基于正弦变换和背景值优化的灰色GM(1,1)模型研究

对传统GM(1,1)模型进行误差分析,基于正弦变换和误差最小化原理对初始条件和背景值进行改进,建立了优化GM(1,1)模型。为了比较与传统GM(1,1)模型的优劣,选取2005—2015年我国水产品总产量数据,基于传统GM(1,1)模型和优化GM(1,1)模型分别对水产品总产量进行预测。实证研究表明:优化GM(1,1)模型在预测相对误差方面有明显改善,极大地提高了灰色模型的预测精度。     

应用优化GM(1,1)模型的农民消费水平预测研究

为了使传统灰色GM(1,1)模型的背景值和灰度值更加协调,对原始数据序列和模型背景值进行优化。基于优化的灰色GM(1,1)模型,选取2000—2014年我国农民消费水平数据,预测未来几年我国农民消费水平。结果表明:优化GM(1,1)模型的背景值能减小预测误差,提高预测准确精度,非常适合进行中短期预测;同时,未来几年我国农民消费水平将继续保持稳步增长,到2020年我国农民消费水平将达到19 303元,这将有利于实现我国经济稳步增长。     

基于残差灰色模型的天然气消费预测研究

随着全国各地"煤改气"如火如荼地进行,天然气消费量持续增加,科学准确地预测天然气消费量显得尤为重要。在传统GM(1,1)模型的基础上,建立灰色残差GM(1,1)模型,对我国天然气消费进行预测,并对比分析了残差GM(1,1)模型和传统GM(1,1)模型的预测精度。结果表明:残差GM(1,1)模型进一步提高了预测精度,适用于天然气消费预测研究。     

基于灰色关联度组合模型的能源消费预测研究

为了准确预测未来几年我国能源消费总量,基于灰色关联度建立了我国能源消费组合预测模型,并与传统GM(1,1)模型进行对比分析。结果表明:组合模型能有效降低平均相对误差,提高预测精度,非常适用于我国能源消费预测。     

税收增长预测的灰色理论模型研究

税收是国家财政收入的重要来源,准确的税收预测结果对于制定各项经济政策具有非常重要的意义。文章在传统GM(1,1)模型的基础上,通过改变背景值,提出了用于中国税收预测的改进GM(1,1)模型。实例分析采用中国1994-2008年共15年的税收数据,预测结果表明:灰色预测可以较好地模拟出税收总量的变化趋势,而改进的GM(1,1)模型比传统的GM(1,1)模型所得到的预测结果更加合理。并且,整个预测过程思路简洁,易于编程实现,在当前中国税收政策变化力度加大、受国内外经济波动影响颇深的情形下,依然不失为一种有效的税收预测方法。     

基于灰色关联度的GM(1,1)-BP神经网络组合模型研究

改革开放以来,我国居民消费水平保持较快发展态势,准确预测未来居民消费水平能更好地掌握国民经济发展趋势,为政府相关部门制定战略规划和产业政策提供参考。为此,基于灰色关联度建立了GM(1,1)-BP神经网络组合模型,对2000—2016年居民消费水平进行模拟,并对比分析GM(1,1)模型、BP神经网络模型、灰色组合模型模型的预测误差。仿真结果表明,基于灰色关联度的GM(1,1)-BP神经网络组合模型能进一步提高预测准确性。     

改进GM（1，1）模型在四川天然气需求预测中的应用

为了提高GM（1,1）模型在天然气需求预测中的精度和普遍适用性,首先分析了传统GM（1,1）模型存在的不足,提出了改进方法,在传统GM（1,1）模型基础上通过对模型系数进行优化修正,降低预测模型的模型系数,建立了改进的GM（1,1）预测模型。利用四川2000～2007年天然气消费量统计数据对传统GM（1,1）、无偏GM（1,1）和改进GM（1,1）进行了对比预测分析。分析结果表明改进GM（1,1）模型具有较高的精度。     

国内旅游客源市场的灰色预测模型 --以河北省为例

本文通过对近几年来河北省国内旅游游客数量的统计数据分析,根据客流量与时间的关系,利用灰色系统理论中一种特殊的线性动态预测模型,建立了GM(1,1)预测模型,模型输出的结果与历史情况相当相吻合,进而利用该模型对河北省2003010年的国内旅游游客量进行了预测分析。     

基于GARCH模型与灰色预测模型GM(1,1)的人民币汇率收益率分析

论文中对人民币汇率收益率序列分别建立了GARCH(1,1)模型和GM(1,1)模型.首先利用GARCH(1,1)模型刻画了收益率序列的波动性,接着通过预测模型GM(1,1)对收益率序列水平值进行预测.实证结果表明,人民币汇率收益率序列之间存在明显的波动性和长期的自相关性,预测模型GM(1,1)能够很好的拟合人民币汇率收益率序列,是一个可用的较好的预测模型.     

