应用灰色GM(1,1)模型的粮食产量预测研究

粮食产量是关系到国计民生的头等大事,准确预测粮食产量有着非常重要的战略意义。选取我国2003—2013年11年间的粮食产量数据,应用灰色预测理论,建立我国粮食产量的GM(1,1)预测模型,对我国粮食产量进行中短期预测。结果表明:灰色GM(1,1)模型的预测精度很高,比较适合进行粮食产量的中短期预测;同时,未来几年我国粮食产量依然保持稳步增长。最后,提出了我国未来几年的粮食生产政策建议。     

基于GM(1,1)模型的新能源预测及分析

随着河北省能源消耗增加、环境污染严重,开发利用新能源已经成为解决能源问题和环境污染的根本途径.通过GM(1,1)模型对河北省能源生产量和消费量进行预测,从而对新能源发展进行前景预测,并从风力发电、小水电、太阳能、地热能和生物质能五个方面进行分析.从发展新型产业链核心,整体布局、突出地区特色,加强技术研发及其相关配套工作...     

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.     

基于GM(1,1)模型的天长市需水量预测

用GM(1,1)模型对天长市2010,2015,2020年的需水量进行了预测,预测结果分别为1934.4,2537.6,3075.7万m3.对预测结果的精度校验表明,模型的预测精度等级为一级,模型可靠、合理.     

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。     

一种改进的GM(1,1)模型在交通量预测中的应用

建立了GM（1,1）循环残差修正模型,并与经典GM（1,1）进行比较,考察改进模型的预测效果。结合经典GM（1,1）模型,使用预测序列与残差序列绝对值之和来构造新序列,对新序列进行建模。通过Matlab软件编程实现了该模型,并将其应用于常熟市某无检测器交叉口每五分钟测得的交通流量预测。将本模型应用于交通流量预测建模上,其结果明显好于经典GM（1,1）模型,且预测效果更好。本模型基于经典GM（1,1）模型建立了GM（1,1）循环残差修正模型。根据实证分析和比较发现,该预测模型是合格的,并且拟合精度较高。     

优化GM(1,1)模型在滑坡形变预测预报中的应用研究

传统的GM(1,1)模型,只适用于等间距监测数据序列的模拟预测,对非等间距监测序列,一般经过等间距处理或经过复杂的变换计算再建立非等间距模型。针对传统GM(1,1)模型的不足,本文探讨了几种合理且实用的改进GM(1,1)预测模型,并对各种优化GM(1,1)模型和传统GM(1,1)模型的预测结果进行了系统的对比分析。     

GM(1,1)改进模型在广西短期电力负荷预测中的应用

采用GM(1,1)改进模型与ARIMA(p,d,q)模型对广西自治区电网特殊日电力负荷进行组合预测,阐述了GM(1,1)改进模型的建立方法,提出了适用于广西自治区电网特殊日电力负荷预测的预测数据处理方法,提高预测的精确度,全年日精确度优于95%.解决了在日采样点为24点(正点采样)情况下预测确度较低的问题.     

改进GM(1,1)模型在特装修理费用预测中的应用

基于灰色系统GM（1，1）模型理论，用改进后的预测模型预测海军舰船特装修理费用，可充分开发并利用少量数据中的显信息和隐信息，避免复杂的相关关系，克服了原始数据的离散性，得到高精度的预测结果，以某型舰船特装修理费用为例，建立了预测模型，并进行了中短期预测，结果表明，其精度优于传统模型。     

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.     

