灰色组合预测模型及其应用

针对传统回归模型需要的数据量大且建模复杂等缺陷,提出了一种基于灰色关联度和GM(1,1)的灰色组合预测模型;从灰色关联度的视角寻找数据之间的依赖关系,运用GM(1,1)模型预测数据关系的未来发展趋势,进而建立因变量的预测模型;模型体现了回归分析基于事物因果关系的建模思想,同时又具有灰色理论小样本建模的特点;应用该模型对我国2007和2008年度的GDP进行预测,预测结果表明了该模型的有效性及实用性。     

经理人,警惕“亚健康”！

“亚健康”状态是人体处于健康和疾病之间的过渡阶段, 应高度警惕 所谓“亚健康”状态,是指无器质 性病变的一些功能性改变,又称 第三状态或“灰色状态”,因其主 诉症状多种多样,又不固定,也被称为“不 定陈述综合征”。它是人体处于健康和疾病 之间的过渡阶段,在身体上、心理上没有疾     

解析健康体检档案管理中的问题及对策

近年来,随着我国经济水平大幅度提升和社会快速发展,人们越来越重视身体健康,对健康需求和以往相比也有较为强烈的意识。正因如此,医院都相继建立体检中心满足群众健康需求,在此过程中形成体检档案。但当前很多医院健康体检档案管理普遍存在思想观念落后、资源投入不足以及管理人员素质偏低问题,影响档案管理效率和质量。对此,本文则针对档案管理存在问题提出相应解决对策,望给予相关工作人员参考。     

企业员工健康管理工作的思考

员工是企业的财富,员工健康管理是关系企业人力成本及劳动效率的关键因素。因此如何做好员工健康管理工作,就是成为控制企业成本的一个重要方面。企业的员工健康管理工作应该从健全部门、提高体检质量、加强干预和心理防护等方面进行管理与服务。     

领导干部的十大健康隐患

我国著名体检机构2009年发布的《中国公职人员健康白皮书》调查显示,领导岗位的公职人员普遍身体不太好,体检异常率高达98.5%。体检专家的解释是,领导干部普遍存在的亚健康状态的根本原因,总结起来是9个字——运动少、应酬多、压力大。哪些健康隐患对领导干部的威胁最大?这些隐患的原因是什么?危害又何在?怎样才是科学的防治方法?今天我们都仔细跟您说道说道。     

领导干部的十大健康隐患

我国著名体检机构2009年发布的《中国公职人员健康白皮书》调查显示,领导岗位的公职人员普遍身体不太好,体检异常率高达98.5%。体检专家的解释是,领导干部普遍存在的亚健康状态的根本原因,总结起来是9个字——运动少、应酬多、压力大。哪些健康隐患对领导干部的威胁最大？这些隐患的原因是什么？危害又何在？怎样才是科学的防治方法？今天我们都仔细跟您说道说道。     

基于自忆性原理的多变量MGM(1,m)耦合系统模型构建及应用

针对小样本条件下具有相互制约关系的多变量系统,本文提出了一种新颖的多变量MGM(1,m)自忆性耦合系统模型,用来统一描述系统各变量间关系并且提高其建模精度。该模型通过有机耦合动力系统自忆性原理与传统MGM(1,m)模型,综合了两者各自的优势。系统的自忆性方程包含多个时次初始场而不仅是单个时次初始场,从而克服了传统灰色预测模型对初值比较敏感的弱点。对基坑变形预测的实例研究结果表明,所构建模型能够充分利用系统的多个历史时次资料,可以紧密捕捉系统演化趋势,模拟预测精度显著高于传统多变量MGM(1,m)模型。研究结果表明,新模型丰富和完善了灰色预测理论,值得推广应用于其他类似的多变量系统。     

惯性灰色模型及其应用性质研究

研究灰色预测模型建模的演化过程，可以更好地了解模型的本质特征和状态变化。惯性灰色模型主要研究灰色预测模型建模的演化过程，了解系统变化状态。本文根据数据的力学特性，利用矩阵分析方法研究惯性灰色模型的建模步骤，简化文献［1］中惯性模型的结构参数和分量参数形式，总结求解各种数据序列的力学变换式，获取各种惯性灰色模型的建模机理。最后通过实例研究系统状态的演变过程，将惯性灰色GM(1,1)模型应用到交通流状态的判定中，得到三相交通流与三种惯性灰色GM(1,1)模型的对应关系。利用三种惯性模型模拟效果来准确判断交通流的状态，揭示交通系统实时特性，为交通规划、控制和优化提供可靠的理论依据。     

信息化时期的医院体检档案工作

在当今信息化时期,体检档案利用信息化管理一方面能使体检效率以及服务质量得到提高,另一方面使医院的管理效益得到很高的提升。本文主要分析了传统体检档案管理模式存在的缺陷,指出信息化管理在医院体检档案工作中的必要性以及重要性,提出信息化时期提高医院体检档案工作质量的对策。     

健康产业发展前景看好

健康体检是预防医学的重要组成部分，是预防保健工作的重要手段之一。实现对健康或亚健康人群的健康评估，以利于对潜在疾病早发现、早预防。有的学者提出，健康产业是医疗行业的“朝阳产业”；有的学者还认为健康产业是继IT行业之后的最有前景的产业之一，它的发展前景看好。     

