R/S-GM(1,1)组合模型在径流预测中的应用

基于R/S分析法能提供有效的非线性科学预测,河川径流具有灰色禀性,为了提高河流径流预报精度,提出了R/S分析与灰色理论相结合的河川径流预测方法。该方法可以克服径流灰色预测存在的数据波动较大时预测精度降低的缺陷。将该方法应用到黑河莺落峡站和正义峡站的年径流量、汛期和非汛期径流量6个序列进行径流预测验证。结果表明:两站年径流量和汛期径流量序列的预测精度都在90%左右,非汛期径流量序列在80%以上,各径流序列预测结果与Mann-Kendall趋势检验一致,预测结果可靠,为河流径流量的科学预测提供了一种新方法。     

GM（1,1）灰色模型在施工期数据分析预测中的应用

建立测值系列的灰色系统分析模型,就是根据测值序列的特征数据,找出因素之间（或自身）的数学关系,从而对系统进行解释和预测。文中介绍了GM（1,1）的原理,结合工程,对施工期的数据进行了分析预测,预测结果精度很高。     

一种适用于灰色预测控制的无偏直接GM（1，1）模型

GM（1，1）模型是灰色预测控制器的重要组成部分，它是有偏差的模型．提出了一个无偏差的模型一无偏直接GM（1，1）模型，结合具体数据将无偏直接GM（1，1）模型和GM（1，1）模型进行了比较，结果表明无偏直接GM（1，1）模型优于GM（1，1）模型．将无偏直接GM（1，1）模型替代GM（1，1）模型应用于灰色预测控制中可望得到较好结果．     

灰色GM（1,1）模型在地下水位预测中的应用

GM（1,1）模型是一种精度较高的预测模型,该模型不仅操作简单,而且当数据较少、且无法采用统计和其他的预测方法时,该方法是非常有效的。以某地2000—2005年地下水位为原始数据,采用GM（1,1）模型对2006年地下水位进行了预测,达到为该地区的地下水资源的调配提供参考依据。     

基于灰色GM(1，1)模型的农田灌溉需水量预测

介绍灰色理论建模原理和模型参数辨识方法,并以实例(长治市1997~2004年灌溉用水资料)建立了灰色GM(1,1)预测模型,运用残差检验、后验差检验以及关联度检验3种方法对模型进行了精度检验,其模型的拟合精度达95.3%。用所建立的模型对长治市2005~2012年农灌需水量进行了外推预测。预测结果表明,该灰色模型用于农灌需水量预测,符合其灰色特性,通用性好,并且所需数据少,计算量适中,预测结果与当地实际情况比较吻合。     

灰色GM（1,1）模型误差特性的实验研究

从理论上分析了影响灰色ＧＭ（１，１）模型精度的三个主要因素，通过实验的方法研究了各个因素对模型误差特性的影响，并作出了用指数序列建模时的误差特性曲线。实验的结果有助于人们对ＧＭ（１，１）模型的认识和应用。     

改进的 GM（1，1）模型在工业需水量预测中的应用

灰色系统模型在贫信息、小样本的非线性系统建模中具有明显优势,适合对时间序列较短时的需水量进行预测。该文针对基本灰色预测模型背景值构造不合理及未充分利用新信息的缺点,采用重构背景值和等维递补原理对基本GM（1,1）模型进行改进,并利用改进模型对惠州市工业需水量进行拟合和预测,结果表明,改进模型预测精度更高,可作为城市需水量预测的一种方法。     

不等时距 GM（1,1）模型的建立及在土质边坡位移预测中的应用

在介绍灰色理论的基础上,针对传统灰色理论GM（1,1）模型只能用于等时距数列的不足（在实际边坡监测中,由于主客观原因的影响很难保证监测到的数据是等时距的）,基于GM（1,1）模型的原理建立了适用于不等时距数列的GM（1,1）模型。运用不等时距GM（1,1）模型对某边坡位移变形预测研究,经过残差修正后GM（1,1）模型得到的预测值和实测值比较接近,说明基于灰色理论建立边坡变形预测模型GM（1,1）可以用来预测边坡的变形,与神经网络、群蚁算法、遗传算法等相比,灰色动态GM（1,1）模型不需要大量典型的样本来学习,这一特点使得其在边坡变形与稳定性分析中的应用提供了可能性。     

基于GM（1，1）的残差修正模型及应用

为了提高GM（1，1）模型的预测精度，对GM（1，1）模型进行预测，得到残差序列，然后用残差序列建模对原模型进行修正，得到GM（1，1）的残差修正模型，将其应用到扬压力的预测中，结果表明模型精度大大提高。     

