基于核和灰度的灰色异构数据代数运算法则及其应用

为解决灰色异构数据的建模问题,应用"核和灰度"对灰色异构数据代数运算法则及其性质展开研究。将灰信息表征为"核和灰度",通过"核"将灰色异构数据代数运算转换为实数之间代数运算,根据灰度不减公理确定运算结果之灰度,在此基础上构建灰色异构数据的代数运算法则,并将该法则应用于灰色异构数据预测模型的构建及空气质量指数(AQI)的预测。研究成果对丰富与完善灰色系统基础理论具有积极意义。     

基于区间灰数与离散灰数双重异构序列的预测建模方法研究

系统变化的复杂性导致了系统行为数据的不确定性与异构性,面向多源信息的数据集结导致了表征系统变化规律的灰色异构时序数据的产生。对面向区间灰数与离散灰数的双重异构数据序列预测建模方法展开研究,通过对区间灰数均匀分割处理,得到与离散灰数灰元数量相等的次级区间灰数,进而实现了灰色异构数据的"同质化"转换;在此基础上构建了面向异构数据序列的灰色预测模型,并应用该模型实现了大桥沉降量的有效模拟与准确预测。研究成果对拓展灰色预测模型应用范围具有积极意义。     

参数部分可变条件下双重DGM(1,1)模型建模方法

DGM(1,1)模型参数值的恒定性造成了其模型结构的静态不变性,并进一步导致了其难以有效模拟复杂系统的中长期动态演化规律.文章通过建立DGM(1,1)1模型模拟部分参数的动态规律与发展趋势,实现模型参数与外部系统的适应性动态同步变化,在此基础上构建部分参数可变条件下的动态DGM(1,1)11预测模型.实证表明模拟精度明显优于传统的DGM(1,1)模型及经典GM(1,1)模型.     

基于改进灰色模型的售电量预测分析

售电量的科学预测对配电商生产规模的调整及营销决策具有重要意义。传统的灰色预测模型只对于光滑度高的原始数据列具有较高精度。采用提高原始数据列光滑度的方法提高灰色预测模型的精度,利用函数[a^-x^m]^N（α〉1,m〉1,N〉1）对原始离散数据列{x^（0）（k）}进行变换,结果证明该变换与已有提高数据列光滑度的变换相比具有优越性。将该方法应用于电力公司售电量的预测,与传统灰色预测方法比较,精度显著提高,并对预测结果进行分析。     

基于GM（1，1）模型的四川省GDP预测

灰色系统理论是一门诞生不久的学科,其中GM(1,1)模型时期预测理论的基础与核心,它将系统看成一个随时间变化而变化的指数函数,并不需要大量的时间序列数据就能够建立预测模型(一般4个以上数据即可),并且预测效果较好。     

含有时间幂次项的新GM模型建模参数特性研究

为提升灰色预测模型的精度,在GM(1,1)模型相关研究成果基础上构建了一种含有时间幂次项的灰色预测模型,讨论了该模型参数在系统特征序列经数乘变换前后的量化关系及数乘变换对该模型建模精度的影响程度.研究结果表明:新模型的建模精度与系统特征序列的数乘变换无关.研究结论认为,利用数乘变换可在不改变建模精度前提下简化新模型的建模过程,提高其建模效率.     

统计建模的数据来源和数据准备的方法

文章从统计学的角度介绍了社科研究建模中统计数据的主要来源和数据准备的一些基本方法,无论宏观数据还是微观数据,在建模之前都需要经过充分的准备和初步处理才可以应用。文章认为,样本充足、分布优良和均衡可比的统计数据是成功建模的关键,即好的数据等于建模成功一半。     

基于灰色理论与神经网络组合预测模型在交通事故分析预测中的应用

由于道路交通系统是一个复杂的非线性系统,道路交通事故的发生和变化具有一定的总体趋势性和较强的随机波动性,本文基于这些特点,建立了基于灰色理论和神经网络的组合预测模型。结果发现,     

基于灰色马尔可夫模型的粮食产量预测方法

粮食产量一定程度上决定了国家粮食供给能力及安全水平,因此对粮食产量进行精确预测的研究具有重要的价值。文章根据江苏省历年粮食产量进行了预测,结果显示:单纯运用灰色预测模型,其预测值与实际产量误差为-4.25%;通过马尔可夫对其预测结果进行修正,其预测值与实际产量误差为1.67%,精度提高了63.05%。这为粮食安全预警、改善粮食宏观经济调控奠定了平台基础。     

基于灰色线性回归组合模型的金融预测方法

建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值.文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型.针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法.最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度.     

