基于灰色系统理论的广西物流需求预测

本文以灰色系统理论为基础，构建了GM(1,1)预测模型，运用Matlab仿真软件，根据广西统计年鉴中2008-2012年货运量的实际数据，对广西未来5年的物流需求量进行了预测。     

基于灰色系统理论的我国物流发展规模的预测研究

物流发展规模预测对于制定宏观经济政策和促进经济发展具有重要意义。在我国现代物流产业统计指标体系尚未健全的情况下．运用灰色系统理论思想与方法,能够在一定程度上解决物流产业量化研究的瓶颈问题。灰色系统预测模型GM（1,1）模型,为单序列建模。能够弱化序列随机性,挖掘系统演化规律．因此本文应用该模型对我国货运量进行预测,以此反映未来物流的发展规模．为国家规划物流产业和制定物流政策提供决策依据;同时研究结果表明该预测模型精度等级较高．效果较好．在基于灰色系统思想的中国现代物流产业的量化研究过程中．GM（1,1）预测模型的应用起到了抛砖引玉的作用。     

基于灰色预测模型的广西物流需求预测

本文运用灰色GM(1,1)预测模型理论,根据统计数据建立了物流需求量模型并对广西未来几年物流需求规模进行了预测,在一定程度上能够为广西物流业发展提供定量依据。预测结果表明广西物流需求呈稳定增长的态势。     

基于改进灰色理论的城市物流量预测——以浙江龙泉为例

市域物流量受多方面因素影响,很多因素我们无法确切掌握,具有灰色系统的特征.本文使用改进的GM(1,1)模型对龙泉市物流量进行测算,通过残差检验与后验差检验证明了模型具有较高精度,研究了改进的GM(1,1)模型适用范围.通过与移动平均法、指数平滑法、标准GM(1,1)模型对比,证明了改进的GM(1,1)模型的优越性.对浙江省龙泉市2008-2012年的物流量进行动态预测,为政府部门制订物流规划提供了参考依据.     

灰色模型GM(1,1)及在我国水产品总量预测中的应用

本文介绍了灰色预测的GM(1,1)模型建模过程,利用2001～2008年我国水产品总量数据,对未来几年我国水产品总量进行预测,并对预测结果分别进行残差、关联度和后验差检验,结果表明模型精度非常高。     

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。     

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。     

基于灰色系统理论GM(1,1)模型的巴中市建设用地需求预测研究

本文以四川省巴中市新一轮土地利用总体规划修编的实践为基础,用灰色系统模型对巴中市建设用地需求量进行预测,构建灰色系统模型,通过后方差检验,得到方差比c=0.077,小误差概率p=1,说明模型可以有效预测巴中市建设用地需求量。     

基于GM(1,1)模型的海南省养老机构服务需求预测

目的 笔者通过灰色系统GM(1,1)模型对海南省老年人口发展进行预测,进而推算出养老机构服务需求及养老护理员需求,为促进海南省养老事业的健康发展及相关部门制定政策提供参考。方法 笔者通过Execl整理数据,并使用Matlab 2018b软件构建灰色系统GM(1,1)模型,对海南省老年人口进行预测,进而推算出入住养老机构老年人数及所需护理员人数。结果 笔者通过对模型进行精度检验,计算得出C=0.142 7,P=100%,模型精度等级为1级,拟合度较高,预测结果较好。模型拟合结果与2015—2020年的实际值比较,60岁及以上老年人口的平均相对误差为0.7%。预测结果显示,到2025年,海南省60岁及以上老年人口约173.52万人,需要养老机构床位数为5.21万张,需要养老护理员约1.74万人。结论 目前,海南省养老机构床位数和养老护理员从业人员无法满足老年人养老服务需求,建议政府通过出台相应政策、加大财政投入、完善从业人员保障机制等举措,推动养老服务行业的发展,助推更多老年人享受高品质生活。     

基于灰色系统理论的芜湖市产业人才需求预测——以芜湖市三大支柱产业为例

科学地对产业人才需求进行预测,对产业发展规划具有重要意义。本文依据相关资料数据,运用灰色模型GM（1,1）对芜湖市三大支柱产业人才需求的发展变化进行动态关联分析与总体预测以期为芜湖市 “十二五”产业规划提供理论参考。     

