商品住宅市场价格影响因素及价格预测

以上海市为例,构建了商品住宅价格影响因素指标体系,并利用主成分分析进行关键指标的筛选。建立了市场价格影响因素多元回归模型,得到了最主要因子为需求-供给因子的结论。利用GM(1,1)对市场价格进行预测分析,结果是未来五年价格呈缓慢增长趋势。     

基于等维灰数递补模型法的路面使用性能预测方法

考虑到目前国内路面使用性能预测方法存在主观性强、综合性差的不足,选取路面损坏状况指数(Pavement Condition Index, PCI)作为分析指标,分别比较了路面性能衰变PPI模型、常规GM(1,1)模型以及等维灰数递补模型的路面使用性能预测方法对PCI指标的预测效果。结果表明,3种模型的预测精度均能满足一级精度。其中,等维灰数递补模型预测结果的后验差比值最小,预测的稳定性和精确度最好,更适用于路面使用性能的预测。     

GM(1,N)灰色模型在气井产能预测中的应用

气井产能与其影响因素之间具有非线性关系，利用灰色系统理论进行灰色建模，采用灰关联分析和GM(1，N)灰色模型建立了产能预测模型；对长庆气田15口井进行定量分析，与各井的实测结果相比较，其绝对误差平均为0．38567，相对误差平均为6．074％．与常规方法相比，用该方法进行产能预测比较实用、有效，精度较高。     

灰色递补模型在城市需水量预测中的应用

目的提出使用灰色递补模型准确地预测城市需水量,弥补传统灰色预测中不能对外界影响因素做出反应的不足.方法在传统灰色预测基础上,由已知数列预测一个值,将预测值补加到已知数列中去,同时去掉最早期的一个数据,保持维数的不变,接着预测下一个数据,把新的数据补充到原数列中去,同样去掉最早期的一个数据,这样逐个替换、补充,依次递补,直到完成预测目标.结果通过模型模拟结果可以看出灰色递补模型在模拟精度方面要远远超过传统灰色模型,灰色递补模型模拟的相对误差较小,小误差概率P、均方差比值C都较好,对未来需水量预测更准确.结论通过对比和实践验证,灰色递补模型弥补了传统灰色模型在预测中的不足,把外界对需水量的影响降到最低,能更好地预测城市未来需水量.     

基于预期理论的商品住宅价格模型的应用研究

针对我国房地产市场的准理性预期特性,从供给和需求分析人手,建立了商品住宅价格的预期模型.采用Eviews软件对武汉市商品住宅市场进行了实证分析研究,验证了所建立模型的准确性,分析结果表明:适应性预期在消费者的价格预期中占据主导地位,消费者在很大程度上借助于先前的价格走势对未来进行预测,尤其是前期住房价格的涨跌幅度大小及持续时间长短对消费者的影响效果明显,市场理性程度不足,从而导致价格脱离实际,波动性增强;其次,预防通货膨胀和追逐资本利得的需求叠加,导致房地产市场中的投资性需求旺盛,对房价的推动作用高于土地价格水平、金融信贷供给量等.     

多变量时间序列CAR模型在短期光伏发电量预测中的应用

提出一种采用多变量自回归时间序列CAR(Controlled Auto-regressive)模型作为预测光伏电站发电量的方法。该方法利用灰色关联度分析影响光伏发电量的关键气象环境因子,结合光伏电站历史数据,基于CAR模型建立了短期光伏发电量预测模型。以华中科技大学电力电子研究中心18kWp并网光伏电站资料进行预测试验,并通过调整模型参数获得了适合的模型,结果验证了该方法的有效性。应用结果表明,天气良好时,预测精度较高,对光伏电站发电管理具有一定的参考价值。     

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．     

Lasso-BP组合模型在鲤鱼价格预测中的应用研究

为了对水产品市场中的水产品价格进行预测,本文以北京地区的鲤鱼市场为例,基于Lasso回归和BP神经网络组合模型,对鲤鱼价格和影响因素进行预测研究。通过Lasso回归对影响因素进行筛选,将筛选出的影响因素输入到BP神经网络中进行训练,并将影响因素数据输入训练后的模型中,即可输出预测价格。同时,选取2017年10月1日至2018年6月17日数据作为测试样本,对测试样本进行归一化处理,并采用本文提出的模型进行实验。实验结果表明,Lasso-BP模型预测值与真实值整体平均误差为2.59%,在价格波动趋势方面,预测数据准确率达96.53%,在价格波动幅度方面,预测结果的波动幅度与真实数据基本相同,平均误差为2.51%,说明模型预测精度较高,预测效果良好,该文模型满足实际生产工作需要,证明Lasso-BP模型能够对鲤鱼价格进行准确预测。该研究具有一定的理论意义和实际意义。     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

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.     