基于灰色关联的西部煤炭产业集中度影响因素研究

在概述西部原煤产量及其矿井类型与数量变化趋势的基础上,利用2003-2010年相关时序数据测度了西部煤炭产业在这一时期的集中度。随后,运用灰色关联理论,分析了期初集中度、生产扩张能力、进入壁垒、市场容量等相关因素与西部煤炭产业集中度的灰色关联程度。研究表明:期初集中度与市场容量是影响西部煤炭产业集中度诸多因素中最为重要的两个因素。在进一步分析产生这一结果深层原因的基础上,提出了提高西部煤炭产业集中度的政策建议。     

基于白化权函数分类区分度的变权灰色聚类

针对灰色聚类指标权重确定的问题,通过定义白化权函数的分类区分度来度量各指标对聚类对象的分类所作的贡献,并据此确定分类指标的权重。在此基础上,提出了变权灰色聚类方法。结果表明,该方法能够融合聚类对象的样本信息和专家的经验,有效确定不同聚类对象的各指标权重,且适用于聚类指标的量纲不同、数量级悬殊较大的情形。最后通过一个实例说明了变权灰色聚类的实用性和有效性。     

面向横截面数据的级差最大化灰色指标关联决策模型

针对现有横截面数据灰色关联模型中指标的排序变换影响关联结果的问题,文章从距离的接近性角度,以指数函数的形式表征关联系数;借助TOPSIS思想,并利用级差最大化组合赋权原理分别从正、负理想两个角度对指标进行赋权,集成一种面向横截面数据的级差最大化灰色指标关联决策模型,并对该模型的规范性等性质进行证明。通过实例验证该方法不受指标排序的影响。     

区间灰数序列的白化方法及其性质研究

由于灰代数运算体系尚不完善,难以有效构建基于灰数序列的灰色模型,而传统灰数序列的白化方法又将导致信息损失,故在不破坏区间灰数独立性及信息完整性的前提下,设计一种区间灰数序列白化处理的新方法,重点研究白化序列与原区间灰数序列在平移变换及倍乘变换过程中的数据特点;同时将白化序列成功地应用于区间灰数预测及关联分析模型的构建。这一研究成果对拓展灰色模型的适用范围具有重要意义。     

双截面数据及其处理思路初探

在研究一组相关总体的数量特征、总体间数量特征关系和总体间的交互作用时,如果从每一总体中抽取一组截面数据,就形成了一种不同于截面数据、时间序列数据和面板数据的特殊数据类型——双截面数据,虽然现有数据处理方法可以为双截面数据提供“面板化”、“平行化”和方程结构耐抗性检验等处理思路,但鉴于双截面数据的特殊性,每种思路都有不完善的地方,充分挖掘双截面数据所隐含信息的针对性处理方法仍需进一步探索。     

双回归（AR—R）预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。     

基于云理论的统计信息质量评估方法研究

针对统计信息质量评估方法的问题,给出一种基于云理论的统计数据质量评估方法。首先,确定云模型的评价等级语言粒度,对其进行软划分,并根据统计数据质量的评价指标体系从八个维度刻划数据质量评估云模型,利用云模型加权算术平均集成技术构造评价综合云;其次,结合云模型相似性的测度方法,根据综合云与评价等级云模型的相似度判断统计数据质量评估综合云的隶属等级。最后,通过实例表明方法的可行性和有效性,新方法可以作为统计数据质量评估和监管的一个参考。     

基于数据汇总的普查调查框误差研究

作为一种全面调查,普查数据的生产过程可以视为由个体数据汇总为总量数据的过程.为了开展普查数据质量评估与控制研究,从中国普查调查实施过程共性出发,构建普查数据汇总模型的一般形式,并以此为基础界定普查调查框及其作用,将普查划分为两种类型;同时从普查数据汇总的角度论述普查调查框误差的量化形式,进一步完善单位清查(清查摸底)环节在普查数据汇总中的理论意义.