一类组合预测模型及其应用

基于GM（1，1）模型、GM（2，1）模型和ARMA模型，建立了一类组合预测模型，通过实例分析取得了好的效果。     

基于初值修正的灰色预测模型的改进及其应用

对CM（1，1）建模的预测精度进行了分析，表明初值的选取对模型的预测精度有着重要影响，进而提出了可以提高预测精度的修正初值的方法．实证分析结果表明通过初值修正能够提高预测模型的预测精度．     

大冶铁矿滑坡预测模型研究

在深入研究滑坡变形特征的基础上,以大冶铁矿东露天采场狮子山北帮滑坡位移监测数据为依据,采用灰色理论,将滑坡的预测模型与滑坡运动特征相结合,推导出传统GM（1,1）模型和优化的GM（1,1）模型,通过验算比较,优化的GM（1,1）模型预测曲线与实测曲线的拐点及发展趋势高度吻合,模拟精度高,预测值可信度大,对临滑滑坡也有一定的预警意义．优化的GM（1,1）模型可以用于中长期预测模型．     

一种考虑时序残差的GM（1,1）模型

顾及时序残差对灰色ｘ＾（０）－ＧＭ（１，１）模型精度的影响，提出了时序残差εｔ＾（０）－ＧＭ（１，１）模型，并利用时序残差εｔ＾（０）－ＧＭ（１，１）模型和ｘ＾（０）－ＧＭ（１，１）模型联合进行精度检测和预测，能较好提高模型精度和预测精度，实例说明是有效的。     

基于优化的灰色GM模型的滑坡预测

滑坡发生的时间预报是目前滑坡预报的关键方向之一,而滑坡预测模型的建立是滑坡时间预测的核心．由于滑坡的模糊性和灰色不确定性特点,采用灰色预测模型适用有效．本文在灰色系统理论的基础上,研究了灰色GM（1,1）的建模和精度检验过程,根据残差对模型进行了高阶优化．同时结合工程实例,选择了有效合理的监测数据,进行了滑坡临滑预报模型的研究,并将传统GM模型与优化GM模型的精度进行了对比,结果显示优化的GM模型预测精度大大提高．在灰色优化的GM（1,1）模型研究基础上,对临滑时间进行了预报,结果显示预测时间较早,可以起到提前预报作用．根据预测模型分析,提出了一些有益结论,供今后滑坡预报工作的参考．     

汽轮发电机组故障预测模型分析比较及应用

借助于仿真数据及某２００ＭＷ机组的实测数据，对ＧＭ（１，１）、ＡＲ（ｐ）及基于合成ＢＰ网络的ＮＡＲ（ｐ）模型的预测性能进行分析及比较，得出了适合于汽轮发电机组的故障预测模型，为火电机组的安全运行和预知状态维修做好了理论准备。     

两种灰色神经网络模型及应用

给出了2种灰色神经网络模型GNNM（1，1）和GNNM（2，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

基于灰预测GM(1,1)模型的书号优化配置建模研究

对不完全信息市场下的出版社书号优化配置问题进行了数学建模研究。首先确定了强势产品,运用DPS2000对2006年书号的销售量进行了灰预测,并且运用预测出的数据在Lingo中建立了经验配置模型和综合市场模型,得到了最优分配方案。对所建立的模型用2001～2005年的销售额进行了Kendallτ系数检验,结果表明销售额具有二次增长趋势。     

背景值优化的GM(1,1)预测模型及应用

针对GM(1,1)模型背景值存在的缺陷,在分析背景值误差产生原因的基础上,提出了新的背景值计算方法。该方法用非齐次指数函数模拟一次累加生成序列,根据原序列与一次累加生成序列的关系重构背景值计算公式,得到实际曲线在区间上的面积作为背景值。利用深圳市2007年10月9日和10日8:00~8:50的交通流数据验证,结果表明,与基于背景值优化的GM(1,1)模型相对比,新构建背景值的GM(1,1)模型的平均相对模拟误差和平均相对预测分别提高了0.46和2.61个百分点,在精度上取得了更好的效果。     

灰色GM(1,1)模型在电力系统负荷预测中的应用

研究了灰色GM（1，1）模型及其在电力系统负荷预测中的应用，以实际算例为基础，对预测结果作了分析，得出结论：灰色GM（1，1）模型精度较高，但也存在一定的局限性．     

基于GM(1,1)模型的用电量灰预测方法

根据社会存在用电量不确定因素较多,变化趋势较为明显的特点,基于灰系统理论建立灰模型（GreyModel,GM）对用电量进行灰预测;用新信息替代旧信息构造了新息GM（1,1）模型,并及时反映目标值的时变特性,更好地考虑实际数据的影响。算例表明：模型的置信度达到99.15%,而误差仅为2.96%,说明用GM（1,1）模型进行用电量预测是有效的。     

