基于GM(1,1)模型的我国人口发展趋势分析

计划生育政策一直广受关注,“单独二孩”政策遇冷到今年刚实施的“全面二孩”新政策更是引发了热烈讨论.新政策的实施势必影响人口的数量和结构的变化,从而影响我国经济社会的发展.文章首先分析了“全面二孩”生育政策对人口的数量、结构等方面的影响,然后通过建立灰色GM(1,1)模型预测中国未来人口发展趋势.通过研究分析发现:新政策的实行能够提高总和生育率水平、抑制出生性别比例失衡、延缓人口老龄化的进程、改善受教育程度等多种问题,而且计划生育新政策对我国未来人口数量增长具有显著促进效果,并对我国现阶段的人口问题的解决具有良好作用.     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

居民消费价格指数的GM(1,1)模型预测

影响居民消费价格指数(CPI)的因素很多,难以通过回归模型来预测其未来走势.在一个较长的时间序列内,CPI变化具有较强的规律性,这满足使用GM(1,1)建模并用于预测的基本要求.文章通过创建CPI的GM(1,1)模型,并对该模型可用性进行了验证;在验证通过的情况下进行了CPI的模拟及预测.事实证明,使用GM(1,1)模型来预测CPI未来的走势,且具有较高的预测精度.     

GM(1,1)模型在我国动漫产业发展前景预测中的运用

文章以我国动漫产业发展具体情况为研究对象,对国内外动漫产业的发展状况进行统计分析,运用灰色预测模型能对少数据建立比较精确预测模型的优点对我国动漫产业值建立了灰色预测模型,预测了未来几年我国动漫产业的发展前景.     

基于 GM(1,1) 的三角模糊数序列的预测

文章针对现实中一些定性描述的序列,以及取值不确定的灰数据序列的预测问题,提出了基于GM(1,1)模型的三角模糊数序列预测的概念,对那些非精确量化的数据序列用三角模糊数来表示;再把该三角模糊数表示为对应的非模糊数,从而得到一个新的数据序列;然后再结合灰色系统的一些理论方法,对这个新的非模糊数数据序列进行预测。将该方法应用于我国古代人口数据的实证预测中,得到的预测精度较高,预测结果可为决策部门提供相关的决策依据。     

基于GM(1,1)模型的CPI经济预测

文章利用我国2010年9月~2011年3月的CPI月度指数,采用GM(1,1)模型建立CPI预测模型,并进行模型检验,采用该模型对未来几个月的CPI走势进行预测,结果表明模型有效。     

改进的 GM(1,1)模型及其预测精度分析

文章分析了现有灰色GM(1,1)模型的缺陷,根据最小二乘原理,提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,以求得新灰色GM(1,1)预测模型的最优初始值;对原GM(1,1)模型进行了改进,构建了新的GM(1,1)模型,并与现有的GM(1,1)模型进行了预测精度的比较。仿真分析结果表明了新改进预测模型的有效性。     

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.     

GM(1,1)模型的改进与应用

文章提出了一种增加扰动因素β来修正初值x(1)(n),采用最小二乘原则来建立无约束优化模型的方法来提高GM模型的精度,使所建的模型的精度大为提高。通过具体的实例验证了模型比传统GM(1,1)模型有更高的精度和适应性,并利用这种方法对全国2008～2010年GDP总量进行了预测。     

GM(1,1)灰色预测方法的改进

文章对传统的灰色预测方法进行了改进,建立了灰色预测代数递推方程,以代替原始的灰色预测微分方程或白化方程.然而由于其预测精度依然偏低,又将其紧邻生成公式做了改进,并根据自动寻优方法确定了相应权重.以2010年4月16日至2014年1月10日的交易日内的股指期货的收盘价为例,利用改进前后的两种预测方法进行模拟对比分析.模拟对比表明,改进后的预测方法不仅预测精度显著提高,而且更能体现灰色预测以小样本空间、“贫信息”的不确定系统为研究对象的特征.     

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.     

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.     

基于ARIMA模型与GM(1,1)模型的居民消费价格指数预测对比分析

居民消费价格指数反映一定时期内我国城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数,是宏观经济分析与决策、价格总水平监测与调控的重要指标,同时也是反映通货膨胀的重要指标.文章运用历史数据,结合数学模型对CPI进行了科学合理的预测.在此基础上运用ARIMA模型和GM(1,1)模型对居民消费价格指数进行了预测的对比分析.     

基于等维动态GM(1,1)均值模型的CPI预测

文章建立了6维和7维动态GM(1,1)模型的组合模型,预测了未来6年我国居民消费价格指数.结果显示,在2014-2020年6年间,我国居民消费价格指数年均上涨率为2.96％,接近通货膨胀的警戒线3％.     

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。     

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.     

内蒙古入境旅游发展趋势分析预测——基于GM(1,1)模型实证分析

近年来,随着内蒙古经济的迅速增长,内蒙古旅游业有了长足的发展,在拉动消费需求、推动经济增长、吸纳就业和平衡国家收支等方面发挥着积极的作用。尤其是进入21世纪以来,内蒙古自治区把发展国际旅游业作为促进内蒙古服务出口贸易、拉动经济增长特别旅游业增长的一项重要战略举措,制定了扶持发展的政策措施,确定了旅游业发展目标、战略布局和发展重点,并取得了良好的成效。可以预见,随着科学技术的进步,尤其是交通和信息技术的飞速发展,"十二五"期间,内蒙古旅游业将实现又好又快发展。但是在当前国内外环境下,准确、及时预测入境旅游,不仅有利于旅游业本身的发展,还可以更好的     

基于BP神经网络与修正GM(1,1)模型的能源消费组合预测

随着我国经济社会的进一步发展,能源需求逐步增大,且消费量的增长与多种因素相关.能源消费预测存在与多因素的关联.文章在基础GM(1,1)模型框架下,以重新累积生成累加后序列预测值的方式进行GM(1,1)的无偏化修正,并按照加权平均背景值重设进行pGM(1,1)模型修正;并以各种非线性参变量间的映射纳入组合BP神经网络的能源消费预测.结果证实,无偏GM(1,1)、pGM(1,1)模型有效降低了GM(1,1)的预测平均相对误差,再与BP神经网络组合预测,形成了较好的能源消费预测精度.     

基于一种优化开次方GM(1,1)模型的中长期负荷预测

长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立,灰色模型是一种较好的预测方法,但传统的灰色预测精度不够好.文章分析了一种改进方法,开次方优化无偏GM(1,1)模型,其首先对原始数据进行开次方处理降低预测模型的模型系数,再对模型系数进行优化修正后进行无偏预测.实例分析表明,本改进方法比较大地提高了预测精度,其中开三次方时预测精度最高,未来教年的用电量预测结果可为编写电网发展规划提供重要的参考价值.