灰色-周期外延组合模型在煤炭需求预测中的应用

文章针对煤炭需求的趋势性和季节性波动特点,提出了灰色一周期外延组合模型,即在灰色GM(1,1)模型的基础上建立残差周期外延模型.该模型能够较好的刻画了短期煤炭需求的增长性和季节波动性二重趋势.预测实例表明了该模型明显提高了短期煤炭需求预测精度.     

深圳市就业人口增长的灰色预测与分析

根据深圳最新就业人口数据，运用灰色系统理论，探讨并选择了最优灰色GM（1，1）模型对深圳未来几年的就业人口进行灰色预测，并用灰色关联方法分析了深圳市新增就业人口与房屋竣工面积、住宅竣工面积、新增固定资产投资之间的相关关系。结果表明，在建立的灰色GM（1，1）模型群中，4维灰色GM（1，1）模型的预测精度最高，其结果也明显优于线形回归；未来几年内深圳市就业人口仍会有大幅度增长；房屋竣工面积、住宅竣工面积对新增就业人口的影响明显大于新增固定资产投资，并且当年的房屋竣工面积、住宅竣工面积、新增固定资产投资对新增就业人口的影响明显高于上一年。     

对灰色预测模型残差问题的探讨

对利用原始经济序列x0建立的灰色预测模型检验不合格或精度不理想时,要对建立的模型进行残差修正(建立修正模型),以提高模型的预测精度。在对以往的残差模型进行残差检验时常用△(1)=x1-■1衡量,笔者认为利用灰色模型实际预测的是■0的大小,因此对模型进行检验时需用△(0)=x0-■0衡量。本文以灰色预测模型中的GM(1,1)模型为例,对两种残差检验的衡量方法进行了比较分析,并提出了改进灰色预测模型的方法与建议。     

基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

基于ARIMA模型的中国煤炭消费量增长预测

我国煤炭消费量序列是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。文章运用1965～2006年我国煤炭消费数据建立了ARIMA(2,1,4)模型,经诊断检验与实证检验发现,预测精度较高,可用于我国煤炭消费量预测。预测结果表明:2007～2010年我国煤炭消费量将不断增长,但增速会有所回落。科学的煤炭消费量预测结果可为国家合理规划煤炭生产和进出口提供重要依据。     

基于残差修正的GM（1，1）模型的我国人均粮食产量预测

灰色预测作为一种新颖的预测方法在误差处理方面仍然需要改进,文章在对相关预测方法进行比较的基础上提出了一种对尾端残差修正以提高预测精度的GM（1,1）灰色预测方法,并结合我国2000~2009年的历史数据对我国粮食产量进行了预测,最后进行了总结并提出了相关研究展望。     

基于AM残差修正的GM(1,1)模型的用水量预测

一个城市的总用水量预测是该城市防洪防灾的重要依据,文章以灰色预测理论为基础,运用AM(简单滑动平均)残差来修正GM(1,1)模型,对北京市年总用水量进行预测,并与传统的GM(1,1)模型预测结果进行比较.结果表明:修正的GM(1,1)模型比传统的预测精度大大提高,具有可行性与实用性,该模型对未来城市总用水量预测具有重要的理论和实践意义.     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。     

基于现金流视角的项目灰色GM（1，1）动态决策

目前关于现金流预测方面的研究相对成熟，也有不少数理方法被引入。由于现金流属于动态，项目投资相关决策也应根据历史数据进行动态预测和决策，文章使用一次修正残差的灰色GM（1，1）模型集合项目投资净现金流运动情况，对备选项目进行比选。结论发现灰色预测决策在考虑风险因素方面仍然存在一定的缺陷，并提出相关建议。     

灰色GM（1,1）模型的变换技术

本文给出了灰色GM（1，1）模型的变换技术，即实施数据变换，对单调递增序列进行对数变换，对单调递减序列进行倒数变换和反向变换；对灰色模型中导数采用多点数值微分计算公式：导出灰色模型估计参数。这些变换技术都显著提高模型拟合精度。最后给出灰色建模应用实例。     

运用灰色动态模型对我国电力需求的预测

文章以我国用电量的历史数据(2000～2008年)为样本,根据灰色动态预测模型GM(1,1)的建模方法,建立了我国电力需求的预测模型.经过相对误差和后验残差检验,模型的精度是一级(优).文章还运用该模型预测了中国未来3年的电力需求,并提出了相关政策建议.     