基于灰色预测模型的图像边缘检测

简要地介绍了灰色系统理论和灰色预测模型GM(1，1)，并将该模型和图像边缘检测有机地结合在一起，提出了一种新的图像边缘检测算法，对提出的算法进行了相应的仿真实验。仿真结果表明，该算法能有效地检测出图像的边缘，尤其在检测细密的条纹方面有明显优势。     

系统灰理论在交通量预测中的应用

系统灰预测是灰色理论的一个重要部分.使用GM(1,N)在某些适合的系统中对其中一个或几个变量进行预测,所得结果的精度和可以外推的预测范围都明显优于普通的GM(1,1)模型.在交通运输系统中,交通量、行程时间和交通密度是交通系统中的三种行为变量.本文对交通系统建立灰色系统模型,使用GM(1,N)和GM(1,1)嵌套解法求解,对其中交通量进行预测,预测结果较好.     

修正灰色模型研究及在路基沉降中的应用

在众多的曲线拟合方法中,灰色模型曲线可以用来描述路基沉降.但灰色模型有不足之处,主要是GM(1,1)预测模型是增长指数模型,具有无限增长的特性.作为能量系统,不可能出现这种现象.本文在灰色模型的基础上进行改进,提出了修正灰色模型,并将其应用于路基沉降研究.结果显示本方法能够准确地预测沉降,从而使后期施工组织安排达到最优化.     

改进的GM（1,1）灰色模型在大坝沉降预测中的应用

针对传统GM（1,1）模型的不足,分别从提高原始序列的光滑度、优化背景值、优化时间响应函数三个方面对其进行了改进,对模型进行后验差检验进行模型精度检验,并建立了一种新的GM（1,1）模型,将改进了的模型应用于大坝沉降预测中,结果显示,新的GM（1,1）模型拟合预测精度明显高于传统模型.     

南昆铁路某滑坡变形的灰色预测

根据南昆(南宁-昆明)铁路某滑坡实际情况．运用灰色理论和方法通过模型的建立、模型修正、精度检验过程得出用于预测滑坡变形的GM(1，1)模型，并用该模型对其部分监测点的空间位移进行了预测?预洲结果与实测值完全吻合，证明此模型在实际工程中应用是可行的。     

GM(1,1)模型在预测工程价格指数中的应用

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,建立了黑龙江省工程价格指数预测的GM(1,1)模型,经检验该模型的预测、模拟精度等级属于1级,预测结果可靠,能够准确预测工程价格指数,可为工程管理各方进行造价管理提供有益参考.     

公路交通运量的灰色预测模型研究

针对公路交通系统在准确预测交通运量时的棘手问题,引进灰色预测GM(1,1)模型进行预测.同时又不拘泥于固定模型,通过翔实的定性分析,在建模中对系统原始数据做出有选择的变换生成,切实做到将定性分析与定量分析有机结合,预期效果得到验证,有效提高了模型精度,对交通运量作出了较为准确的预测,希望能对相关部门和人员把握运输市场或进行决策有所裨益.     

灰色马尔柯夫预测模型

概要地介绍了灰色系统理论的研究对象，引入了ＧＭ（１，１）灰色预测模型，并将灰色预测与马尔柯夫预测方法相结合建立了一种对ＧＭ（１，１）模型进行了预测物新方法，克服两种预测法的不足，提高了预测精度。最后用一例子说明灰色马尔柯夫预测方法的应用。     

GM(1,1)模型的改进及其在变形预测中的应用

为了提高GM(1,1)模型预测精度,采用积分优化、二次拟合优化以及残差改化方法,分步对GM(1,1)模型进行改进,建立灰色多重修正模型。具体改进步骤为:首先,利用积分优化方法对背景值进行纠正,减小模型误差并提高预测精度; 接着,对模型参数(发展系数和灰作用量)进行二次拟合优化,使参数更加接近理论真值; 然后,根据预测结果进行适当的残差改化,提高模型整体的预测精度; 最后,建立根据GM(1,1)模型改进的灰色多重修正模型。以重庆南川地区甄子岩崩塌为例,建立灰色多重修正模型对危岩裂缝累计位移值进行模拟和预测,并与GM(1,1)模型进行对比。精度检验结果表明:灰色多重修正模型后验差比值(0.082 39)明显好于GM(1,1)模型(0.192 67),平均相对残差比(0.073 9)更远好于GM(1,1)模型(0.259 6),表明灰色多重修正模型在预测精度上有较大提高,可靠性更好。