基于新型核与灰度序列的MGM(1,m,N)模型及其应用

雾霾是空气质量重要评判标准之一，对其进行准确预测能为相关政府部门及时做出正确决策提供理论支持，因此预测雾霾具有实际意义。本文针对区间灰数分布信息已知的序列，构建多个影响因素作用于多个系统行为变量的灰色MGM(1,m,N)模型。首先根据可能度函数计算得到区间灰数的新型核与灰度序列，然后对新型核与灰度序列分别建立MGM(1,m,N)模型以求得模拟值和预测值，最后通过还原得到区间灰数序列的上、下界。为进一步验证该模型的可行性，本文将该模型应用于雾霾相关数据并与基于传统核与灰度序列的MGM(1,m,N)模型进行比较，结果表明本文构建的新模型的模拟预测精度都较传统模型更好。     

基于网络搜索信息的农村水环境质量灰色预测模型

针对农村水环境直接监测数据相对缺乏、间接数据难以有效引入的问题，综合灰色关联分析和预测模型，提出一种基于网络搜索信息的农村水环境质量灰色预测模型。首先，综合考虑数据重要性和可获得性，确定农村水环境相关的搜索关键词清单；然后，采用主成分分析法提取搜索关键词的主要特征，构建初始网络搜索变量，并利用灰色绝对关联度衡量各初始网络搜索变量与水环境质量之间的关联程度。在此基础上，构建不同频率数据的多变量离散灰色模型，将强关联变量的降频数据作为多变量离散灰色模型的驱动因素，从而构建基于网络搜索信息的农村水环境质灰色预测模型。实例分析结果表明，相对于传统灰色模型，引入网络搜索信息可以提高农村水环境预测精度，为农村水环境治理提供决策支持。     

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。     

以x(1)(n)为初始条件的GM模型

自1982年灰色系统理论创立以来,关于GM模型的研究,都是以序列X(1)的第一个分量作为灰色微分模型的初始条件进行建模的,这样造成对新信息利用不够充分。根据灰色系统理论的新信息优先原理,在建模过程中赋予新信息较大的权重可以提高灰色建模的功效。因此本文在建立灰色模型时,把X(1)的第n个分量作为灰色微分模型的初始条件,对GM模型进行了改进,从而使所建模型的预测精度大为提高。最后,通过实例验证了所建模型的实用性与可靠性。     

基于灰色参数组合优化新模型的生活垃圾清运量预测研究

准确的生活垃圾清运量预测是环保部门制定生活垃圾处置政策措施的重要依据。为此,文章首先在新结构多变量灰色预测模型基础上,对自变量驱动项、累加阶数、背景值系数进行组合优化,推导并构建了适用于生活垃圾清运量预测的新型多变量灰色系统模型。然后,应用该模型对江苏省垃圾清运量进行实例分析,结果显示该模型综合误差仅为0.996%,其性能优于同类其他多变量灰色预测模型(1.933%、4.894%)。最后,应用该模型对江苏省未来清运量进行了预测,并提出了相关的对策和建议。本研究成果为环保部门制订相关政策措施提供了参考依据,同时为生活垃圾清运量预测提供了一种有效的建模方法。     

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。     

无偏GM(1,1)幂模型其及应用

基于GM(1,1)幂模型的模拟误差分析,本文提出了无偏GM(1,1)幂模型及其参数优化方法.从理论上证明了无偏GM(1,1)幂模型对传统GM(1,1)幂模型及其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性,其参数优化方法可以准确识别原始数据所蕴含的参数特性,完全消除了GM(1,1)幂模型自身固有的偏差.其建模过程避免了传统方法由差分方程向微分方程的跳跃导致的误差,应用范围覆盖了无偏GM(1,1)模型和离散灰色模型.数值模拟和实例分析表明,无偏GM(1,1)幂模型使得传统模型的模拟与预测精度得到了显著的改善.     