基于灰色改进模型的电价预测

针对电力市场中的电价预测问题进行了研究。在阐述了灰色模型在电价预测方面的应用后,提出了一种改进灰色模型用于电价预测的方法。通过对原始数据序列的一系列处理和对微分方程求解条件的变化达到预测精度的提高。最后用算例验证了该方法的可行性。     

递推批量MGM(1,N)模型在滑行艇运动姿态预报中的应用

为了设计出有效的滑行艇的自动控制系统,需要建立预测模型对其运动姿态进行实时的、精确的预报.分析利用MGM(1,N)模型对滑行艇运动姿态进行预报的适用性.同时,针对滑行艇运动姿态数据的特点和预报的实时性要求,提出了新采集了一批数据之后,计算模型的参数矩阵的递推公式.利用该公式可以在提高预测精度、延长预测时间的同时,不会显著的增加计算量.数值仿真试验的结果表明,将批量递推MGM(1,N)模型应用于滑行运动姿态预报是可行的,并且具有非常高的预测精度.     

旋转机械Verhulst模型趋势预测研究

目的 探讨Verhulst模型在旋转机械趋势预测中的应用。方法 构造该新型预测模型，提供建模预测的计算方法和步骤，在线进行建模预测的实验研究。结果和结论 该预测方法建模需要点数较少，对原始数据序列要求低，建模速度快，在线预测的实时性较好，可以获得较理想的预测结果。     

GM（1，1）模型在道路交通事故预测中的应用

保证交通安全是交通管理者的首要目标,为了掌握交通事故的发展规律,及时采取有效的事故预防措施,对交通事故进行预测是一个非常重要的问题。在分析道路交通事故灰色性的基础上,运用灰色系统理论,构建道路交通事故GM（1,1）预测模型,以福建省道路交通事故统计数据为例,给出GM（1,1）模型的应用实例,预测结果与实际值的平均相对误差为1．54％,可见GM（1,1）模型的预测结果是可信的。     

应用灰色新陈代谢GM(1,1)模型预测河流水质

由于常规GM(1,1)模型进行预测时,精度较高的仅是最近的几个数据,越往未来发展,该模型预测的精度也就越弱。针对常规GM(1,1)模型存在的不足,运用灰色系统理论,建立了灰色新陈代谢GM(1,1)河流水质预测模型,对该模型的精度以及误差进行了分析,并利用该模型对某地区河流的水质进行了预测。计算机实际模拟证明:灰色新陈代谢GM(1,1)预测模型能够明显地提高预测精度,增加预测的可靠程度,从而实现河流水质的早期预测评估。     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

基于GM(1,1)预测模型的桩基工程研究

根据某工程8根基桩的载荷试验实测资料,运用灰色系统理论,建立了预测基桩极限承载力和桩顶沉降的非等步长GM(1,1)模型,实现了对基桩Q-S曲线的拟合,利用有限的实测数据分析得到基桩极限承载力和桩顶沉降的预测值,论证了以灰色系统理论对基桩极限承载力和桩顶沉降进行预测的意义。结合工程实例,应用MATLAB语言程序进行分析,计算速度快,预测精度较高,表明了该方法在实际工程中具有较高的应用价值。     

关于灰色系统模型GM（1,1）适用范围的讨论

讨论了灰色系统理论中被应用得最多的GM(1,1)模型(-阶-变元灰色系统)的适用范围的问题,证明了当初始数据恒正且呈凹向时是GM(1,1)的最佳适用范围.最后,举例说明了对其他情况提出的改进方法.     

具有反馈机制的多级灰色GM(1,N)模型研究及其应用

在多级复杂系统模型的设计中,处理好本层与本层之间、不同层之间因素的关系是模型设计的关键.该文对灰色GM(1,N)模型进行研究,结合复杂系统特点实现了多级灰色GM(1,N)模型的设计.它利用灰色系统理论中对"小样本"、"贫信息"系统处理的优势,再将经典反馈机制引入进来,达到设计多级复杂系统模型的目的.仿真实验表明,该模型能够对多级复杂系统进行准确的描述,并实现了模型因素的灵活调整.