GM（1，1）在水库移民后期扶持效果评价中的应用

移民人均纯收入评价是后期扶持效果综合评价中的一个重要指标。由于目前监测评估方法不能客观、准确的说明移民后期扶持的实施效果,提出了运用动态数列预测模型GM（1,1）建模方法,对移民在实施后期扶持之前的人均纯收入进行建模,预测实施后期扶持之后的人均纯收入,并与水平年实际情况作对比,以此来分析评价移民后期扶持效果。以河南省某市的两个县为实例验证评价效果,结果表明,预测值与实际值吻合程度较高,说明GM（1,1）模型可用于水库移民后期扶持效果评价。     

灰色系统GM(1,1)模型在尼尔基水库年来水量预测中的应用

文中介绍了灰色系统理论、建模原理及其检验方法,以及利用尼尔基水库20年的年来水量资料建立灰色预测GM(1,1)模型,对尼尔基水库年来水量进行预测.经残差、关联度等检验分析,并对实测资料进行检验,模型精度较高,效果较理想,可以考虑应用于尼尔基水库径流中长期预报,为水库发电、供水提供必要的预测信息.     

基于GM(1,N)模型的工程价格指数灰色预测

文章首先简要介绍了灰色预测方法GM（1，N）模型的构造步骤及检验方法。然后将工程价格总指数作为表征系统特征序列．将人工费、木材、水泥、地方材料、杌械使用费作为相关因素序列．建立了黑龙江省工程价格指数预测GM（1，N）模型，经检验该模型的预测、模拟精度等级属于1级，能够准确预测工程价格指数。     

GM(1,1)改进模型在年径流量预测上的应用

背景值是影响灰色模型预测精度的关键性因素之一,GM(1,1)改进模型是在对背景值进行优化的基础上建立的灰色模型。通过对研究区年均径流量资料进行分析,根据径流量和时间的关系,建立了GM(1,1)改进模型,并将其应用于年径流量的预测,取得了较好的效果。     

长江河口年平均流量的灰色拓扑预测与趋势分析

以大通站为例,根据1950-2002年年平均流量时间序列进行统计特征分析,其具有多年变化相对稳定的特点,各年的年平均流量值围绕着多年平均值上下波动,序列变差系数G为0．146,同时也反映了其年均流量序列年际变化小;丰水年很少连续出现,枯水年中75％是以连续2年的形式出现的,平水年的最长持续时间可达4年。以大通站1961－1990年30年来的实测径流量资料为依据,运用灰色拓扑预测方法建立了一组GM（1,1）拓扑预测模型群,对其径流量进行预测,预测结果的相对误差值较小。采用Kendall秩相关检验对大通站年平均流量1953-2002年时间序列进行趋势检验,检验结果表明,大通站年平均流量存在一定的增加趋势,但趋势不显著。     

GM(0,N)模型在湿地面积预测中的应用——以莫莫格湿地为例

预测未来年度湿地面积,对研究湿地生境变化趋势、保护湿地有重要作用。建立灰度GM(0,N)模型旨在提供一种简便的方法,预测湿地水面面积大小。首先应用灰色关联度分析模型,量化确定了对湿地面积影响程度较大的相关因素,分别是:莫莫格湿地年降水量、嫩江径流量、洮儿河径流量。利用这三个相关因素建立了GM(0,N)预测模型,对莫莫格湿地面积进行了模拟预测。为了提高精度,对GM(0,N)模型进行了修正。利用残差和后验差检验方法对模型作了可靠度分析,检测结果显示:修正的GM(0,N)模型平均相对误差9.1%,后验差检验等级为1级,多元线性回归模型平均相对误差15.5%,说明灰度预测模型对于莫莫格湿地水面面积预测具有一定优势。     

基于灰色马尔科夫模型的南四湖水质预测

针对传统GM(1,1)模型存在灰色偏差和抗干扰能力弱的问题,建立一种等维新息灰色马尔科夫模型.该模型采用灰色马尔科夫模型改进传统GM(1,1)模型,再利用等维新息思想更新建模所需数据序列.运用该模型对南四湖2019-2021年的水质状况和水质演变趋势进行预测,结果表明:灰色马尔科夫模型的相对误差小、精度高、预测结果合理...     

GM(1,n)和BP神经网络在福州市建成区用地预测中的应用比较

城市规模扩展导致耕地急剧减少,研究城市规模对于保护耕地,提高城市用地集约度有重要意义。本研究分析了1998年~2005年期间福州市城市规模的变化趋势,以福州市建成区为例对GM(1,n)和BP神经网络在此类研究中的应用进行了对比。经检验,BP神经网络比灰色模型拟合良好,这是对建成区面积预测方法有益的探索。