基于遗传算法优化的GM（1，1）能源预测模型研究

能源消费预测是制订能源规划的重要组成部分.鉴于能源消费系统的复杂性和非线性的特征,本文结合某省能源消费的历史数据,用灰色系统理论建立了GM(1,1)预测模型,并对其优缺点进行了分析,在此基础上引入遗传算法,对该灰色预测模型参数进行优化,从而获得更为精确的能源预测模型和预测值.实例的预测结果表明,该模型可以作为能源消费预测的有效工具.     

基于并联灰色神经网络的陕西省宏观经济预测

结合灰色GM（1,1）预测模型和BP神经网络2种预测模型的优点,提出了一种并联灰色神经网络模型,并用该模型对陕西省宏观经济进行预测.结果表明,并联灰色神经网络预测精度高于单一的灰色GM（1,1）预测模型或BP神经网络.     

优化离散灰色幂模型及其应用

考虑已有的灰色预测模型主要能对指数型发展系统或幂函数型发展系统进行模拟预测,本文构建了一种不仅能够模拟指数型和幂函数型的发展系统,并且能够体现出二者之间的相互作用关系的离散灰色幂模型;并针对初始条件对离散灰色幂模型模拟精度的影响,首先给出了离散灰色幂模型的建模步骤,然后以平均相对误差最小化为目标、参数之间的关系为约束条件,构建了离散灰色幂模型初始条件的优化模型,实现对离散灰色幂模型初始条件的优化。结果表明,优化的离散灰色幂模型使得平均相对误差在理论上达到了最小化,其模拟精度和预测精度都高于传统模型。最后,通过中国网络购物人数数据预测和仿真数据分析,说明了本文优化方法的有效性和适用性。     

面向灾害应急物资需求的灰色异构数据预测建模方法

多源信息集结对提高自然灾害环境下统计数据可信度具有重要作用,但信息渠道的多源性极易导致集结信息数据类型不一致、不兼容,形成灰色异构数据序列。本文应用灰色系统建模技术对灰色异构数据预测建模方法展开研究,首先,基于"核"和"灰度"对灰色异构数据进行规范化处理;然后,建立灰色异构数据"核"序列的DGM(1,1)模型,并以"核"为基础,根据灰度不减公理,以灰色异构数据序列中最大灰度值所对应的信息域作为预测结果之信息域,推导并构建了灰色异构数据预测模型;最后,将该模型应用于某地震帐篷需求量的预测。本文研究成果将传统灰色模拟及预测模型建模对象从"同质数据"拓展至"异构数据",对丰富与完善灰色模拟及预测模型理论体系,提高自然灾害救援效率具有积极意义。     

基于多尺度分析的小麦价格预测研究

本文基于分解-重构-集成的思想,构建了一个多尺度组合预测模型,选取小麦作为粮食的代表,预测其价格走势。首先,运用集合经验模态分解方法(EEMD)分解价格序列,然后,用灰色关联分析方法对分量序列进行重构,重构为高频、中频、低频和趋势项四个部分,并从不规则因素、季节因素、重大事件和世界经济水平等方面对这四个部分波动特点进行解释,针对不同特点的分量选择不同的方法进行预测,最后对各预测结果用支持向量机集成,并与其他预测模型的预测结果进行比较。实证结果表明,本文构建的多尺度组合模型的预测效果优于灰色预测GM(1,1)、BP神经网络、SVM方法、ARIMA模型等单模型方法和ARIMA-SVM组合模型以及基于EMD和EEMD分解的其他多尺度组合模型。     

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。     

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。     

船闸通过量预测模型对比研究

船闸通过量作为衡量内河航运繁荣程度的一个重要指标已被广泛的使用,通过以秦淮河船闸历年的通过量为研究对象,综合了目前常用的几类预测模型即线性模型、非线性模型、灰色系统理论模型对秦淮河船闸的通过量进行了短、中、远期的预测分析。通过对分析模型的对比研究得出了灰色系统理论模型的预测效果最好,发现船闸所在地的社会经济因素和自然因素对船闸的通过量影响较大,并根据各预测模型的预测量指出,秦淮河复线船闸应早日建设。     

