基于灰色灾变GM（1，1）——线性回归模型的军用自备客车保障数量预测

在分析部队人员铁路输送车辆保障现状的基础上，提出了军用自备客车保障部队人员铁路输送的构想，并运用灰色灾变GM（1，1）——线性回归模型对军用自备客车的保障数量进行了预测。

灰色GM（1,1）模型在门急诊、出院人次预测中的应用

目的 探讨灰色预测方法在医院管理中的应用,对医院门急诊量、出院人次进行预测,有助于管理者掌握医院门急诊量、出院人次的变动趋势及规律,为医院在管理、决策中的合理应用提供量化的理论依据方法 选用某医院2000-2010年门急诊人次、出院人次统计年报数据,基于灰色系统理论的建模方法建立GM（1,1）预测模型,采用Excel表进行计算,预测2011-2013年医院门急诊量、出院人次结果 根据后验差比值C和小误差概率P值的计算及预测精度等级判定,所建预测模型拟合精度高,结果较理想,可用于外推预测.预测评价结果显示：2011-2013年门急诊人次预测值为256 267、27 666、300 852人次,评价等级为合格之上（C=0.33＜0.35,P=1＞0.9）;出院人次预测值为17 739、19 044、20 445人次,评价等级为优秀（C=0.29＜0.35,P=1）.医院门急诊人次、出院人次的年增长率分别为为8.35%、7.36%.通过预测医院门急诊量、出院人次有缓慢上升趋势,且趋于平稳,是一种呈稳步上升发展态势结论 灰色预测有一定优点,不要求统计变量具有正态分布,而是在杂乱无章的、有限的、离散的数据中找出规律,按系统发展趋势预测分析,提高了预测和分析的精确度.通过预测结果相互印证,理论值接近实际值,此方法在医院管理中有实用性.

农药降解的GM（1,1）模型

重点介绍了一种农药降解的ＧＭ（１，１）模型，实你分析表明，ＧＭ（１，１）模型的预测精度高于经典的指数函数模型。

残差GM（1，1）模型在恒加试验中的应用

介绍了目前恒加试验中,正常应力水平下特征寿命点估计的数据统计分析方法及其不足.针对恒加试验的特点和所需解决的问题,基于灰色预测理论的残差GM(1,1)模型,给出了一种新的求解方法.最后分别运用三种不同的方法对给出的应用实例进行正常应力水平下特征寿命值的求解,证明了本文所给出的方法确实可行.

基于GM（1，1）模型的新疆棉叶螨预测研究

影响棉叶螨发生发展的因子众多，有些影响因子的数据不易采集，给建立科学实用的螨害预测预报模型带来很大困难。为尝试解决这一问题，本文将灰色系统理论应用于新疆亚热带棉区棉叶螨预测预报研究，基于历史螨害发生数据，建立了GM（1，1）灾变预测模型。检验结果表明，该模型的平均相对精度为97．1％，小误差概率P值为1，均方差比值C为0．0627，各项指标均达到Ⅰ级预测精度。使用2014-2016年度螨害发生数据对模型进行验证，预测结果与螨害实际发生情况相吻合。研究结果表明：GM（1，1）灾变预测模型可用于棉叶螨的中长期预测，且具有建模所需数据量少、数据易于获取、预测精度高等优点，在实际农业生产中具有更好的实用性。同时由于农作物虫害具有相似的规律性，因此，本文的研究方法能够为其他类似的生物灾害预测提供参考和借鉴。

事故预测GM（1,1）模型的Excel求解

GM（1,1）在事故预测上得到了广泛的运用,而GM（1,1）复杂繁琐的计算对于一线的安全管理人员来说使用起来具有一定的难度。而对于一线安全管理人员来讲,EXCEL进行数据管理和分析相对熟悉。为此,使用EXCEL求解GM（1,1）在一线安全管理人员当中成为可能。该文通过实例对GM（1,1）问题进行了求解,并对计算结果进行了验证,说明使用EX CEL能够精确的求解GM（1,1,）模型。

GM（1，1）的直接建模法及其应用

在指出ＧＭ（１，１）常规累加方法两项缺陷的基础上，提出了ＧＭ（１，１）的直接建模方法，并介绍了其模型参数的一元线性回归辨识方法。实例表明，直接建模方法要明显优越于累加建模方法，是研究、分析环境系统的一种新的实用方法。

基于GM（1,1）模型的医院门诊量预测研究

目的 应用GM（1,1）模型对某市两家医院门诊量进行预测,通过分析比较预测结果,以便及时发现门诊量的变动因素,预测方法与结果将为医院的管理和改善提供更好的决策支持.方法收集两家医院近年来的门诊量数据,运用DPS数据操作平台,运用GM（1,1）灰色模型进行门诊量预测.结果 通过GM（1,1）预测两家医院未来两年门诊量人次总体呈上升趋势,2013和2014年甲、乙医院预测门诊量分别为371 774人次和350 452人次,383 527和391 273人次.2013年乙医院门诊量仅次于甲医院,2014年乙医院门诊量人次大幅上升,超过了甲医院.结论 GM（1,1）预测模型为医院统筹安排门诊工作提供定量的参考数据,进一步为现代医院管理提供科学的决策依据.

