和田绿洲蒸发能力预测的多因素GM(1,3)模型

在灰关联分析的基础上，找出了影响和田绿洲蒸发能力变化的主要影响因子为平均气温与相对湿度。根据灰色GM（1，N）建模原理，对和田绿洲蒸发能力建立了GM（1，3）预测模型，经检验模型预测结果较好，同时也说明了GM（1，N）模型在中长期水文预报中的适用性。     

融合粗糙集和灰色GM（1，N）的西安市供水量预测

对于多变量预测问题,构造了粗糙集和灰色理论的融合预测模型。该模型运用粗糙集的知识依赖度理论对多属性进行约简,在约简基础上建立GM（1,N）模型。用所建模型对西安市年供水量进行了拟合和预测,并与离散灰色GM（1,1）模型作比较。实验结果表明该模型的预测精度高于传统的用灰关联度选择影响因子建模,从而为供水量预测问题提供了一种新方法。     

基于GM(1,1,μ,ν)模型的股指预测

当前对灰色预测模型GM（1,1）的优化主要集中在2个方面,1个是建模所用数据维度的选择上,一个集中在白化背景值z（1）（k）的优化上.由于这些工作都只考虑单一因素的影响,因此,GM（1,1）的潜力还没有被充分的挖掘出来.针对以上情况,提出同时考虑2个因素的GM（1,1,μ,ν）模型,并根据股市的特点,提出选择最优解的办法.实例证明该模型比传统的GM（1,1）有更低的预测误差.更重要的是,该模型提出综合考虑2种因素的思想,为更进一步优化GM（1,1）提供新的思路.     

一种基于GM的无损图像压缩

本文提出了一种新的GM（1,1）模型,可以在灰度图像无损压缩中实现预测误差编码。目前常用的无损图像压缩方法都是利用相邻数据组合除去数据中存在的相关性。局部或相邻像素间存在一定的灰色关联度,基于此,本文提出两预测算法：建立在GM（1,1）基础上的灰色预测模型（GMP）和快速灰色预测模型（FGMP）,并构建非线性预测模式,进行了无损图像压缩,比较传统方法有效小的bpp值。     

改进的G M(1,1)模型及其应用

分析GM（1,1）模型的缺陷,即背景值构造和初始值确定的不足,建立加权背景值和具有修正项的初始值,背景值权值和初始值修正项采用具有全局寻优能力的模式搜索法求解,实例证明模式搜索法优化的灰色GM（1,1）模型提高了预测精度。利用改进后的GM（1,1）模型对网络流量进行预测分析,结果显示改进的GM（1,1）模型优于普通灰色预测模型。     

参数最优化的GM（1，1）模型

灰色GM（1,1）模型的精度取决于参数[a]和[u],而参数[a]和[u]的获得依赖于初始条件的选择和背景值的构造。在背景值的计算中引入优化因子,通过最优初始条件和最佳优化因子的选择使预测结果与原始数据的平均相对误差最小,从而得到参数最优化的GM（1,1）模型。数值试验的结果表明,相对于传统的GM（1,1）模型及文献中的改进方法,参数最优化的GM（1,1）模型具有更高的预测精度。     

基于改良灰色理论的电网短期负荷预测算法

在分析传统灰色负荷预测理论与GM（1,n）模型的基础上,再次对GM（1,n）模型进行改进,以解决由于传统的灰色理论对原始数据要求的严格造成预测结果误差较大的问题。实验表明,用此方法建立的负荷预测模型,在预测精度上有较大的提高,为今后灰色理论模型的改进提供了一定的依据。     

基于ARIMA-GM的短期民航货邮周转量研究

ARIMA模型对季节特征有较好的拟合效果,灰色GM（1,1）模型能准确反映时间序列的增长趋势,结合民航货邮周转量的特点和ARIMA模型和GM（1,1）模型的优点,分别建立货邮周转量的ARIMA和GM（1,1）的时间序列模型,揭示出民航货邮周转量随时间推移而发展变化的动态规律,最后为更精确地预测月度民航货邮周转量,提出基于ARIMA-GM的组合预测模型,并对近几月民航货邮周转量进行较准确的短期预测,结果表明：组合模型能提高预测精度,在实际应用中ARIMA模型可用于非季节和季节的各类时间序列;灰色GM（1,1）模型能准确反映时间序列的增长趋势,两者相结合很好地解决了民航货邮周转量短期预测的实际问题,得到民航货邮周转量更精确的预测结论,能够对民航货邮市场的发展趋势进行宏观把握,有利于决策者的经济决策行为。     

基于GM(1,1)模型的我国城镇就业形势预测分析

介绍我国城镇就业现状和GM（1,1）模型的基本原理,利用1991-2008年间重要年份的相关样本数据,运用GM（1,1）灰色预测模型对我国城镇2009年、2010年的就业总量形势进行预测分析,为我国经济体制改革和经济结构调整提供理论依据。     

灰色GM(1,N)预测模型编程实现及应用检验

灰色GM(1,N)预测模型在社会、经济、农业、生态等诸多领域应用十分广泛.为推广使用该预测模型,依据邓聚龙教授的灰色理论,使用VC++编程实现GM(1,N)预测模型,实现了多个预测因子和多个关联因子同时进行分析,提高了使用效率,择优选择算法提高了分析精度.使用参考文献中的数据和模拟数据,对系统预测模型正确性和预测精度进...     