江苏检验检疫行政事业收费的灰色预测

检验检疫收费系统是一个多因素、多层次、多目标的系统,影响收费的因素很多,包括地区外贸量、出入境货物批次、货值等.现有的预测方法一般需要大量、详尽的统计资料,而且地区外贸增长的预测作为检验检疫收费预测的相关依据.但是,由于外贸业务增长受国内外各种不可测因素影响,造成现有方法对检验检疫收费的预测与实际偏差较大,可信度偏低.实际上,检验检疫收费系统是一个典型的既包含已知又包含未知的灰色系统,根据少量的系统特征数据,可以应用灰色预测技术挖掘系统的变化规律,得到客观可信的预测结果.本文给出了灰色CM(1,1)模型的算法步骤,将灰色预测方法应用于检验检疫行政事业收费的预测.实际结果表明,灰色预测方法非常简洁,模拟精度很高,预测的可信度比较好.因此,灰色预测方法在检验检疫行政事业收费预测中具有很强的实用价值.     

灰色神经网络模型在河南省未来人口总量预测中的应用

人口预测对经济社会的发展有着非常重要的作用。本文在灰色GM(1,1)模型基础上,利用BP神经网络修正残差,建立灰色BP神经网络组合预测模型,对河南省未来人口总量进行拟合和预测。此组合模型既克服了数据的非线性关系及随机波动大对预测精度的影响,也增强了预测的自适应性。结果证明了该组合模型的优势,具有较好的预测精度,预测结果是可信的。     

灰色Verhulst模型背景值优化的建模方法研究

本文对传统灰色Verhulst模型背景值的误差来源进行分析,对模型的背景值进行优化,以期提高模型的模拟预测精度。基于灰色Verhulst模型时间响应式的Logistic函数形式,文章利用Logistic函数拟合模型中的一阶累加生成序列,经过一系列的数学推导,借助反向累加生成的思想,解出了Logistic函数中的三个参数,得到了灰色Verhulst模型背景值的优化公式,并建立了优化的灰色Verhulst模型。最后分别通过算例和应用实例验证本文的优化效果,结果表明,利用优化的背景值公式可以有效地提高传统灰色Verhulst模型的模拟预测精度。     

基于驱动因素控制的线性时变参数DLDGM(1,N)模型

针对传统GM(1,N)模型未考虑参数随时间变化的动态特征及未明确驱动因素作用机制的问题,首先引入线性时变参数以及驱动因素控制函数,构建基于驱动因素控制的线性时变参数DLDGM(1,N)模型,论证DGM(1,1)、NDGM(1,1)、TDGM(1,1)、DGM(1,N)、DCDGM(1,N)模型均是该模型在不同参数取值下的特殊形式;然后基于白化信息充分和匮乏的两种情况,给出驱动因素控制参数的识别方法;最后应用所提模型对河南省粮食产量进行预测,验证模型的有效性和实用性。     

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。     

基于灰色系统建模技术的人体疾病早期预测预警研究

传统健康体检主要通过对单次体检指标进行横向比较和静态分析,忽略个体差异,纯粹从指标高低来判断体检者健康状况与身体状态,难以及时发现体检者可能存在的疾病隐患。由于个体体检指标具有样本量小、信息不确定、数据类型异构、影响因素构成复杂等特征,传统以大样本为基础的数学模型均难以适应此类小数据系统的建模要求。为此,通过建立适用于人体主要指标趋势预测的灰色系统模型（简称HIGM（1,1）模型）,实现对人体主要健康指标的动态建模与趋势分析,从而可以掌握体检者未来一段时间身体指标的变化趋势及可能存在的疾病隐患。研究成果对提升体检效果、强化体检意义,促进灰色理论与现实问题的有效对接等方面,均具有积极意义。     

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。     

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.     

基于GM(1,1)模型的Kano质量要素分类动态预测方法

针对目前缺乏对Kano模型质量要素的分类结果进行动态预测研究的问题,结合灰色系统理论在处理不规则数据方面的优势,提出基于GM(1,1)模型的Kano质量要素分类动态预测方法。针对传统Kano模型分类结果过于主观的缺点,设计模糊Kano模型实现质量要素的客观化分类;结合GM(1,1)模型能处理少数据、贫信息,具有高预测精度的优点,利用GM(1,1)模型研究Kano质量要素分类动态预测问题;最后通过在快递业的实证验证模型的可行性和有效性。