基于改进GM(1,1)模型的黄金价格预测

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。     

灰色GM(1,1)模型在紫金山金矿定量预测中的应用分析

介绍了灰色GM（1,1）模型的基本原理及建模程序。应用该模型建立了紫金矿业股份有限公司的入选矿石品位、矿石综合成本、黄金综合成本、黄金产量、销售收入、利润总额和资产总额的灰色GM（1,1）模型。通过对紫金矿业股份有限公司1994年至2000年资料综合对比分析,认为该模型对上述指标具有很高的预测精度。对紫金矿业股份有限公司未来三年的上述经营指标预测结果表明,该公司“十五”规划目标是科学和现实的。     

基于灰色神经网络的金属疲劳寿命预测研究

为了对金属轴类零件的低周扭转疲劳寿命进行评估预测,搭建了灰色模型和灰色LSTM神经网络组合模型,并根据大量试验研究,对比分析了金属轴类零件低周扭转疲劳的实际循环寿命与用模型预测的循环寿命之间的误差.试验结果表明,提出的灰色神经网络组合模型相对于传统单一模型,能对金属轴类零件的扭转循环寿命进行有效预测,降低了预测寿命与实际寿命间的相对误差,提高了预测精度,为金属轴类零件的低周扭转疲劳寿命预测提供参考依据,具有一定的实用价值.     

基于等维动态马尔科夫SCGM(1,1)C模型的黄金价格预测

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。     

电力负荷的灰色预测

利用灰色GM(1,1)模型进行预测时,如果原始序列的变化不够光滑,预测误差很大.因此,对原始序列进行对数平滑处理,同时针对不同时段建模形成预测灰区间的特点,提出了用灰色系统理论进行电力负荷预测的具有对数平滑的灰色关联度加权预组合预测方法.该法使影响负荷的各个因素得到削弱或者抵消,提高了预测精度,并扩大了预测范围.     

灰色理论在矿山安全事故预测中的应用

以我国非煤矿山事故统计数据为依据,应用灰色系统理论建立事故死亡人数的GM(1,1)灰色预测模型,经误差和关联度检验表明,预测精度良好。用该模型对我国非煤矿山的安全状况进行预测,得出死亡人数的变化曲线,表明我国非煤矿山事故死亡人数呈逐年下降趋势。     

基于灰色时序组合模型的基坑监测预测

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。     

基于模糊灰色预测模型的油菜产量预测

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.     

基于等维积分GM(1,1)模型的黄金价格预测

GM(1,1)模型是灰色系统中最常用的一种模型,该模型采用的建模数据量小,对数据分布特征无特殊要求,应用较为广泛。利用数值积分原理将GM(1,1)模型中累加生成法改为积分生成法,并用双向差分结合等维动态预测原理,建立了等维积分GM(1,1)模型。该模型在预测过程中不断将旧信息剔除,增加新信息进入,实现了数据的及时更新,提高了预测精度。     

双重改进灰色马尔可夫模型的物流园区物流量预测

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.     

基于灰色聚类与灰色预测组合模型的矿产资源利用情况分析

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。     

LF炉精炼温度预报模型的发展应用

全面综述了LF炉精炼温度预报模型在国内外的发展应用状况。国内外所开发的LF炉钢水温度预报模型,主要采用机理模型、“黑箱模型”、“灰箱模型”三种方法。简单讨论了这三种模型的特性,并预测了LF炉精炼温度模型的发展趋势。     

基于HP滤波—AR模型—GARCH族模型对黄金价格预测研究

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。     

基于灰色系统理论的矿区重金属污染预测分析

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。     

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

 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。     

矿床地质品位的灰色Verhulst预测

矿石品位的分布受成矿规律支配,客观上存在有一定规律性。矿石品位灰色Verhulst预测就是将矿床作为一个整体,通过已知的钻探或坑探品位的一组灰色数据,利用相应的数学模型,估计、预测无探矿工程点的矿石品位,弥补了地质探矿过程中工程网度控制不够,资料欠缺的不足,为矿山编制采掘计划,规划生产提供必要的依据。灰色Verhulst预测模型需要的原始数据少,精度能满足要求,表明该方法用于矿石品位预测具有很好的适用性。     

烧结矿碱度的灰色神经网络预测模型及仿真

本文提出了用灰色神经网络对烧结矿化学成分进行预测，并在此基础上构造了灰色神经网络模型，该模型有效地融合了灰色理论可弱化数据序列波动性和神经网络特有的适应非线性信息处理的能力，研究结果证明，本模型能在小样本、贫信息的条件下对烧结矿碱度做出比较准确的预测，此种模型具有预测精度高、所需样本少、计算简便等优点，取得了比较满意的结果。和BP神经网络算法相比，灰色神经网络算法有很大的应用前景和推广价值。     

Establishment of Neural Network Prediction Model for Terminative Temperature Based on Grey Theory in Hot Metal Pretreatment

 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 5645% 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 6839%.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.     

灰色GM(1,1)模型在热浸镀层耐海水腐蚀研究领域的应用

利用灰色GM（1，1）模型研究了热镀Zn层在海水腐蚀中的规律，建立了适合海水腐蚀研究特点的数学模型．根据热镀Zn层的实海挂样数据，结合腐蚀理论，将整个腐蚀过程进行分段处理，即腐蚀初期、钝化期、腐蚀后期．通过数学模型的计算，并与试验记录数据进行拟合．结果表明，应用GM（1，1）模型所建立的腐蚀数学模型，具有较好的拟合和预测精度，可以通过该数学模型进行热浸镀层在海水腐蚀环境条件下的评估及寿命预测．