提高灰色GM(1,1)模型精度的微粒群方法

改变背景值插值系数和边值是提高灰色GM(1,1)模型精度的途径之一。对于满足灰色GM(1,1)建模条件的序列,利用微粒群算法,给出了通过优化背景值插值系数和边值提高灰色GM(1,1)精度的新方法。给出了计算实例。计算表明,应用此方法可以提高灰色GM(1,1)模型的精度。     

无偏GM(1,1)幂模型其及应用

基于GM(1,1)幂模型的模拟误差分析,本文提出了无偏GM(1,1)幂模型及其参数优化方法.从理论上证明了无偏GM(1,1)幂模型对传统GM(1,1)幂模型及其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性,其参数优化方法可以准确识别原始数据所蕴含的参数特性,完全消除了GM(1,1)幂模型自身固有的偏差.其建模过程避免了传统方法由差分方程向微分方程的跳跃导致的误差,应用范围覆盖了无偏GM(1,1)模型和离散灰色模型.数值模拟和实例分析表明,无偏GM(1,1)幂模型使得传统模型的模拟与预测精度得到了显著的改善.     

混合蛙跳算法优化GM(1,1)模型在滑坡预测中的应用

滑坡危害性巨大,对人民生命财产造成损失不可估量,为了对滑坡变形进行预测预报,本文根据灰色数学模型,建立改进的混合蛙跳算法GM(1,1)模型,采用matlab程序语言进行实现,选用实际工程对具体滑坡进行预测,结果表明:混合蛙跳算法优化后的GM(1,1)模型拥有较高的精度,是一种实用的工程计算方法,可为类似工程提供参考。     

混合蛙跳算法优化GM（1,1）模型在滑坡预测中的应用

滑坡危害性巨大,对人民生命财产造成损失不可估量,为了对滑坡变形进行预测预报,本文根据灰色数学模型,建立改进的混合蛙跳算法GM(1,1)模型,采用matlab程序语言进行实现,选用实际工程对具体滑坡进行预测,结果表明：混合蛙跳算法优化后的GM(1,1)模型拥有较高的精度,是一种实用的工程计算方法,可为类似工程提供参考。     

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。     

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.     

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.     

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。     

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。     

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。