基于灰色系统论的服装流行色预测研究

将流行色背景数据作为重要的量化点,利用色度学相关知识和物理测试手段对色彩进行量化，提出将灰色数列预测引入到流行色预测中，对定量分析做出新探索，以达到辅助预测的目的。     

基于Matlab的灰色组合模型在蒸煮管腐蚀减薄预测中的应用

针对某纸厂棉秆制浆车间出现的蒸煮管腐蚀减薄问题,提出了一个新的预测程序,即在现有超声波测厚数据的基础上,通过对传统GM(1,1)模型进行改进,建立了灰色组合模型,来预测该蒸煮管筒体的厚度减薄量,并且用Matlab编程语言实现了灰色组合模型.分析结果表明,灰色组合模型能更好地预测蒸煮管壁厚减薄的趋势,通过预测实例及后验差法检验模型精度,表明灰色组合模型预测精度较高,具有较强的适用性.     

灰色预测GM(1,1)模型的应用及改进

灰色GM(1,1)预测模型是灰色理论的重要组成部分,它的建立不需要有太多的样本,不要求样本有较好的分布规律,计算量少、有较强的适应性,所以GM(1,1)模型的应用很广泛,本文运用GM(1,1)模型进行实例预测,最后又提出一种改进GM(1,1)模型,大大的提高了该模型对问题的预测精度。     

服装流行色的色彩意向灰色预测

流行色作为引导时尚的代名词,其消费性和商业指导性变得愈加突出,对其进行准确预测显得尤为重要。研究运用颜色科学的理论知识、日本色研所的NCD色彩意象理论以及两者之间的紧密关系,从抽象和意象思维2方面对历年服装流行色资料微观化、细致化。通过建立2000—2006年春夏女装小样本统计的蓝色流行程度评价值、明度、纯度、色彩意象群区分布百分比和色相倾向分布百分比的灰色GM（1,1）全数据和部分数据信息预测模型,来预测未来蓝色流行程度及色调倾向性。     

贵州省粮食产量预测时空演变格局研究

本文以2001-2019年贵州省统计年鉴粮食产量为基础,采用GM(1,1)模型预测贵州省2020-2025年粮食产量。结果表明：（1）2001-2019年贵州省粮食产量在1100万吨浮动,呈缓慢增加趋势,空间分布上,贵州省粮食产量呈北高南低趋势;（2）2001-2019年,贵州省粮食产量的变化与耕地面积的转变紧密相关,耕地面积减少是引起粮食产量下降的主要原因,其中城市主城区粮食产量为0;(3)GM(1,1)模型预测精准度94.67%,平均相对误差3.13%%,模型预测精度较准,预测结果表明2020-2025年贵州省粮食产量空间分布仍呈北高南低趋势,粮食产值持续缓慢上升,2025年将达到1221.07万吨,贵州省粮食产量可以得到保障。     

GM(1,1)模型几种初值改进方法在短时交通流预测中的应用

文章介绍了GM(1,1)模型几种常见的初值改进方法,并运用于短时交通流的预测中。通过误差分析,我们发现初值优化对提高GM(1,1)模型拟合与预测精度的作用不大,要进一步提高其拟合与精度需要依靠其他的优化手段或提出更好的初值优化方法。     

灰色预测模型的改进及其应用

灰色预测模型以其计算量少、适应性强而广泛应用于众多领域的研究,文章从某些函数变换能提高建模数据序列的光滑性这一角度出发,基于灰色系统建模理论方法,对于基于一元线性函数变换法的GM(1,1)模型进行了研究,并结合实例进行了验证和分析,结果证明了基于函数变换来改进灰色预测精度这一想法的可行性。     

基于改进GM(1,1)模型的猪肉价格预测研究

针对猪肉价格受多因素影响、难以运用固定的数学模型进行精确预测的问题,提出一种改进的GM(1,1)模型.该模型主要通过改善GM(1,1)的背景值和运用M次累加的方法对灰色模型进行残差校正,进而把猪肉价格变化当作一个灰色系统,采用等维递补的方法预测猪肉价格的发展走势.以吉林省猪肉价格为依据,用改进的GM(1,1)模型预测未来猪肉的价格较原始GM(1,1)模型预测精度更好.这表明,改进模型对于提高生产者的收益、促进猪肉市场的良性发展具有现实意义.     

新陈代谢GM(1,1)模型在造价预控制中的应用

结合工程实例,应用新陈代谢GM(1,1)模型,及各种造价指数,灰色预测控制工程造价.实现了造价的事前控制,预估精度满足要求,可以在造价控制中予以参考使用.     

