基于GM（1,1）模型的中国快递行业收入预测分析

针对快递行业的特点,运用GM（1,1）模型对中国2003-2010年快递行业的总收入进行模拟,对模拟结果采用了多种方法进行检验,并对未来几年的中国快递收入进行了预测。结果表明GM（1,1）模型能够很好地模拟中国快递行业收入数据,而且具有较高的模拟精度。

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。

GM（1，1）灰色模型在家鼠型肾综合征出血热动态研究中的应用

ＧＭ（１，１）灰色模型在家鼠型肾综合征出血热动态研究中的应用仇丽霞，陈利民，杭洋ＧＭ（１，１）灰色模型对资料分布及样本含量的要求放宽松，其适用范围广，计算简单，而且精度高，预测效果好，在时间序列资料的动态研究中应用价值较大。现以太原市１９８３～１９９...

一种新的GM（1，1）建模方法——迭代加速法

在GM（1，1）逐步优化直接建模方法的基础之上，得到了迭代的收敛速度，并由此得到了迭代－加速公式。在参数a较大时，迭代加速法具有收敛速度快等优点，弥补了原逐步优化直接建模方法收敛速度慢的缺陷。

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.

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.

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。

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。

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.

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。

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。

基于改进GM（1，1）模型的沉降监测数据处理方法探讨

在分析GM（1，1）预测模型存在不足的基础上，提出了GM（1，1）模型的改进形式。运用序列算子作用和加权均值的方法来增强原始序列数据的光滑度；考虑到沉降监测数据序列既含有线性趋势又有指数增长趋势，用GM（1，1）和线性回归的组合模型对其进行建模和分析。实例分析表明，改进后的GM（1，1）模型可以提高预测精度，从而满足工程实际要求。

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）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。

油气产量预测的GM（1，1）幂模型

Arps递减模型是目前应用最广的油气产量预测模型，但对测试序列要求高。GM（1，1）幂模型能适应多种形状序列的建模预测。根据二者形式上的相似性，将GM（1，1）幂模型看成Arps模型的扩展。利用GM（1，1）幂模型推导了产量及产量递减率预测公式，建立以误差最小为目标的优化模型求解参数，并利用粒子群算法求解。通过实例证明：利用GM（1，1）幂模型进行产量预测，建模精度更高，适用范围更广。

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．

时间序列GM（1，1）残差季节周期模型及其应用

时间序列ＧＭ（１，１）残差季节周期模型及其应用许汝福王文昌尹金焕张蔚（第三军医大学卫生统计学教研室重庆６３００３８）季节性资料的分析多采用经典时间序列分析技术，由于涉及因素较多，常需要较大的样本含量才能保证其预测效果［１］。本文将ＧＭ（１，１）模型与...

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。

背景值和参数同时优化的GM（1，1）组合模型

对GM（1，1）模型的背景值进行优化后，得到发展系数1。在口已知的条件下，根据GM（1，1）模型的还原值与实际值之差最小，利用最小二乘法，求出待定系数，从而获得优化组合模型。此模型不需要选择初始条件，具有白化指数律重合性，既能模拟低增长序列，也能模拟高增长序列，并且具有较好的模拟效果和预测效果。