GM(1,1)残差模型在民航客运量预测中的应用

利用GM（1,1）模型对民航客运量进行模拟预测,用GM（1,1）残差模型对其进行修正,得出精度很高的预测公式,并用模型的后验差检验所建预测模型,证明预测公式精度较高,以期在今后的实际预测中取得很好效果。     

宁波地区单桩极限承载力GM(1,1)灰色模型预测

利用未达到破坏的试桩资料来确定桩基的极限承载力具有重要的工程意义。为此,本文根据灰色理论建立了单桩荷载-沉降关系的GM(1,1)模型,编制了相应的计算程序,并利用宁波地区桩基承载力实测数据验证了灰色预测GM(1,1)模型的可靠性,证明了该方法具有较好的预测精度。最后,对宁波市区2006～2010年的910根预应力管桩的抗压承载力特征值进行预测,结果表明:单桩抗压设计承载力特征值有15%～30%的安全储备。     

基于改进GM(1,1)模型的Vb程序实现及其应用

针对传统GM(1,1)模型中权值的取法,提出了自动寻优定权的改进措施。本文介绍了非等时数据的等时内插理论,原灰色模型改进方法及预测精度的评定。利用Vb工具编写灰色模型自动寻优定权程序,得到最优的预测值,并通过与传统模型的预测值相比较,表明滑坡监测数据的预测预报得到了显著提高。算例结果表明利用此种预测方法是有效、可行的,更适合实际环境需要。     

GM(1,1)循环残差修正模型及其应用研究

建立了GM（1,1）循环残差修正模型,并与经典GM（1,1）进行比较,考察改进模型的预测效果。结合经典GM（1,1）模型,使用预测序列与残差序列绝对值之和来构造新序列,对新序列进行建模。通过M atlab软件编程实现了该模型,并将其应用于2009-2010年入境游客量的预测。将本模型应用于2003年至2008年入境游客量预测建模上,其结果明显好于经典GM（1,1）模型,且预测效果更好。基于经典GM（1,1）模型建立了GM（1,1）循环残差修正模型。根据实证分析和比较发现,该预测模型是合格的,并且拟合精度较高。     

基于GM(1,1)图像边缘检测改进算法研究

由于传统的边缘检测算法会产生信息漏检以及伪影等问题,为了更有效地检测出图像边缘信息,提出了改进的基于灰色预测模型的图像边缘检测方法.该方法首先在图像考察点邻域选择建模数据,对建模数据进行平移与对数变换的预处理,通过引入增强因子p的GM(1,1)模型对建模数据进行处理,得到原始图像的预测图像,通过对预测图像与原始图像做差得到边缘检测结果.为了统一标准,将图像库中图像转换为256*256的bmp格式图像,使用改进后的方法对转换后80幅图像进行边缘检测,其结果表明该算法可以清晰地检测出图像的边缘信息,同时图像的细节也很好地保留下来.说明该改进方法的性能较未改进方法有了大的提高.     

基于卡尔曼滤波的优化GM(1,1)模型在建筑物沉降预测中的应用

为了提高灰色GM(1,1)模型的抗扰动能力和预测精度,运用卡尔曼滤波对原始沉降数据进行滤波去噪,并重新构建灰色GM(1,1)模型的背景值,建立基于卡尔曼滤波的优化GM(1,1)模型。以某建筑物实测沉降数据为例,进行新模型、传统灰色GM(1,1)模型和优化的GM(1,1)模型的计算比较,结果表明,新模型不仅可以有效剔除监测数据中的随机噪声,而且提高了模型精度。     

基于改进GM(1,1)模型的舰船纵摇运动预报

针对舰船运动的灰色特征,提出用改进的GM(1,1)模型对纵摇运动数据进行建模,改进的GM(1,1)模型是对服从非齐次指数增长规律的数据建模,克服了传统GM(1,1)模型指数规律的不足.首先给出改进GM(1,1)模型的微分方程形式及精确的离散化形式,考虑初值对模型的影响,建立优化灰色模型,提高了模拟精度.该模型为纵摇运动预报提供了一种新的方法.数值试验表明,这种方法较GM(1,1)模型效果好.     

GM(1,1)模型在建筑物沉降监测中的应用

建筑物的变形是多方面原因共同作用的结果,研究其变化规律,合理预测建筑物的变形趋势,一直是变形监测研究的热点问题。以黑龙江省哈尔滨市某建筑物为例,采用GM(1,1)模型对沉降监测数据进行预测分析,结果显示实测值与预测值吻合较好,充分证实该模型对建筑物的变形预测具有可行性,是一种较好的方法。