提高GM（1，1）预测精度的一些措施

本文讨论了影响ＧＭ（１，１）预测精度的常见的一些原因，并相应地介绍了改进ＧＭ（１，１）预测模型，以提高预测精度的几个措施。

用灰色系统GM（1，1）模型预测棉花生产

近年来由于自然灾害、比较效益等因素的影响，棉花生产出现较大波动，这种非线性变化给预测工作带来了困难。本预测对以往灰色系统ＧＭ（１，１）模型进行了二点改进：（１）利用高斯主元素消去法解算未知参数，在计算方法上是一大改进，同时提高了运算速度和计算精度；（２）加入了迭代计算。通过建立误差方程式，给定收敛条件和趋近次数，使模型的拟合精度提高。预测２０００年棉花面积将达到６２８万公顷，总产５７６．５６万吨，标准误差分别为７４．３８公顷和±８９．４４万吨。考虑到９０年代以来棉铃虫的危害，预测值加上标准差下限，就是未来较低水平下的棉花生产趋势。

GM（1，1）包络模型中上、下包络模型的一种新的确定方法

现有文献给出的确定ＧＭ（１，１）包络模型中上、下包络模型的方法．不仅存在有人为的主观成分．而且还不能保证所有的已知原始数据点都落在上、下包络模型曲线之间，这是不合理的．为此，作者研究提出了一种新的确定上、下包络模型的方法──非线性规划法，用这种方法确定的上、下包络模型，克服了现有文献给出的方法之不足．

GM（1，1）模型在宁海县人口规模预测上的应用

GM（1，1）灰色预测模型是灰色系统理论中一种特殊的线性动态预测模型。依据宁海县2000-2009年以来户籍总人口和流动总人口的部分历史数据，建立了GM（1，1）模型，并利用该模型对宁海县未来10年来总人口的发展变化进行预测。

非等间隔GM（1，1）模型在液相色谱保留值研究中的应用

本文运用灰色系统理论思想，建立非等间隔ＧＭ（１，１）模型，对色谱中的流动相组成及容量因子的关系进行预测研究，所建立模型能实现对各实验点值进行模拟和合理地预测。

加权型GM（1，1）模型在预测高空风速中的应用

主要提出了一种加权型GM（1，1）模型，并用此模型来预测高空风速大小。模型的预测值与测量值的对比表明此模型的预测效果较好。最后给出了加权型GM（1，1）模型的一些应用领域。

改进的GM（1,1）模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点，采用改进的GM（1，1）模型用于水量预测，并与传统的GM（1，1）预测模型进行了比较。结果表明，改进的GM（1，1）模型可取得较好的预测结果。

遗传BP神经网络与GM（1，1）模型在桥区船舶交通流量预测中的比较

针对桥区船舶交通流量预测问题，采用遗传算法对BP神经网络进行优化，构建GA—BP模型，以南京长江大桥断面的交通流数据作为训练样本进行验证，结果证明，GA—BP模型与BP神经网络以及GM（1，1）模型相比，预测结果更加精准，整体趋势判断更加准确，是一种合理有效地预测桥区船舶交通流量的手段。

Dynamic GM（1,1） Model Based on Cubic Spline for Electricity Consumption Prediction in Smart Grid

Electricity demand forecasting plays an important role in smart grid expansion planning.In this paper,we present a dynamic GM(1,1) model based on grey system theory and cubic spline function interpolation principle.Using piecewise polynomial interpolation thought,this model can dynamically predict the general trend of time series data.Combined with low-order polynomial,the cubic spline interpolation has smaller error,avoids the Runge phenomenon of high-order polynomial,and has better approximation effect.Meanwhile,prediction is implemented with the newest information according to the rolling and feedback mechanism and fluctuating error is controlled well to improve prediction accuracy in time-varying environment.Case study using the living electricity consumption data of Jiangsu province in 2008 is presented to demonstrate the effectiveness of the proposed model.

山东省工业废水排放量GM（1，1）高阶残差预测模型

介绍了ＧＭ（１，１）高阶残差预测模型之建模方法。以山东省工业废水排放量为例，建立了ＧＭ（１，１）高阶残差预测模型。结果表明，ＧＭ（１，１）高阶残差模型比ＧＭ（１，１）模型更贴近实际。

对振动数列建立GM（1，1）预测模型的方法

讨论了关于振动数列建立ＧＭ（１，ｌ）预测模型的方法，对背景值直接用最小二乘法求ＧＭ（１，１）模型中的多数ａ和ｕ，可以改善预测模型的拟合精度。并指出累加生成是处理振动数列的必要方法和手段。

积分GM（1，1）预测模型及其应用

本文以积分生成代替传统的累加生成方法，并用双向差分建立了积分ＧＭ（１，１）灰色预测模型，证明了该模型在处理波动数据列时的优越性。最后通过具体实例计算证实了积分ＧＭ（１，１）预测模型的良好的预测效果。