共查询到19条相似文献,搜索用时 343 毫秒
1.
随着信息系统的发展,对黄金价格建立了基于新陈代谢理论的无偏灰色GM(1,1)预测模型。该模型是对GM(1,1)模型的改进,在不断补充新信息的同时,及时地去掉老信息,避免随着信息的增加,建模运算量不断增大的困难。实证结果表明,该模型预测精度优于GM(1,1)模型及无偏GM(1,1)模型的预测精度。 相似文献
2.
3.
4.
为了提高黄金价格预测精度,提出等维动态马尔可夫SCGM(1,1)C预测模型,引入取新去旧的数据处理方法,使用等维动态实现数据优化。等维动态马尔可夫SCGM(1,1)C预测模型是将等维动态SCGM(1,1)C模型与马尔可夫链结合起来,在等维动态SCGM(1,1)C模型的预测结果上再进行状态划分与转移,重新得到预测值。选取2018年1月~2019年4月共16组黄金价格数据,将动态等维的维数定为13,数据处理时选用2018年1月~2019年1月的13个黄金价格数据,预测2019年2月的黄金价格,再依次预测2019年3月和4月的黄金价格。以2019年2~4月的3个黄金价格预测数据作为拟合,预测2019年5月的黄金价格。通过比较灰色SCGM(1,1)C预测模型、等维动态SCGM(1,1)C模型与等维动态马尔可夫SCGM(1,1)C预测模型的精度,可知等维动态SCGM(1,1)C预测模型的精度较SCGM(1,1)C模型有所提高,等维动态马尔可夫SCGM(1,1)C模型的拟合精度最高,达到一级,相对误差平均值为0.85%,符合预测要求,应用该模型预测的2019年5月的黄金价格为1 314.78美元/盎司,实际黄金价格为1 295.55美元/盎司,价格较为接近。 相似文献
5.
6.
7.
基坑监测是确保矿山基坑工程安全实施的必要手段,不同模型所监测到的基坑沉降值存在一定的差异,因而如何选择一种有效的组合模型是准确预测未来某一时刻基坑沉降面临的主要问题。本研究将时间序列预测模型与灰色模型相结合(即灰色时序组合预测模型)应用于某深基坑(基坑深5.7~13.7 m)沉降监测数据分析,预测结果准确可靠。同时,与单一模型(如ARIMA和GM(1,1))的预测结果相比,灰色时序组合模型的预测精度更高,所获得的预测结果与实测值最接近,是一种非常有效的基坑预测方法。 相似文献
8.
牛军锋 《Canadian Metallurgical Quarterly》2011,39(17)
把模糊数学和灰数学有机的结合为模糊灰色预测FGM(1,1)模型,并应用到油莱产量的预测上,实例分析发现FGM(1,1)模型预测我国油菜产量具有较高的预测精度. 相似文献
9.
10.
为科学预测物流园区的物流量,对灰色马尔可夫预测模型进行双重改进,利用灰色波动多项式替代灰色模型中的指数型曲线,采用滑动转移概率矩阵改进传统的马尔可夫链.利用某物流园区物流量的调研数据对最大相对误差、平均相对误差、残差平方和等因素进行分析.结果表明,双重改进的灰色马尔可夫模型能够更好地预测物流园区的物流量. 相似文献
11.
为系统研究某矿山矿产资源利用情况,采用灰色聚类方法对该矿山多年的矿石贫化率、矿石回采率和选矿回收率进行灰色聚类分析,得到矿产资源利用情况较差的年份分别为1996、1999、2003、2008、2010和2014年,并以此形成灾变序列。然后,利用多种灰色预测模型对灾变序列进行预测分析和精度比较,确定差分VERHULST模型为最佳预测模型,预测结果表明2015年也是矿山资源利用情况较差的年份。该预测方法可以指导矿山在资源利用情况较差的年份采取系列应对措施,以提高矿山的资源综合利用效率。 相似文献
12.
13.
基于HP滤波—AR模型—GARCH族模型对黄金价格预测研究 总被引:1,自引:0,他引:1
黄金作为一种特殊的贵金属,不仅其本身具有货币和商品的双重功能,而且对经济领域有着重要影响,因此预测黄金价格趋势对社会经济发展具有重要意义。文中提出了一种新的预测方法:首先采用HP滤波将时间序列分解为趋势要素序列和周期波动序列;然后针对不同序列的性质,对趋势要素序列采用自回归模型(AR)拟合预测,对周期波动序列采用ARMA-GARCH族模型拟合预测;最后将两个预测序列相加与原序列比较;预测结果在模型精度和范围上均令人满意。 相似文献
14.
矿区重金属污染系统具有灰色系统的特征,因此可以采用灰色模型对重金属污染进行预测。运用灰色模型GM(1,1)对矿区Cu污染因子发展变化进行动态关联分析,作出了预测并对预测结果进行了分析,结果证明GM(1,1)模型是一种行之有效的预测金属污染的模型。 相似文献
15.
在传统BP神经网络预测模型的基础上,依据灰色理论中的灰色关联度,提出了输出变量各个影响因素的灰色关联度权值,首次建立基于灰色理论的神经网络预测模型,并依据国内某钢厂300组实际生产数据进行仿真试验。试验结果表明:误差绝对值小于5%的炉数有39炉,占总炉数的65.00%;误差绝对值小于10%的炉数共有58炉,占到96.67%。与传统BP神经网络相比,基于灰色理论的神经网络模型的预测精度提高近12.5%,说明基于灰色理论的铁水预处理终点磷含量神经网络预测模型能更精确地反映现场实际水平。 相似文献
16.
17.
18.
In order to improve the accuracy of model for terminative temperature in steelmaking, it is necessary to predict and control before decarburization. Thus, an optimization neural network model of terminative temperature in the process of dephosphorization by laying correlative degree weights to all input factors related was used. Then simulation experiment of model newly established is conducted utilizing 210 data from a domestic steel plant. The results show that hit rate arrives at 5645% when error is within plus or minus 5%, and the value is 100% when within ±10%. Comparing to the traditional neural network prediction model, the accuracy almost increases by 6839%.Thus, the simulation prediction fits the real perfectly, which accounts for that neural network model for terminative temperature based on grey theory can reflect accurately the practice in dephosphorization. Naturally, this method is effective and practicable. 相似文献
19.