组合预测结果的优化

本文对组合预测法的概念及其权值的确定进行了探讨,提出了带约束的组合预测法优越性的理论依据.     

矿井涌水量灰色GM(1,2)预测模型

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。     

利用灰关联定权组合模型预测城镇给水管道腐蚀速率

目的 研究城镇给水管道腐蚀预测,减小爆管事故的发生率,提高供水系统安全性.方法 应用灰色理论分别考察在不同单因素影响下给水管道腐蚀速率的变化状况,建立灰关联定权组合模型,预测给水管道在溶解氧、溶解性CO2、pH值、水流速度、水压共同作用下的腐蚀速率.结果 运用灰关联定权组合模型预测得到的给水管道腐蚀速率的相对误差最高为2.33%,最低为0.21%,与实际测量腐蚀速率能够较好吻合.结论 基于灰色理论求解的灰关联定权组合预测模型可较准确地预测多种影响因素下给水管道腐蚀速率.     

基于动态熵权的短期风速组合预测

为了提高风电场风速预测的准确性,将不同预测方法的权重推广到权重序列,生成权重矩阵,同时采用新的预测误差更新权重矩阵,获得所需模型.建立三种单一预测模型,统计它们十天的预测误差,获得误差序列,在此基础上,提出动态熵权法.采用熵权法确定各单一预测模型在96个预测时刻的权值,并根据新的24小时预测误差更新误差序列和权重矩阵,从而获得动态组合预测模型.结果表明,动态组合预测模型的整体误差指标比单一预测模型较小,预测精度显然增高,证明了所建模型有效且实用.     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

基于迟滞神经网络的风速时间序列预测

为了改善风速时间序列的预测性能,提出了一种基于迟滞神经网络的预测方法.通过改变神经元激励函数的方式将迟滞特性引入神经网络中,以增强历史输入对当前响应的影响,从而提高有用信息的利用率,提高风速时间序列的预测性能;借助于相空间重构理论构造风速预测训练样本,采用梯度下降法对网络权值进行训练,利用遗传算法对迟滞参数进行优化.仿真结果表明:与传统神经网络及ARMA模型等方法相比,迟滞神经网络能够有效减小风速时间序列的预测误差,提高预测性能.     

组合灰色神经网络模型及其季节性负荷预测

对于季节性时间序列具有增长性和波动性的二重趋势性,提出了季节性预测的组合灰色神经网络模型,研究了同时考虑两种（非线性）趋势的复杂季节性预测问题,给出了一个应用实例,为季节性预测提供了一种新的、有效的方法。     

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。     

城市供水量的灰色GM(1,1)预测

研究了城市供水过程中,其用水量、水厂供水量与时间、费用、温度间的关系。首先运用了数理统计和回归分析法,结合散点图形,对数据进行了统计分析,建立了城市用水量和城市供水量与时间的基本预测模型。然后利用灰色系统理论,结合影响城市水量的水价、温度等因素的影响,建立了灰色GM(1,1)预测模型,为城市供水系统提供较有力的理论支持。     

嵌入知识的GM(1,1)模型及其在粮食产量预测中的应用

利用小样本、贫信息进行数据预测,传统的数学建模方法并不适合,灰色系统理论在解决该类问题有着明显的优势. 论文在分析河南粮食产量数据的基础上,应用嵌入知识的GM(1,1)模型,建立了河南粮食产量的预测模型,对未来5年的河南粮食产量进行了模拟和预测,进而提出了提高粮食产量的对策建议.     

基于灰色GM（1,1）模型的安徽省GDP总量预测

建立了不同维数的灰色GM(1,1)模型和充分利用新信息的灰色模型的改进版——新陈代谢模型,比较了它们的优劣,确定了最优维数预测模型.应用该模型预测出2015年安徽省GDP首次达到2万亿元.     

灰色系统GM(1,1)模型及其在市场预测中的应用

对灰色系统ＧＭ（１,１）模型进行了讨论和分析,探讨了灰色系统预测模型在市场预测中的应用。     

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。     

灰色模型GM(1,1)的平滑改进及其应用

灰色预测法能够对含有不确定因素的系统进行预测,而由于整个宏观系统就是一个灰色系统,因此可以考虑用灰色预测模型对宏观经济指标进行预测。在灰色模型GM(1,1)基础上,提出对原始数列进行平滑改进的方法,并用实例证明改进后的灰色模型预测结果比传统灰色模型预测结果误差更小,精度更高。     

基于函数变换的优化灰色预测模型及其应用

基于函数变换理论,提出了对建模数据进行ax+b(a<0,ax+b>0)变换,理论上证明了这种变换可以有效提高建模数据序列的光滑度。并把此方法应用于我国市均医院床位数的建模中,应用结果表明,该方法所建GM(1,1)模型的精度优于传统GM(1,1)模型的精度,从而拓宽了灰色模型的应用范围。     

基于背景值改进的GM(1,1)预测模型的研究及其应用

从GM（1，1）预测模型的建模机制出发，分析出GM（1，1）背景值对预测模型的精度有着重要的作用，提出了利用线性函数插值和高斯公式来构造模型中的背景值，利用新的背景值计算公式能够有效的提高模型的预测精度。最后用本文提出的方法对我国人均发电量建立了灰色模型，结果表明了本文提出方法的有效性。     

函数变换法GM（1，1）灰色模型及其在污水排放预测中的应用

为克服传统的灰色动态GM（1,1）模型方法的不足之处,本文提出不需累加生成,累减生成,且适合于非等间距建模的相除法,分析相除法拟合数据误差产生的机理,建立标准差系数进行评价,标准差系数反映了原始数据的指数规律性,当原始数据的指数规律性较强时,拟合精度高,然后,相除法和标准差系数相结合,建立了GM（1,1）模型参数估计的函数变换法,相除法和函数变换法,不需要对原始数据进行预处理,不需要累加生成,累减生成,不仅适应于等间距建模,也适应于非等间距建模,实例表明,两种方法简单实用,值得在污水排放预测中推广使用。     

应用GM（2,1）模型进行油田产油量预测

利用灰色系统中的ＧＭ（２，１）模型，成功地解决了油田中数据少但又不稳变化的预测问题，而且该方法过程简单，计算量少，计算结果令人满意。