灰色模型在中国股票市场预测中的应用

股票价格和股价指数的准确预测有利于投资者获得高额的市场回报和政府对市场的有效监管.本文将灰色模型应用于股票市场,构成灰色预测模型,对未来时刻的股票价格及股价指数的阳变和阴变周进行预测.实证研究表明,将灰色系统理论应用于股票市场,对股票价格及股价指数进行预测是完全可行的、合理的,而且达到了较高的精确度.     

船闸通过量预测模型对比研究

船闸通过量作为衡量内河航运繁荣程度的一个重要指标已被广泛的使用,通过以秦淮河船闸历年的通过量为研究对象,综合了目前常用的几类预测模型即线性模型、非线性模型、灰色系统理论模型对秦淮河船闸的通过量进行了短、中、远期的预测分析.通过对分析模型的对比研究得出了灰色系统理论模型的预测效果最好,发现船闸所在地的社会经济因素和自然因素对船闸的通过量影响较大,并根据各预测模型的预测量指出,秦淮河复线船闸应早日建设.     

基于灰色参数组合优化新模型的生活垃圾清运量预测研究

准确的生活垃圾清运量预测是环保部门制定生活垃圾处置政策措施的重要依据。为此,文章首先在新结构多变量灰色预测模型基础上,对自变量驱动项、累加阶数、背景值系数进行组合优化,推导并构建了适用于生活垃圾清运量预测的新型多变量灰色系统模型。然后,应用该模型对江苏省垃圾清运量进行实例分析,结果显示该模型综合误差仅为0.996%,其性能优于同类其他多变量灰色预测模型(1.933%、4.894%)。最后,应用该模型对江苏省未来清运量进行了预测,并提出了相关的对策和建议。本研究成果为环保部门制订相关政策措施提供了参考依据,同时为生活垃圾清运量预测提供了一种有效的建模方法。     

基于网络搜索信息的农村水环境质量灰色预测模型

针对农村水环境直接监测数据相对缺乏、间接数据难以有效引入的问题，综合灰色关联分析和预测模型，提出一种基于网络搜索信息的农村水环境质量灰色预测模型。首先，综合考虑数据重要性和可获得性，确定农村水环境相关的搜索关键词清单；然后，采用主成分分析法提取搜索关键词的主要特征，构建初始网络搜索变量，并利用灰色绝对关联度衡量各初始网络搜索变量与水环境质量之间的关联程度。在此基础上，构建不同频率数据的多变量离散灰色模型，将强关联变量的降频数据作为多变量离散灰色模型的驱动因素，从而构建基于网络搜索信息的农村水环境质灰色预测模型。实例分析结果表明，相对于传统灰色模型，引入网络搜索信息可以提高农村水环境预测精度，为农村水环境治理提供决策支持。     

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。     

基于自忆性原理的多变量MGM(1,m)耦合系统模型构建及应用

针对小样本条件下具有相互制约关系的多变量系统,本文提出了一种新颖的多变量MGM(1,m)自忆性耦合系统模型,用来统一描述系统各变量间关系并且提高其建模精度。该模型通过有机耦合动力系统自忆性原理与传统MGM(1,m)模型,综合了两者各自的优势。系统的自忆性方程包含多个时次初始场而不仅是单个时次初始场,从而克服了传统灰色预测模型对初值比较敏感的弱点。对基坑变形预测的实例研究结果表明,所构建模型能够充分利用系统的多个历史时次资料,可以紧密捕捉系统演化趋势,模拟预测精度显著高于传统多变量MGM(1,m)模型。研究结果表明,新模型丰富和完善了灰色预测理论,值得推广应用于其他类似的多变量系统。     