等维灰数递补模型在人口预测中的应用

人口是一国和地区发展的重要因素。准确的人口预测是制定国民经济计划、区域发展规划的基础。文章介绍了灰色GM(1.1)模型在人口预测中的应用,包括模型的建立、精度检验、不同维模型的选优以及提高模型预测精度的等维递补方法;并用等维灰数递补GM(1.1)模型对甘肃省2006-2020年的总人口进行了预测,精度检验结果表明模型预测精度高,预测结果较为可靠。     

中国经济增长影响因素分析及其预测

文章以国内生产总值为因变量,以与经济增长有关的18个影响因素为解释变量,就中国2000～2010年的数据资料,采用灰色关联度组合分析方法对中国经济增长的影响因素进行了实证分析,设计了灰色关联排序表,实证结果表明:消费习惯、产业结构和国内贸易发展水平对中国经济增长影响最大,卫生水平、劳动力数量和城乡结构对中国经济增长影响最小;然后文章根据灰色关联排序表,选择X0X1,X0X3,X0X41,X0X11和X0X18做为最优影响因素,建立了GM(1,5)灰色预测模型.结果表明:模型的预测精度很高,平均相对误差仅为3.044％,可用于后续预测.     

内蒙古自治区人口总量的时间序列拟合与预测

以1950-2007年内蒙古自治区人口总量数据为依据,利用ARIMA（1,1,1）与GM（1,1）模型分别对内蒙古人口总量的时间序列进行了拟合、分析与预测。分析结果表明：两种模型的拟合程度都比较高,但灰色模型的拟合度更高。因此用GM（1,1）模型对内蒙古自治区2010-2012年的人口总量进行了预测。     

基于IOWA算子的优化灰色组合模型及其应用

为了提高灰色模型在实际应用中的预测精度,文章对经典GM(1,1)模型进行了改进优化.首先从初始值、背景值和灰色微分方程三个方面优化经典GM(1,1)模型,然后运用诱导有序加权平均(IOWA)算子对三个优化模型进行组合赋权,建立基于IOWA算子的优化灰色组合模型,最后将该组合模型应用到江西省农村电力中长期负荷预测中.结果表明,所提出的组合模型比经典模型和单项优化模型具有更高的预测精度.     

基于系统动力学的中国石油需求系统模型及预测

建立了基于系统动力学的我国石油需求系统模型,然后利用GM(1.1)灰色模型对部分因素进行预测,再将灰色系统模型的预测值导入模型.从而对2008～2020年我国石油消费对外依存度和石油需求量进行了预测.预测结果表明,我国石油消费对外依存度以年均1.51%的速度增长,2020年战略石油储备完成后,石油消费对外依存度将达到62.5%.我国石油总消费量将2.5%的速度增长,到2020年将达到5.28亿吨.通过政策模拟,预测了不同经济发展速度下我国的石油需求量,结果表明,经济的发展速度对我国的石油需求量影响比较大.     

文化创意产业从业人员的灰色预测模型及应用

文章利用灰色模型GM（1,1）对青岛市2012年前的文化创意产业从业人员数量进行了预测。通过分析,灰色预测模型具有较高的建模精度,预测方法和结果对文化创意产业发展具有一定的参考作用。     

两类新的GM(1,1)残差优化模型的建立及预测

文章基于已有的GM(1,1)残差修正模型,运用函数转换的思想,对初始序列进行光滑度处理,建立了残差优化模型1;在模型1的基础上,对残差序列作光滑度处理,得到残差优化模型2。然后,进行实例验证,分析表明模型1和2比已有残差修正模型具有更好的拟合性,且预测结果显示,在精度和可靠性上有明显的提高。     

改进的GM(1,1)模型及其应用

为提高GM(1,1)模型的预测精度,针对GM(1,1)模型的特点,提出了将遗传算法与LS-SVM算法融合对GM(1,1)模型中的参数估计方法进行改进.该方法首先根据GM(1,1)灰色差分方程的特点,构造以背景值序列和原始序列为训练样本的灰色LS-SVM模型,将GM(1,1)模型参数的估计问题转化为灰色LS-SVM模型参数的估计问题,然后利用遗传算法对LS-SVM自身的参数进行寻优预处理,再对经过优化参数的灰色LS-SVM,依据LS-SVM算法求解回归参数,进而得到GM(1,1)模型的参数估计.将改进的GM(1,1)模型用于实际的经济预测问题,并与传统的预测方法进行比较,结果表明,方法是可行的且有效的.     

阶段型分数阶累加GM(1,1)模型在煤矿安全事故预测中的应用

煤矿灾害事故具有明显的灰色特征,为有效的对煤矿灾害发生趋势进行预测,文章在煤矿事故千人负伤率预测的基础上引入分数阶累加理论,建立了阶段型分数阶累加GM(1,1)预测模型,并对同煤集团千人负伤率进行了预测,结果表明该模型预测精度明显高于灰色GM(1,1)模型预测精度,从而说明阶段型分数阶累加GM(1,1)模型能有效的预测煤矿事故伤亡发展规律.