灰色神经网络在股价预测中的应用研究

股票价格受多种因素的综合影响,具有趋势性、较大波动性和随机性等变化特点,单一模型难准确对其变化规律进行准确描述,将灰色理论和BP神经网络相结合构建一种股票价格组合预测模型。采用灰色GM（1,1）预测模型动态预测股票价格变化趋势,运用BP神经网络对灰色GM（1,1）模型预测结果进行修正,以提高股票价格预测精度。采用ST东北高（600003）股票价格对预测模型性能进行测试,结果表明,组合预测模型提高了股票价格的预测精度,更能挖掘股票价格变化规律。     

利用非线性规划方法最优化灰色预测模型

提出针对GM(1,1)模型的时间响应式及还原式,可建立一个非线性规划的最优化模型,这个模型的目标是使GM(1,1)模型的还原值序列与原始值序列间的平均相对误差最小,使用数学软件LINGO 11.0,可以直接求解得到这个模型的全局最优解,从而建立一个对应的最优化GM(1,1)模型。证明了采用新方法建立的GM(1,1)模型具有白指数重合律,通过大量的数据分析发现,最优化GM(1,1)模型的模拟精度及预测精度都有了相当大的提高。     

灰色GM（1，1）模型在火炮初速测量中的应用

火炮初速测量是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM（1,1）模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证该方法具有一定的合理性与实用性。     

基于背景值和结构相容性改进的多维灰色预测模型

现有的多变量灰色预测模型的背景值估计误差及模型结构单一是导致该模型预测性能不稳定的重要因素, 致使该模型在实际预测领域中应用并不广泛. 本文通过分析背景值函数的几何意义, 结合积分几何面积公式, 提出一种改进的背景值优化方法, 使预测模型在背景值系数的选取上更加灵活.在此基础上, 模型中加入灰色作用量, 提出一种改进背景值及结构相容性的多维灰色预测模型(Improved background value and structure compatibility of grey prediction model, IBSGM(1, N)). 通过对模型参数的改变分析, 新模型理论上可达到与传统单变量和多变量灰色预测模型的兼容性. 为检验新模型的性能, 本文进行了三个案例对比分析, 实验结果表明, 与现有的灰色预测模型(Grey model, GM) GM(1, 1)和GM(1, N)相比较, 所提出的IBSGM(1, N)模型在背景值参数估计上误差明显减小, 结构相容性更强, 泛化性能更好, 具有更高的预测精度.     

基于数值积分公式的GM(1,1)模型优化研究

GM（1,1）模型采用最小二乘法求解参数,当数据中存在异常点时这种方法就会加大模型预测误差。从优化参数视角出发,利用基于Simpson积分公式的四阶Runge-Kutta法修正GM（1,1）模型参数辨识,提出一种新的改进GM（1,1）模型以降低模型的预测误差。同时从不同发展系数取值和预测步数两种情形进一步分析改进模型的适用范围。通过实例验证了改进模型的有效性。     

基于最小误差化的GM(1,1)模型的优化及应用

预测是适应社会经济的发展和需要而产生的对未来发展趋势进行分析的一种手段,灰色预测模型是预测理论在应用中被广泛使用的一种预测方法,和其他预测方法一样灰色预测模型存在着一定的局限性,因此对灰色预测模型的研究具有重要意义。本文论述了灰色预测模型GM(1,1)的使用现状,通过对模型公式的分析,指出了该预测模型存在的缺陷,结合对模型初值合理选取和利用积分中值定理拟合真实背景值的方法,对模型进行优化改进。最后以上海白莲泾河监测数据作为原始数据序列,对模型进行了应用和验证,实践证明,优化前后模型精度有了一定提高。     

基于互逆分数阶算子的GM(1,1) 阶数优化模型

在互逆的分数阶累加生成算子和分数阶累减生成算子的基础上, 建立分数阶算子GM(1,1) 模型, 均值GM(1,1) 模型是当?? = 1 时的特例. 给出分数阶算子GM(1,1) 模型最小平均相对误差下最优阶数的粒子群优化算法.多个验证实例表明, 通过对阶数进行优化, 分数阶算子GM(1,1) 模型可具有比GM(1,1)、DGM(1,1) 等模型更高的拟合精度.