基于背景值优化的GM(1,1)国内旅游消费预测模型

针对传统灰色GM(1,1)模型的背景值大于实际背景值的情况,根据差分插值原理对模型背景值进行优化。选取2006—2015年我国国内旅游消费数据,在对原始数据作对数处理的基础上,基于背景值优化GM(1,1)模型,对我国国内旅游消费水平进行预测。与传统GM(1,1)模型进行对比,结果表明:基于背景值优化的GM(1,1)模型能大幅减小预测误差,提高模型精度,非常适用于国内旅游消费中短期预测。     

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。     

基于灰色关联度的GM(1,1)-BP神经网络组合模型研究

改革开放以来,我国居民消费水平保持较快发展态势,准确预测未来居民消费水平能更好地掌握国民经济发展趋势,为政府相关部门制定战略规划和产业政策提供参考。为此,基于灰色关联度建立了GM(1,1)-BP神经网络组合模型,对2000—2016年居民消费水平进行模拟,并对比分析GM(1,1)模型、BP神经网络模型、灰色组合模型模型的预测误差。仿真结果表明,基于灰色关联度的GM(1,1)-BP神经网络组合模型能进一步提高预测准确性。     

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。     

基于灰色关联度组合模型的能源消费预测研究

为了准确预测未来几年我国能源消费总量,基于灰色关联度建立了我国能源消费组合预测模型,并与传统GM(1,1)模型进行对比分析。结果表明:组合模型能有效降低平均相对误差,提高预测精度,非常适用于我国能源消费预测。     

基于残差灰色模型的天然气消费预测研究

随着全国各地"煤改气"如火如荼地进行,天然气消费量持续增加,科学准确地预测天然气消费量显得尤为重要。在传统GM(1,1)模型的基础上,建立灰色残差GM(1,1)模型,对我国天然气消费进行预测,并对比分析了残差GM(1,1)模型和传统GM(1,1)模型的预测精度。结果表明:残差GM(1,1)模型进一步提高了预测精度,适用于天然气消费预测研究。     

税收增长预测的灰色理论模型研究

税收是国家财政收入的重要来源,准确的税收预测结果对于制定各项经济政策具有非常重要的意义。文章在传统GM(1,1)模型的基础上,通过改变背景值,提出了用于中国税收预测的改进GM(1,1)模型。实例分析采用中国1994-2008年共15年的税收数据,预测结果表明:灰色预测可以较好地模拟出税收总量的变化趋势,而改进的GM(1,1)模型比传统的GM(1,1)模型所得到的预测结果更加合理。并且,整个预测过程思路简洁,易于编程实现,在当前中国税收政策变化力度加大、受国内外经济波动影响颇深的情形下,依然不失为一种有效的税收预测方法。     

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。     

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.     

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。     

苹果产量的神经网络预测模型

在介绍神经网络预测方法的基础上 ,采用 BP神经网络技术对我国未来若干年的苹果产量进行预测 ,并将其结果与灰色系统 GM(1,1)的预测结果进行比较分析 ,表明该方法预测效果比传统的预测方法好 ,可以用来对水果等经济作物的产量进行中短期预测。     

利用灰色模型预测特种设备行业事故

根据对1998年至2004年特种设备行业严重以上事故的统计(含爆炸事故和严重事故),建立了灰色预测模型GM(1,1),并运用灰色预测模型对2005年到2008年的特种设备行业的严重以上事故的发展趋势进行了预测。模型通过了检验,预测结果拟合精度较高。预测结果表明未来几年严重以上事故起数将缓慢降低。预测结果为政府、企业认识事故规律以及为政府科学监管提供了一定的参考。     

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。     

基于灰色系统模型的粮食供给分析

文章基于灰色系统理论,以1978~2006年的粮食总产量的数据为基础,建立粮食产量的动态GM(1,1)灰色预测模型,对未来10年中国的粮食产量进行动态预测,为我国今后粮食的生产提供科学决策依据.     

基于灰色GM(1,1)模型的山东省人口预测与可持续发展研究

采用1985~2012年山东省人口统计数据分析了山东省人口的发展趋势,并选取2001~2009年的净增人口数,建立不同维数的灰色GM(1,1)模型.选用2011年和2012年的总人口数来检验模型,最后选取5维GM(1,1)模型,对山东省2013~2020年的总人口进行了预测,结果表明山东省总人口在未来一段时间内持续增加,并且增加的速度变缓,在2020年将达到9948.1332万人.在预测的基础上分析了人口与土地资源、淡水资源的可持续发展,并对山东省今后实现人口可持续发展提出了对策.     

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。     

2005-2010年四川省人才需求预测

本文依据相关资料数据,构建灰色模型GM(1,2)和GM(1,1).应用模型对四川省2005-2010年从业人才需求和三次产业人才结构情况做出预测,并对人才质量进行分析.在此基础上,提出了实现预测目标的策略建议,为四川省人才培养决策提供参考.     

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。