基于新维灰色马尔科夫模型的股价预测算法

灰色预测适合于时间短、数据量少、波动不大的系统对象，但是对于系统对象的中长期预测，采用任何形式的GM（1，1）模型，预测结果往往会偏高或偏低，而马尔柯夫链理论适用于预测随机波动大的动态过程。通过结合灰色预测和马尔柯夫链理论的特点，并利用新信息优先的思想，提出了一种新维无偏灰色马尔柯夫预测模型，用无偏GM（1，1）模型拟合系统的发展变化趋势，并以此为基础进行了马尔柯夫预测，在每一步预测中，不断推陈出新，更新原始数据。实验结果表明，与一般的灰色马尔柯夫预测模型相比，预测准确度尤其是中长期预测准度得到了较大提高。     

灰色-马尔柯夫链理论在水稻二化螟预测上的应用

根据湖南省湘潭县1994—2003年来水稻二化螟发生面积的统计数据，分别应用GM（1，1）和灰色-马尔柯夫链理论与方法，对该地区二化螟发生面积进行预测。预测值与实际发生值比较发现，GM（1，1）模型和灰色-马尔柯夫链模型10年平均预测变化率分别为10．56％和6．18％，后者大大提高了预测的准确度，显示了灰色-马尔柯夫链理论在某些农业灾害预测中应用的优势。     

采掘生产系统预测模型及其应用

在对灰色预测和马尔柯夫矩阵预测分析的基础上,将二者有机集成形在一种新的预测方法－灰色马尔柯夫预测,可用于矿井产量,进尺等具有某种变化趋势而随机波动性较大的预测问题。     

GM（1,1）模型参数估计的新方法

针对ＧＭ（１，１）模型预测估计值稳定性差等问题，从灰色建模基本要求出发，给出了一种新的ＧＭ（１，１）模型参数估计方法。与原方法相比，新方法参数估计值稳定性强，误差小，达到了理想的预测效果。     

灰色马尔柯夫模型在建筑工程坍塌事故预测中的应用

以建筑施工过程中频发的坍塌事故为研究对象,将灰色GM（1,1）模型与马尔柯夫预测技术相结合,构建坍塌事故的灰色马尔柯夫预测模型,并以我国三级以上建筑工程坍塌事故统计数据为基础,对我国坍塌事故进行趋势分析和状态预测。     

一种时间序列数据预测方法的应用

介绍了一种利用时间序列数据进行预测的灰色预测方法，通过实例建立了ＧＭ（１，１）修正模型，与传统的预测方法相比，灰色预测方法具有原始数据样本少，无需典型分布，建模过程简单，预测精度较高等特点。     

灰色-马尔柯夫链理论在水稻二化螟预测上的应用

根据湖南省湘潭县1994~2003年来水稻二化螟发生面积的统计数据,分别应用GM(1,1)和灰色-马尔柯夫链理论与方法,对该地区二化螟发生面积进行预测。预测值与实际发生值比较发现,GM(1,1)模型和灰色-马尔柯夫链模型10年平均预测变化率分别为10.56%和6.18%,后者大大提高了预测的准确度,显示了灰色-马尔柯夫链理论在某些农业灾害预测中应用的优势。     

用改进的灰色—马尔柯夫模型预测矿井瓦斯涌出量

在对新老两种被广泛应用于有关时间序列诸类问题预测预报的灰色预测方法与马尔柯夫预测方法进行有关分析的基础上,将两者结合起来,形成一个改进的兼有灰色预测与马尔柯夫转移概率矩阵预测优点的灰色-马尔柯夫预测模型。该预测模型能充分利用历史数据给予的信息,可大大提高随机波动性较大数据序列的预测精度,可进一步拓宽灰色预测的应用范围。利用该预测模型对一些矿井进行瓦斯涌出量大小的预测研究表明,该模型具有较强的适用性和较高的准确性,用其对动态系统的分析更为适合。该预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。     

负荷预测的灰色系统方法

完善灰色预测模型ＧＭ（１，１）的建模机理，使其具有广泛的应用性，否定了灰色预测的传统检验方法后验差检验方法，同时利用数理统计常用的方法对模型进行了比较深入的研究，实例表明改进的ＧＭ（１，１）模型具有较高的拟合精度和预测精度。     

