青海省入境旅游市场的态势分析及预测研究

随着中国入境旅游的迅速发展,青海省的入境旅游呈现出不同的态势。本文从海外游客客源地、客源国等方面对其进行了深入的分析,在此基础上进行了预测,并提出了可行性建议。     

我国制造业电力消费预测——以GM(1,1)模型为例

电力是人类生存和社会进步不可缺少的重要物质基础,制造业是国民经济的支柱和电力消费的主力军,因此对制造业电力消费进行预测具有十分重要的意义。本文通过GM(1,1)模型对中国制造业电力消费进行预测分析,并提出了相应的建议。     

混合蛙跳算法优化GM(1,1)模型在滑坡预测中的应用

滑坡危害性巨大,对人民生命财产造成损失不可估量,为了对滑坡变形进行预测预报,本文根据灰色数学模型,建立改进的混合蛙跳算法GM(1,1)模型,采用matlab程序语言进行实现,选用实际工程对具体滑坡进行预测,结果表明:混合蛙跳算法优化后的GM(1,1)模型拥有较高的精度,是一种实用的工程计算方法,可为类似工程提供参考。     

利用非齐次指数函数构造GM(1,1)模型背景值的新方法

文章以灰色GM(1,1)模型背景值的优化为研究目的,讨论了传统背景值构造方法适用于低增长指数序列、对高增长指数序列拟合产生滞后误差的原因,提出了利用非齐次指数函数x(1)(t):A.eBt+C在区间[k-1,k]上与横坐标轴所围实际面积来构造背景值的新方法,并对其合理性进行了证明;在不同发展系数a条件下,比较了背景值构造方法对模拟和预测精度的影响,给出了新背景值条件下GM(1,1)模型的适用范围;大量的数据模拟和模型比较表明,新背景值构造方法提高了背景值的精确性及灰预测模型的拟合精度和预测精度.     

安徽省耕地数量与粮食生产安全分析及预测

使用安徽省1990-2011年的统计资料，以近20年来耕地数量变化状况扣粮食生产安全为研究对象，同时计算最小耕地面积和压力指数，并运用GM（1，1）灰色理论对人均耕地面积、最小人均耕地面积和压力指数进行预测。结果表明：（1）安徽省研究期内耕地总体上不断减少，前期持续下降，后期耕地面积有所增加；安徽省粮食产量总体上在波动中呈增长趋势，尤其2004年以来增长幅度较大；最小人均耕地面积和压力指数变化幅度不明显。（2）GM（1，1）灰色模型预测表明，自2011年至2017年的7年里，安徽省实际人均耕地面积、S一和耕地压力指数随经济发展均不断减小．但对于粮食安全生产压力不大。     

基于等维新息递补GM(1,1)幂模型的GDP预测

针对灰色模型在GDP预测中精度较低的问题,文章提出一种基于等维新息递补GM(1,1)幂模型的预测方法.为反映数据的非线性特征,在GM(1,1)模型的基础上引进拓展的非线性GM(1,1)幂模型;进一步利用最新信息优先的原则,建立等维新息递补灰色幂模型.将改进的模型应用到我国“十三五”时期GDP的预测中,验证了此模型在拟合和预测上的优势.     

我国农村居民消费需求收入弹性分析及趋势预测

调整收入分配结构、扩大内需成为我国政府当今和未来一段时间经济工作的重中之重。消费需求收入弹性是反映居民消费需求和收入关系的一项重要指标,对其现状及未来趋势的研究具有重要意义。运用ELES模型和GM(1,1)模型对我国农村居民消费需求收入弹性进行分析和预测。研究结果表明,当前该指标整体较高,但未来几年多数子类指标有下降趋势。     

基于GARCH模型与灰色预测模型GM(1,1)的人民币汇率收益率分析

论文中对人民币汇率收益率序列分别建立了GARCH(1,1)模型和GM(1,1)模型.首先利用GARCH(1,1)模型刻画了收益率序列的波动性,接着通过预测模型GM(1,1)对收益率序列水平值进行预测.实证结果表明,人民币汇率收益率序列之间存在明显的波动性和长期的自相关性,预测模型GM(1,1)能够很好的拟合人民币汇率收益率序列,是一个可用的较好的预测模型.     

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.     

基于时间序列的GM(1,1)预测模型及应用

GM(1,1)是较常用的时间序列预测模型.文章在借鉴运用时间序列和GM(1.1)预测模型的理论基础上,实证研究了京津冀地区国际旅游人次数的发展趋势.笔者根据2000-2008年京津冀国际旅游人次数的原始时间序列数据,通过GM(1,1)模型对各因素进行关联度分析,并对原始数据进行生成处理,形成有较强规律性的新数据序列,然后建立相应的微分方程模型,预测了2009-2013年京津冀国际旅游人次数的未来发展趋势,也再次验证了GM(1,1)预测模型是建模精度等级为二级的合格模型.