0.77％,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议.     

灰色系统理论及其在旅游预测中的应用——以广西桂林为例

论文简要介绍了灰色系统理论及GM(1,1)灰色预测模型,针对旅游系统的特点,结合旅游预测研究的目的,将灰色预测模型GM(1,1)运用于区域旅游预测中,并以广西桂林为算例进行预测,获得较好的预测效果。     

湖南省碳排放影响因素的灰色关联分析与预测

采用灰色关联分析法分析了2000年-2005年湖南碳排放量与经济增长、人口规模、产业结构以及城市化水平四影响因素的关联度,得出城市化水平与碳排放量的关系最为显著的结论,同时运用GM(1,1)灰色预测模型对湖南未来几年碳排放量做出预测(2010年-2012年),结果表明:如果保持目前的经济增长速度、人口规模、产业结构以及城市化水平,碳排放量仍将保持较高的增长速度。最后提出关于湖南减少碳排放的政策建议。     

含线性时变参数的反向累加离散灰色预测模型

为了增强灰色预测模型对各种特征数据的适应性,在现有反向累加灰色模型研究的基础上,提出了一种含线性时变参数的反向累加离散灰色预测模型,并给出了可用于预测的模型时间响应式和还原式。通过数值模拟和对广东省电力消费量的预测分析,结果显示:新模型比传统GM(1,1)模型、反向累加GOM(1,1)模型和反向累加离散DGOM(1,1)模型具有更高的建模精度。     

基于灰色马尔可夫模型的烟台市铁路客运量预测研究

铁路客运量能够反应所在省市的人口流动量,是铁路经济效益计算的重要基础.本文将传统的灰色预测GM(1,1)模型与马尔可夫链状态转移矩阵相结合,建立灰色马尔可夫预测模型,对2020—2024年烟台市铁路客运量进行预测.结果表明:所建立的模型实现了灰色预测模型和马尔可夫链的优势互补;将灰色预测模型与灰色马尔可夫模型进行对比,...     

基于灰色预测模型GM(1,1)的人力资源需求预测研究

文章使用灰色预测模型GM(1,1)对A企业人员数量进行预测,通过对A企业人员数据累加处理后的标准光滑性检验和验证准指数规律,发现A企业人员数据满足GM(1,1)预测模型,应用MATLAB软件进行数学计算,建立A企业人力资源需求预测模型,预测结果与精度检验表明模型符合二级精度,可以做中长期预测。     

高等教育规模波动与经济波动协调性的实证分析——基于GER与人均国内生产总值的考察

利用灰色关联等维代谢模型（GM（1,1））对我国扩招十年来高等教育规模波动与经济波动的协调关系进行回归分析,以高等教育毛入学率与人均国内生产总值为具体分析单元,建构高等教育规模波动与经济波动的灰色协整预测模型,精度检验显示所建GM（1,1）模型拟合值与实际值、预测值与规划值误差较小,灰色关联度较高,符合灰色建模理论,可以为我国经济和高等教育发展规划提供科学预测和理论诠释。     

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%。     

GM（1，1）模型在黑龙江省城镇居民收入预测中的应用

分析2003－2014年黑龙江省城镇居民可支配收入，运用 GM （1，1）灰色预测模型科学预测2015—2019年黑龙江省城镇居民可支配收入，得到黑龙江省城镇居民可支配收入将会持续不断增长的结论，证实了预测的科学性与可行性。     

基于优化灰色模型的湖南省粮食产量预测方法改进研究

常见的粮食产量预测方法主要包括时间序列法、回归分析法、神经网络、灰色模型等方法,由于粮食产量数据呈现出的非线性特征,非线性灰色模型GM（1,N）在粮食产量预测方面具有更好的适应性,但由于模型自身存在一些缺陷,使得预测精度不高。为提高预测结果的准确性,采用灰色关联分析,应用优化灰色模型OGM（1,N）进行计算,并将结果与GM（1,N）模型预测结果进行比较,发现OGM（1,N）模型预测结果精度较GM（1,N）模型预测结果精度提高了一个数量级,表明OGM（1,N）模型在粮食产量预测方面有更高的准确性。最后根据预测结果的分析讨论,对湖南省粮食增产问题提出了一些建议。     

基于支持向量机的中长期电力负荷预测研究与应用

采用一种新的机器学习方法——支持向量机,建立了中长期电力负荷预测模型.阐述了支持向量机的基本内容,对影响电力负荷诸多因素的样本集进行了标准化处理和主因素分析(PCA).采用Libsvm训练了数据集,并与灰色预测GM(1,1)模型、多元线性回归模型、模糊ISODATA聚类模型和BP神经网络进行对比.结果表明,此算法有更高的准确性,可为电力负荷预测提供有效依据.