预应力长期损失的灰色预测

如何根据一定时间内预应力损失的实测资料确定预应力长期损失是一个重要的课题。本文根据灰色系统理论中的预测模型ＧＭ（１，１）和残差ＧＭ（１，１）模型，提出了一种新的预测预应力长期损失的方法。实例分析表明，该方法的准确性是令人满意的。     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

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．     

基于粒子群算法和BP神经网络改进的灰色电力负荷预测研究

灰色预测模型被广泛运用于电力负荷预测中,取得了较好的效果,但是灰色预测模型在实际应用中的缺点和局限性导致其预测精度有待提高,存在改进的必要。本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,从而提高普通灰色GM（1,1）模型的预测精度。对初值的处理可以削弱异常值的影响,强化趋势,从而避免由于初值选择不当而造成预测误差。本文中对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。通过这些对灰色预测模型的修正和改进,进一步提高了灰色预测模型的适用性．最大限唐妯提高了灰乍．GM（1,1）模型的预测精唐．     

残差灰色预测模型在电量预测中的应用

为提高电力负荷预测的准确性,在灰色预测的基础上,建立了残差灰色预测模型经对邯郸地区用电量的预测分析．该模型预测精度明显提高。     

A new grey forecasting model based on BP neural network and Markov chain

A new grey forecasting model based on BP neural network and Markov chain was proposed. In order to combine the grey forecasting model with neural network, an important theorem that the grey differential equation is equivalent to the time response model, was proved by analyzing the features of grey forecasting model(GM(1,1)). Based on this, the differential equation parameters were included in the network when the BP neural network was constructed, and the neural network was trained by extracting samples from grey system’s known data. When BP network was converged, the whitened grey differential equation parameters were extracted and then the grey neural network forecasting model (GNNM(1,1)) was built. In order to reduce stochastic phenomenon in GNNM(1,1), the state transition probability between two states was defined and the Markov transition matrix was established by building the residual sequences between grey forecasting and actual value. Thus, the new grey forecasting model(MNNGM(1,1)) was proposed by combining Markov chain with GNNM(1,1). Based on the above discussion, three different approaches were put forward for forecasting China electricity demands. By comparing GM(1, 1) and GNNM(1,1) with the proposed model, the results indicate that the absolute mean error of MNNGM(1,1) is about 0.4 times of GNNM(1,1) and 0.2 times of GM(1,1), and the mean square error of MNNGM(1,1) is about 0.25 times of GNNM(1,1) and 0.1 times of GM(1,1).     

预测酸雨频率的双残差GM(1,1)模型及其应用实例

目前预测酸雨频率多采用传统的残差GM(1,1)模型 .本文结合最新修正的GM(1,1)模型及二级残差的概念 ,提出一种新的酸雨频率预测模型———双残差GM(1,1)模型 ,并利用该模型对青岛市酸雨频率进行模拟和预测 ,结果表明所建模型较之于传统模型有更高的模拟和预测精度 .     

灰色预测在市场营销管理中的应用

探讨在市场营销管理中运用灰色系统理论作市场分析与预测，具体介绍了ＧＭ（１，１）、新陈代谢、灰Ｖｅｒｈｕｌｓｔ等模型，并举出一实例说明在小样本情况下灰色系统预测结果明显优于传统方法。     

一种新的改进GM（1,1）模型及其应用

通过对传统GM（1,1）模型的分析,针对影响预测精度的因素之一提出了一种改进的GM（1,1）模型,并将该新模型用于预测2010到2015年的道路乘客交通量.最后,通过试验结果可知新模型比传统GM（1,1）模型预测结果在预测精度上有了很大的提高,表明了该方法的有效性.     

基于GM(1,1)-马尔科夫模型的城市用水量预测

运用GM(1,1)-马尔科夫模型对城市用水量进行预测,克服了灰色预测与马尔科夫预测各自的缺点和不足,提高了预测的精度,增强了预测结果的可靠性、科学性和实用性.