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。     

灰色预测模型GM(1,1)在中国环保投资总额预测中的应用

文章首先阐明由于环保产业项目的功实施依赖于经济可行性,所以政府部门等的资金支持是必不可少的.然后,简要介绍了灰色预测方法GM(1.1)模型的适用条件、构造步骤及检验方法.接着,运用灰色理论研究了中国环保投资总额2000年至2005年的变化规律,建立了中国环保投资总额增长的灰色预测模型.最后,对中国未来"十一五"期间(2006-2010)各年度环保投资情况进行了预测,从而看到中国在生态工业体系建设方面的政府投资拉动作用.     

基于新改进GM(1,1)模型的中国企业债券融资发展预测

我国企业债券市场明显滞后于整个资本市场的发展,加快发展企业债券市场的呼声日高。但是去除企业债券发展的束缚是一个渐进的过程。在此背景下,本文对我国企业债券融资发展进行定量预测。考虑到影响我国企业债券发展的因素较多且不确定,笔者采用灰色系统GM(1,1)模型进行预测。GM(1,1)模型是有偏差的灰指数模型,其精度取决于背景值的构造形式和初始条件的选取。已有的研究文献均是从一个侧面单独改进GM(1,1)模型,这里,笔者提出一种同时优化背景值和初始条件的新GM(1,1)模型。笔者发现新优化GM(1,1)模型比单独优化背景值或单独优化初始条件有更高的模拟精度。在此基础上,利用新改进GM(1,1)模型对我国2010年之前的企业债券余额进行了预测。     

GM(1,1)模型时间响应函数的最优化

GM(1,1)是灰色系统理论的核心内容之一。本文利用"最小二乘法"确定GM(1,1)白化权函数的时间响应函数中的常数C,从而构建了GM(1,1)的时间响应函数的最优模型。经大量的数据模拟和与GM(1,1)对比,发现优化的GM(1,1)模型的模拟精度和预测精度均较高。     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。     

中国企业债券信用价差的灰色预测及实证研究

尽管我国企业债券的信用等级均为AAA级,但依然存在违约风险,需对信用风险进行积极管理.本文将灰色系统理论运用到中国债券市场,通过建立GM(1,1)模型,首次对我国企业债券的信用价差进行预测,并得到了满足预测精度的结果.     

基于组合模型的中国电力消费量预测研究

本文以1999-2011年中国电力消费量为样本数据,运用改进的GM(1,1)模型对其进行拟合和预测;并运用周期性残差修正模型对IGM模型的预测残差进行修正;综合两者得到含周期性残差修正的IGM组合模型,然后利用此组合模型预测2012和2013年中国电力消费量,最后,采用后验差检验法对组合模型的预测精度进行检验。预测结果表明:组合模型预测精度达到一级精度"好",并且中国电力消费量在未来几年将继续保持上升的趋势。     

政策冲击影响下中国能源消费预测分析及控制策略

本文运用缓冲算子和灰色GM（1,1）模型,对中国能源消费总量和单位GDP能耗进行了模拟和预测,在能源消费预测结果的基础上,构建了两种控制策略模型,并以中国单位GDP能耗预测为例进行了算例分析。研究结果表明,灰色模型较好地模拟和预测了中国能源消费总量和单位GDP能耗。中国在“十二五”期间的节能潜力很大,能顺利完成能源消费总量的指标。“十二五”安全控制策略为[0.48,1）,即国家在“十二五”期间的控制力度应调整为“十一五”控制力度的0.48~1倍之间。     

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。     

非等间距GM(1,1)模型背景值的优化

基于背景值是影响灰色建模精度的重要因素之一,本文对非等间距GM(1,1)模型中的背景值构造进行了研究,根据灰色模型的指数特性和积分特点,利用非齐次指数函数来拟合一次累加生成序列,提出了一种重构非等间距GM(1,1)模型背景值的方法。实例表明利用优化的背景值计算公式建立的非等间距GM(1,1)模型显著地改善了模拟和预测精度。该背景值不仅适合于非等间距建模,也适合于等间距建模,具有精度高、适用性强的特点。