灰色系统理论及其在旅游预测中的应用——以广西桂林为例

论文简要介绍了灰色系统理论及GM(1,1)灰色预测模型,针对旅游系统的特点,结合旅游预测研究的目的,将灰色预测模型GM(1,1)运用于区域旅游预测中,并以广西桂林为算例进行预测,获得较好的预测效果。     

青少年刑事罪犯数量的灰色预测及启示

我国青少年犯罪一直是一个比较严峻的社会问题。为此以1997一2010年人民法院审理的青少年犯罪刑事案件数据为依据,并利用GM(1,1)模型和GM(1,1)残差模型对我国青少年罪犯数量的时间序列进行了拟合、分析与预测。结果表明,GM(1,1)残差模型的拟合程度较高,说明我国青少年犯罪的数量还在增加。由此提出需要整合家庭、学校、社会和政府的力量来预防和治理青少年的犯罪。     

中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型

基于STIRPAT模型,将中国工业碳排放的影响因素确定为人口规模、人均工业产值和工业技术水平。以1997年至2010年中国工业碳排放相关数据为研究样本,采用灰色预测GM(1,1)模型预测了工业碳排放、人口规模、人均工业产值和工业技术水平2011-2020年的未来值,为控制未来工业碳排放量提供数据参考。结果表明,从灰色预测的增速和总量综合来看,人均工业产值对工业碳排放影响最大。同时GM(1,1)对工业碳排放及其影响因素的预测精度较高。     

改进的灰色预测模型的应用

提出了对原始数据作指数变换与优化灰导数相结合的方法对GM(1,1)模型进行了改进.使预测精度大为提高,通过实例验证了所建模型的实用性与可靠性.     

基于GM（1，1）模型的大连市入境旅游发展研究

作为区域旅游业发展研究的一项重要内容,旅游指标建模与预测研究起始于20世纪60年代,已成为旅游研究的热点之一。基于灰色系统理论,以大连市2000--2009年入境旅游统计资料为原始数据,建构旅游指标GM（1,1）灰色预测动态模型并进行模型精度检验;对预测结果分析表明,模型预测结果与实际数据基本一致,进而利用该模型对大连市2011—2015年入境旅游指标进行预测;最后,提出大连市入境旅游可持续发展对策。     

我国农村居民消费需求收入弹性分析及趋势预测

调整收入分配结构、扩大内需成为我国政府当今和未来一段时间经济工作的重中之重。消费需求收入弹性是反映居民消费需求和收入关系的一项重要指标,对其现状及未来趋势的研究具有重要意义。运用ELES模型和GM(1,1)模型对我国农村居民消费需求收入弹性进行分析和预测。研究结果表明,当前该指标整体较高,但未来几年多数子类指标有下降趋势。     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

基于GM(1,1)模型对房地产投资额的预测研究——来自四川省成都市的经验证据

针对房地产开发投资额样本数据少、受各种因素影响具有不确定性的特点,运用灰色理论中应用最为广泛的GM(1,1)模型,以2004年以来成都房地产开发投资额的年统计数据为样本,对成都2009年的房地产开发投资额进行拟合。实证分析过程中通过弱化缓冲序列算子的作用,调整了样本数据的增长速度,实证结果表明GM(1,1)模型在房地产开发投资额预测方面精度较好,能够用该GM(1,1)模型对成都未来的房地产开发投资额进行预测分析,为政府、投资者、消费者的决策提供参考意见。     

高等教育规模波动与经济波动协调性的实证分析——基于GER与人均国内生产总值的考察

利用灰色关联等维代谢模型（GM（1,1））对我国扩招十年来高等教育规模波动与经济波动的协调关系进行回归分析,以高等教育毛入学率与人均国内生产总值为具体分析单元,建构高等教育规模波动与经济波动的灰色协整预测模型,精度检验显示所建GM（1,1）模型拟合值与实际值、预测值与规划值误差较小,灰色关联度较高,符合灰色建模理论,可以为我国经济和高等教育发展规划提供科学预测和理论诠释。     

含线性时变参数的反向累加离散灰色预测模型

为了增强灰色预测模型对各种特征数据的适应性,在现有反向累加灰色模型研究的基础上,提出了一种含线性时变参数的反向累加离散灰色预测模型,并给出了可用于预测的模型时间响应式和还原式。通过数值模拟和对广东省电力消费量的预测分析,结果显示:新模型比传统GM(1,1)模型、反向累加GOM(1,1)模型和反向累加离散DGOM(1,1)模型具有更高的建模精度。     

基于GP的非线性GDP预测模型的构建与应用

针对线性GDP预测模型中存在的不足,利用遗传规划(GP)方法构建了非线性GDP预测模型,并将其应用于黑龙江省的GDP预测当中。利用黑龙江省1978—2005年实际GDP数据作为建模样本,对模型进行了训练,结果表明,与灰色GM(1,1)预测模型相比,基于GP的非线性预测模型平均拟合误差只有2.86%,远远低于GM(1,1)预测模型8.26%的结果。利用构建的基于GP的非线性预测模型对2006年黑龙江省的GDP进行预测,相对预测误差只有2.74%,远远低于GM(1,1)预测模型14.68%的结果,表明GP非线性预测模型的预测效果比较理想。最后利用基于GP的非线性预测模型对黑龙江省2007—2020的GDP进行了预测,结果表明黑龙江省的GDP呈现出稳定增长态势,年均增长率将达到8.61%。