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.     

基于多因素影响的房地产价格预测模型

文章根据我国房地产发展情况以及与其影响因素之间复杂的非线性关系,提出了基于多因素影响的房地产价格预测组合模型.首先运用灰色关联法对影响因素进行计算排序,筛选出主要的影响因素变量,然后应用改进的小波神经网络组合预测法对房地产价格进行预测,最后使用马尔科夫链分析法将预测值区间化,提高预测值的可信度,得出最终预测结果.研究表明,考虑多种因素影响的房价预测模型能够有效地预测房地产价格,且较传统的预测方法大大提高了预测精度.     

H∞滤波算法在国家财政收入预测中的应用

文章通过建立回归模型,并采用H∞滤波算法对国家财政收入中各分项收入对总收入进行估计预测,结果证明:以各种税收作为变量,运用H∞滤波算法对国家财政收入的预测值和实际值的误差较小,可以运用H∞滤波算法预测国家财政收入.     

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.     

基于灰色RBF神经网络的多因素财政收入预测模型

针对财政收入及其影响因素原始数据呈随机性、非线性变化,两者之间具有非线性相关关系的特点,文章在分析RBF神经网络和无偏GM(1,1)模型两者建模优点的基础上,结合回归分析思想,提出了基于灰色RBF神经网络的多因素财政收入预测模型;并以安徽省财政收入数据作为检验样本对所建模型进行检验.     

基于灰色反馈修正的长期预

对于总体趋势增加的原始数据,用灰色动态模型GM(1.1)进行长期预测时,预测值往往偏高,当时间趋向无穷时,预测值将趋向无限大.为了解决这个问题,我们在建模方法上作了改进,提出了一个灰色反馈长期预测模型,简记为LGM(1.1),用此模型对河北省某地粮食产量进行了实验性预测,预测精度较好.     

中国碳排放影响因素的分析与预测

文章采用灰色系统理论中的灰关联分析讨论了中国碳排放及其与各影响因素之间的关系(1995～2004年).发现人口数量、煤炭能源消费和水电能源消费在各影响因素中对我国碳排放的关联度高;其次为石油消费和天然气消费因素:最后为核电与GDP.表明,人口增长对碳排放贡献最大:经济活动中能源消费结构的合理选择远比经济增长本身对碳排放的影响更为重要.同时.采用灰色系统理论中的灰预测方法对我国碳排放的可能量做出了相应预测(2010～2015年).结果说明.如果在人口政策不变的前提下,不调整现有的能源消费结构,我国的碳排放将会持续增长,而且对气候变化的负面影响也将会愈加严重.     

基于灰色理论的西安土地利用预测研究

研究土地利用的变化并做好预测,有利于了解土地变化的原因及发展趋势,有利于调整土地利用结构,使土地利用更趋于合理。依据1998—2006年西安土地利用的变化数据,基于灰色关联度模型分析西安土地利用变化的主要影响因素,计算得到人口因素、固定资产投资是影响土地利用结构的主要因素,并在此基础上运用灰色系统预测理论对2009—2011年土地利用进行了预测,得到耕地林地将不断减少、建设用地将迅速增加的结论。     

物流配送需求量的预测方法

物流需求量预测是政府有关部门及企业制定物流规划和建设物流基地的决策依据.文章将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM(1,1)模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM(1,1)模型预测.     

自然灾害经济损失及相关因素灰色关联分析

应用灰色系统理论中关联分析方法和GM(1,1)预测模型,对自然灾害经济损失与其相关影响因素之间进行了灰色关联分析,并对自然灾害经济损失和各个影响因素进行了GM(1,1)预测,进而在预测值基础上进行了趋势关联分析,从而可以发现自然灾害经济损失与其相关影响因素之间发展变化的规律,为制定相应政策和做出科学决策提供依据.     

我国财政收入的灰色区间预测及精度检验

近年来我国财政收入保持了持续快速上涨的势头,文章首先对目前我国财政收入的变化趋势及主要原因作出了解释,其次对比例型、包络型、发展型三种灰色区间预测模型进行介绍,运用这些方法对我国2011~2015年的财政收入情况进行预测并进行精度检验,以便得出有益的结论,希望对财政政策及分配政策的调整有借鉴意义。     

新型模糊时间序列模型与应用

为了提高模糊时间序列的预测精度,文章利用小波分析多尺度分解方法,选择适当的小波函数,把一维数据分解为低频逼近部分和高频细节部分,在低频部分和高频部分根据各自数据特征利用模糊C一均值聚类算法分别建立模糊时间序列模型并预测,然后把每个部分的预测值根据小波重构得到最终预测结果.通过对国家财政收入实例验证对比发现,该模型在预测精度方面有较大提高.     

中国近期及中期财政收入预测分析

经济发展水平、生产技术水平、分配政策与制度、价格水平、产业结构等都是影响财政收入的重要因素,文章在财政收入与GDP存在协整关系及财政收入与GDP存在正向关系的假设下,根据国民国经济发展的前景,运用简单的线性回归方程和AR模型,对我国近期和中长期财政收入进行了预测.由于近期受金融危机影响财政收入形势不容乐观,但长期来看,国家财政能力将不断增强.通过预测的财政收入中长期数据和中国经济社会发展现状,得出一些结论和启示.     

灰色预测模型在季节波动预测中的应用

文章将数据统计分组,用灰色预测分析,对不同季节的时间序列分别建立了一阶微分方程,并求出预测公式,从而得出预测值.这种模型比通常的季节预测模型有更好的效果.     

基于CM(1,1)模型的江苏省民间投资规模预测

一、CM(1,1)灰色预测模型 灰色预测法是一种对含有不确定因素的系统进行预测的方法.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的,与时间有关的灰色过程进行预测.灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来的发展趋势的状况.CM(1,1)模型是常用的一种灰色预测模型.     

风险决策中的灰关联方法修正及其应用

灰色系统理论由邓聚龙于1984年提出,它是一种解决系统中包含不完全与不确定信息的多准则理论,该理论现已广泛并成功地应用于各领域.对风险决策问题建立灰色模型,可进行因素分析与趋势预测.本文在深入研究灰色理论的基础上,提出利用变异系数法修正主观权重、得出综合权重,建立更具实际意义的灰色关联分析修正模型.利用修正模型,反映指标间的联系及权重关系,修正主观赋权单一性、主观性强的缺点.     

基于多因素灰色模型的物流需求量预测

物流需求量受多种因素的影响,很多因素无法准确掌握.文章通过咨询专家和客观分析,选定GDP增长量、消费品零售总额、进出口总额等七大因素为影响物流需求量的关键因素.然后,将体现灰色GM(1,1)模型和多元线性回归模型优点的多因素灰色预测模型应用于河南省物流需求量的预测实证研究中,为物流需求量的预测提供了一种可靠的科学方法.     

运用GM(1,1)模型对湖北省人口发展趋势的预测

人口总量预测方法较多,相对较为繁琐,本文利用灰色系统中的GM(1,1)模型的原理与方法,对湖北省2010、2015、2020年人口总量进行预测讨论,为涉及到人口总量的相关问题决策提供参考.     

改进的GM(1,1)灰色预测模型及其应用

针对传统GM(1,1)模型预测精度不高,并且其背景值优化与求解方法优化各具有片面性的缺点,文章给出了组合优化和分段优化两种改进方法,并结合国内居民消费水平的相关统计数据,利用传统GM(1,1)模型及其优化后的模型与两种方法的误差进行对比,表明改进后的灰色模型精度更高,且预测值与实际值较吻合,说明改进后的灰色预测模型的可行性与可靠性更好.     

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.