基于三角灰色系统模型的煤炭消费预测

文章认为，灰色GM（1，1）预测模型和三角残差修正技术相结合能够显著提高预测精度。预测的基本步骤为，首先运用灰色GM（1，1）模型获得趋势项；然后利用三角模型捕获GM（1，1）模型残差的周期现象以提高预测精度。中国年煤炭消费量预测实验结果表明，TGM（1，1）模型较传统GM（1，1）模型具有较高的灰色预测精度。中国2010-2013年的煤炭消费量预测结果表明，短期内煤炭消费量会随着GDP增长而逐年增加，因此有必要降低能源结构碳强度，减缓煤炭需求增长，提高煤炭利用效率。     

基于灰色系统的组合预测模型的建模方法

本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。     

RGM-EGARCH模型及其对深圳股市的实证

GM-EGARCH模型是一种将灰色预测模型(GM(1,1)模型)与EGARCH模型相结合的新型混合波动率模型.针对GM(1,1)模型在其适用务件上的局限性,文章利用残差灰色预测模型(RGM(1,1)模型)对GM(1,1)模型的预测结果进行改进,再将RGM(1,1)模型与GARCH模型相结合,构建RGM-EGARCH模型来修正随机误差项.通过对深证综合指数的实证分析,比较了RGM-EGARCH模型、GM-EGARcH模型和EGARCH模型的样本外短期预测效果.实证结果表明,在三种模型中,RGM-EGARCH模型具有最好的波动率预测效果.     

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.     

基于灰色系统理论的铁路货运需求预测

本文运用灰色系统理论,建立了铁路运输货运量需求的灰色预测模型,较详细地叙述了建模过程.从对我国铁路货运需求的预测结果来看,对历史实际值拟合的比较好,表明了模型具有较高的可靠性和实用性,并利用该模型对我国2003-2006年全国铁路货运量需求进行预测.     

2004-2010年中国经济发展预测

提出灰色增量模型,并根据改革开放以来我国经济发展实际,将灰色增量模型与普通灰色模型相结合,对2004-2010年中国经济进行预测和实证分析,同时对当前经济发展所面临的若干热点问题进行了讨论.     

一种拓展的灰色预测模型及其特性研究

文章以进一步提高灰色预测模型的建模精度,拓展其应用范围为目的,在该模型已有研究成果基础上,根据GM(1,1)的建模条件,构建了一种拓展的灰色预测模型(EGM),给出该模型的原始形式和白化方程,并利用参数包技术对其参数特性进行了研究.     

基于灰色-马尔可夫模型的房地产周期研究

文章针对我国房地产周期研究中存在的内在机理复杂、数据信息不足等问题,提出了利用灰色-马尔可夫模型进行房地产周期分析和预测的想法,即利用GM(1,1)模型估计长期趋势成分,利用马尔可夫链预测模型估计周期性波动成分,通过两者的结合完成对房地产周期的拟合和预测.实证表明,该模型能够成为当前我国房地产周期研究的一项有效工具.     

基于改进灰色模型的企业战略资源预测

针对GM(1,1)模型和灰色非线性Bernoulli模型背景值的缺陷,文章通过背景值重构建立了改进灰色模型,并基于Matlab编程和搜索算法求解参数.将改进灰色模型引入企业战略资源预测中,并与多种预测方法比较.结果表明,该方法合理、有效,预测精度较高.     

最优多项式时变参数离散灰色模型及应用

针对复杂的非线性小样本序列,文章在离散GM(1,1)模型基础上引入多项式时间项构造了多项式时变参数离散灰色模型（PDGM(1,1)模型）,证明了该模型的白指数规律、多项式规律重合性和伸缩变换一致性,优化了该模型的迭代基值。并且通过在PDGM(1,1)模型的发展系数和灰作用量中选取多个不同的多项式时间项,构造了一系列PDGM(1,1)模型,根据MAPE最小原则建立了最优多项式时变参数离散灰色模型。实例建模的结果表明该模型具有较高的模拟和预测精度。     

一种新的灰色相似关联度及其应用

灰色关联理论是灰色系统理论的一个重要组成部分,它是灰色决策与灰色聚类的基础.在对灰色关联公理和已有灰色关联度计算模型分析的基础上,文章构造了一种新的灰色相似关联度计算模型,分析并明了它的一些性质.实例表明,该算法简单,并具有良好的应用性.     

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.     

点关联系数有显著差异下灰色关联分析模型的改进

灰色关联理论是灰色系统理论的一个重要组成部分,也是灰色决策与灰色聚类的基础。文章在对灰色关联公理和已有的灰色关联度模型研究的基础上,提出了点关联系数序列稳定度的概念;并在此基础上对已有的灰色关联度计算模型进行了修正,得到了一种改进后的灰色关联度模型。该模型可以有效地解决点关联系数具有显著差异条件下关联度排序问题。实例表明该模型计算简单,具有良好的应用性。     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

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.     

一种新的灰色相似关联度模型及其应用

灰色关联分析是灰色系统理论的一个重要组成部分,它是灰色决策和灰色聚类的基础。文章在对已有的灰色关联度计算模型分析的基础上,利用参考序列和比较序列的斜率差异程度提出了一种新的灰色相似关联度模型,分析并证明了一些性质。该模型简单,并且实用。     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

基于灰色-马尔可夫链的区域物流需求预测

文章将灰色系统理论与马尔可夫链相结合,首先建立GM(1,1)灰色模型,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分,最终预测值以概率和区间形式表现.将该方法应用于区域物流需求的预测中,得出的预测结果更可靠,而且能够对区域物流需求的发展趋势进行宏观把握,有利于决策者的决策行为.     

灰色斜率相似关联度研究及其应用

根据灰色关联分析的基本思想,基于灰色斜率关联度的计算模型,提出了一种新的灰色斜率相似关联度计算模型,它满足相似性。该计算模型充分利用了序列在各个时点的信息和正、负相关性,得出的关联分析结果比较客观可靠。实例分析表明：该模型简单,且具有良好的应用性。     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.