基于改进无偏灰色模型的燃气供气量的预测

为有效配置资源及保障城市安全,利用改进无偏灰色模型计算城市燃气供气量。建立无偏灰色预测模型,用3点平滑法及等维新息对数据序列进行处理,得到改进无偏灰色预测模型。根据城市供气量的统计数据,分别由无偏灰色预测模型及改进无偏灰色模型进行拟合预测,并将所得供气量与实际供气量进行比较。计算结果表明:无偏灰色模型所得预测曲线为单调递减函数,随着预测时间增加预测值和实际供气量偏差较大;改进无偏灰色模型能够改变无偏灰色模型的单调性,预测值和实际供气量比较接近,可用于中长期预测。无偏灰色模型和改进无偏灰色模型预测所得燃气供气量的相对误差均值分别为7.32%和5.76%。     

后疫情时代互联网餐饮发展趋势探索——基于新陈代谢GM(1,1)模型预测

在互联网经济推动和新冠疫情冲击下,互联网餐饮迎来前所未有的发展机遇。文章基于2015—2021年我国网上外卖用户占互联网用户比重,以及外卖市场规模占餐饮业市场规模比重的数据,利用新陈代谢GM(1,1)灰色模型对未来互联网餐饮发展趋势进行预测。结果表明：在未来三年中,尽管网上外卖用户比重在小幅波动中趋于增长,但外卖市场规模比重持续大幅度上涨。因此,探讨未来互联网餐饮业态的发展趋势,对更好地促进互联网餐饮的发展具有重要意义。     

基于灰色GM(1,1)模型的信息后滞系统DEA评价

利用GM(1,1)模型对具有滞后特征的信息进行获取,构造了信息后滞系统的DEA评价模型,并研究了基于信息后滞系统DEA评价模型的高校办学效益的评价方法.仿真结果表明,采用本模型在评价决策的区分度及与发展实际的吻合度上具有较好的效果.     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

残差修正GM(1,1)模型在房屋建筑施工面积预测中的应用

房屋建筑施工面积可以有效反映建筑业的现实状况,对房屋建筑施工面积的预测结果可以为政府、企业在未来的策略方案提供更加有效的参考。采用传统GM(1,1)模型和改进后的残差修正GM(1,1)模型分别对房屋建筑面积统计数据进行预测,通过两种模型预测的结果,可以得出改进后的残差修正GM(1,1)模型可以在一定程度上减少误差,可以更有效地对房屋建筑面积进行预测。     

基于改进的GM(2,1)模型的粮仓温湿度预测

建立粮仓温湿度的预测模型,对实现粮食的安全储备有着积极意义.但粮仓温湿度数据的贫乏性和其随季节变化的波动性,一直是困扰粮仓温湿度建模的难题,这也使粮仓的温湿度控制一直处于被动局面.利用灰模型贫数据建模的特点,提出了采用改进的GM(2,1)模型对粮仓检测到的温湿度数据进行建模分析的方法,得到粮仓的温湿度预测模型,实现对粮仓温湿度变化趋势的预测和预警.仿真结果表明,该模型的预测值有较高的精度,因此,有一定的实用价值.     

基于灰色理论的服装企业销售预测模型

销售预测是服装企业的一大难题,以往的研究大部分偏重于单渠道预测,并且采用时间序列、机器学习等需要巨大数据量的方法。为了顺应服装行业销售多渠道少数据的发展趋势,文章通过对灰色预测理论的文献梳理,发现其功能强大且所需数据集小,适合企业进行多渠道销售预测。针对线上销售数据多变量及线下销售数据单变量的不同特点,选取了三个灰色预测模型(DGM(1,1),ROGM(1,1),OGM(1,N))来建立企业多渠道销售预测整合策略。通过数据实验对这三个模型的模拟预测误差进行计算和比较,证实了这三种模型在进行线上或线下模拟预测误差均小于15%,达到较高预测标准,为企业销售预测提供一定的参考价值。     

基于FGM(1,1)的中国瓦楞原纸产量预测

FGM(1,1)模型与GM(1,1)模型相比，对样本后期的预测精度较高，对我国瓦楞原纸产量进行了预测，结果显著。利用FGM(1,1)模型对2022～2024年我国瓦楞原纸产量进行预测，结果显示：未来3年我国瓦楞原纸产量保持较高速度增长态势，通过分析表明这一预测结果有一定的可信度。     

灰色模型GM（1，1）在渔货卸港量预测中的应用

采用灰色模型GM（1,1）,依据五个渔港实际渔货卸港量资料,对渔港渔货卸港量进行预测,并与时间序列法的预测结果对比,结果表明该模型预测精度要优于时间序列法,可以在渔货卸港量预测中加以应用。     

基于灰色关联分析的缝纫针号预测

将灰色系统理论应用于服装缝纫加工参数缝纫针号的预测。选择45块常用的服装面料,在KES测试仪上进行面料力学性能的测试。不同面料所用的缝针由服装厂的技师根据经验选择并通过实际缝制实验验证。利用面料的力学性能指标和缝纫针号间的灰色关联分析,按照关联度的高低对建模数据进行筛选,以关联度在0·90以上的参数建立缝纫针号的优化灰色预测模型GM(SP)。与未经灰色关联分析的全参数预测模型GM(AP)比较,优化灰色模型的预测精度有明显提高,说明其应用是有效的。模型的相对误差为5·61%。