优化离散灰色幂模型及其应用

考虑已有的灰色预测模型主要能对指数型发展系统或幂函数型发展系统进行模拟预测,本文构建了一种不仅能够模拟指数型和幂函数型的发展系统,并且能够体现出二者之间的相互作用关系的离散灰色幂模型;并针对初始条件对离散灰色幂模型模拟精度的影响,首先给出了离散灰色幂模型的建模步骤,然后以平均相对误差最小化为目标、参数之间的关系为约束条件,构建了离散灰色幂模型初始条件的优化模型,实现对离散灰色幂模型初始条件的优化。结果表明,优化的离散灰色幂模型使得平均相对误差在理论上达到了最小化,其模拟精度和预测精度都高于传统模型。最后,通过中国网络购物人数数据预测和仿真数据分析,说明了本文优化方法的有效性和适用性。     

基于区间灰作用量的GM(1,1)均值差分模型解的非唯一性研究

GM(1,1)是结构信息不完全的灰色预测模型，但当前其模拟及预测结果的实数形式不满足灰色理论解的非唯一性原理。文章从GM(1,1)网络模型出发，分析了灰作用量的背景与内涵，还原了影响因素不确定条件下灰作用量的区间灰数形式，构建了具有非唯一解的新型GM(1,1)均值差分模型。新模型具有更加完善的体系结构，同时能实现对传统 GM(1,1)均值差分模型的完全兼容。应用新模型对我国电力能源消费量进行建模，结果显示其建模结果的合理性优于传统 GM(1,1)模型。本研究成果对丰富灰色预测模型理论框架、完善灰色预测模型结构体系具有积极意义。     

非等间距GM(1,1)模型背景值的优化

基于背景值是影响灰色建模精度的重要因素之一,本文对非等间距GM(1,1)模型中的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,提出了一种重构非等间距GM(1,1)模型背景值的方法。实例表明利用优化的背景值计算公式建立的非等间距GM(1,1)模型显著地改善了模拟和预测精度。该背景值不仅适合于非等间距建模,也适合于等间距建模,具有精度高、适用性强的特点。     

政策冲击影响下中国能源消费预测分析及控制策略

本文运用缓冲算子和灰色GM（1,1）模型,对中国能源消费总量和单位GDP能耗进行了模拟和预测,在能源消费预测结果的基础上,构建了两种控制策略模型,并以中国单位GDP能耗预测为例进行了算例分析。研究结果表明,灰色模型较好地模拟和预测了中国能源消费总量和单位GDP能耗。中国在“十二五”期间的节能潜力很大,能顺利完成能源消费总量的指标。“十二五”安全控制策略为[0.48,1）,即国家在“十二五”期间的控制力度应调整为“十一五”控制力度的0.48~1倍之间。     

面向灾害应急物资需求的灰色异构数据预测建模方法

多源信息集结对提高自然灾害环境下统计数据可信度具有重要作用,但信息渠道的多源性极易导致集结信息数据类型不一致、不兼容,形成灰色异构数据序列。本文应用灰色系统建模技术对灰色异构数据预测建模方法展开研究,首先,基于"核"和"灰度"对灰色异构数据进行规范化处理;然后,建立灰色异构数据"核"序列的DGM(1,1)模型,并以"核"为基础,根据灰度不减公理,以灰色异构数据序列中最大灰度值所对应的信息域作为预测结果之信息域,推导并构建了灰色异构数据预测模型;最后,将该模型应用于某地震帐篷需求量的预测。本文研究成果将传统灰色模拟及预测模型建模对象从"同质数据"拓展至"异构数据",对丰富与完善灰色模拟及预测模型理论体系,提高自然灾害救援效率具有积极意义。     

基于初始条件优化的GM(1,1)幂模型及其应用

针对GM（1,1）幂模型幂指数和初始条件优化问题,提出了一种基于初始条件和幂指数协同优化的方法。根据新信息优先原理,通过引入权重信息控制函数优化初始条件,表现新旧信息在初始条件构建中作用大小的变化规律,最大限度提取小样本序列中的有效信息,反应新旧信息共同对系统趋势变化的影响;以平均相对误差最小化为目标,参数间约束关系作为条件,构建非线性优化模型,实现GM（1,1）幂模型的幂指数和初始条件协同优化。最后,通过我国网络购物用户规模预测实例研究表明,优化的模型实现模型平均相对误差在理论上的最小化,其建模效果要优于其他对比模型,并将其用于2016-2020年网购用户规模预测,表明本文模型的实用性和有效性。     

Forecasting short-term electricity consumption using the adaptive grey-based approach—An Asian case

The overall electricity consumption, treated as a primary guideline for electricity system planning, is a major measurement to indicate the degree of a nation's development. The electricity consumption forecast is especially important with regard to policy making in developing countries (Asian countries in this work). However, since the economic growth rates in these countries are usually high and unstable, it is difficult to obtain accurate predictions using long-term data, and thus forecasting with limited (short-term) data is more effective and of considerable interest. Grey theory is one approach that can be used to construct a model with limited samples to provide better forecasting advantage for short-term problems. The forecasting performance of AGM(1,1), based on grey theory, has been confirmed using the Asia-Pacific economic cooperation energy database, and the results, compared with those obtained from back propagation neural networks (BPN) and support vector regression (SVR), show that the proposed approach can effectively deal with the problem of forecasting electricity consumption when the sample size is limited.     

Applications of extension grey prediction model for power system forecasting

Although the grey forecasting model has been successfully adopted in various fields and demonstrated promising results, the literatures show its performance could be further improved. For this purpose, this paper proves that the growth rate of the simulated value of the grey model GM(1,1) is a fixed value. If the growth rates of the primary sequence are equate, the fitted value deriving from GM(1,1) is the same as the primary sequence, otherwise greater error would occur. In order to overcome shortcoming of the fixed growth rates, extend the traditional GM(1,1) model by introducing linear time-varying terms, which can predict more accurately on non geometric sequences, termed EGM(1,1). Finally, compared with the other improved grey model and ARIMA model, experimental results indicate that the proposed model obviously can improve the prediction accuracy.