福建省粮食安全发展研究报告

该报告首先介绍了福建省粮食生产现状、粮食生产区域布局及类型差异,并分析了制约粮食生产发展的主要因素。其次,分析和预测了福建省粮食需求情况,并对粮食需求消费影响因子进行探讨。再次,采用灰色预测法从粮食供给总产量、消费量等方面进行预测,并评价了福建省粮食安全形势。最后,在构建和完善福建粮食安全体系的总体思路与任务要求基础上,提出了"十三五"期间福建省保障粮食安全的对策建议,包括:严格保护生产资源,提高粮食生产能力;加强统筹规划,强化粮食流通、储备能力;落实粮食安全预案,提高应急反应能力。     

惯性灰色模型及其应用性质研究

研究灰色预测模型建模的演化过程，可以更好地了解模型的本质特征和状态变化。惯性灰色模型主要研究灰色预测模型建模的演化过程，了解系统变化状态。本文根据数据的力学特性，利用矩阵分析方法研究惯性灰色模型的建模步骤，简化文献［1］中惯性模型的结构参数和分量参数形式，总结求解各种数据序列的力学变换式，获取各种惯性灰色模型的建模机理。最后通过实例研究系统状态的演变过程，将惯性灰色GM(1,1)模型应用到交通流状态的判定中，得到三相交通流与三种惯性灰色GM(1,1)模型的对应关系。利用三种惯性模型模拟效果来准确判断交通流的状态，揭示交通系统实时特性，为交通规划、控制和优化提供可靠的理论依据。     

基于GRA和PCA的BP神经网络应用研究

运用BP神经网络方法对复杂系统建模的过程中，经常遇到指标多、历史数据不足而降低网络泛化能力的情况。为了提高神经网络的泛化能力，本文从简化网络规模的角度出发，运用灰色关联分析法和主成分分析法对原始数据集做降维预处理，达到减少神经网络输入节点个数的目的。将由此建立的预测模型应用于我国粮食产量的预测，与一般的BP神经网络模型和基于主成分的BP神经网络模型相比，该预测模型明显简化了网络结构，提高了预测效率，同时较大地提高了预测精度。     

基于区间灰作用量的GM(1,1)均值差分模型解的非唯一性研究

GM(1,1)是结构信息不完全的灰色预测模型，但当前其模拟及预测结果的实数形式不满足灰色理论解的非唯一性原理。文章从GM(1,1)网络模型出发，分析了灰作用量的背景与内涵，还原了影响因素不确定条件下灰作用量的区间灰数形式，构建了具有非唯一解的新型GM(1,1)均值差分模型。新模型具有更加完善的体系结构，同时能实现对传统 GM(1,1)均值差分模型的完全兼容。应用新模型对我国电力能源消费量进行建模，结果显示其建模结果的合理性优于传统 GM(1,1)模型。本研究成果对丰富灰色预测模型理论框架、完善灰色预测模型结构体系具有积极意义。     

江苏检验检疫行政事业收费的灰色预测

检验检疫收费系统是一个多因素、多层次、多目标的系统,影响收费的因素很多,包括地区外贸量、出入境货物批次、货值等.现有的预测方法一般需要大量、详尽的统计资料,而且地区外贸增长的预测作为检验检疫收费预测的相关依据.但是,由于外贸业务增长受国内外各种不可测因素影响,造成现有方法对检验检疫收费的预测与实际偏差较大,可信度偏低.实际上,检验检疫收费系统是一个典型的既包含已知又包含未知的灰色系统,根据少量的系统特征数据,可以应用灰色预测技术挖掘系统的变化规律,得到客观可信的预测结果.本文给出了灰色CM(1,1)模型的算法步骤,将灰色预测方法应用于检验检疫行政事业收费的预测.实际结果表明,灰色预测方法非常简洁,模拟精度很高,预测的可信度比较好.因此,灰色预测方法在检验检疫行政事业收费预测中具有很强的实用价值.     

基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。