上海市闵行区卫生人力资源的灰色-回归模型预测

目的利用灰色-回归模型预测上海市闵行区卫生人力资源数量,为卫生人力的科学规划提供参考依据。方法通过闵行区统计年鉴,提取2010-2021年闵行区床位、卫生人员、执业(助理)医师、注册护士、历年国民生产总值、常住人口数据。采用SPSS AU统计软件分别建立闵行区每千人口卫生人员数、执业(助理)医师、注册护士数以及床位数的灰色-回归模型,对2022-2026年闵行区卫生技术人员的相对数量进行预测。结果应用灰色-回归模型预测,2026年闵行区每千人口卫生技术人员数为8.31人、每千人口执业(助理)医师数为2.86人、每千人口注册护士数为3.99人、每千人口床位数为2.7个,年均增长率分别为5.9%、5.3%、6.4%、1.2%。平均绝对百分比误差≤3.7%,预测精度较高。结论灰色-回归模型对卫生服务资源整体预测具有实用价值,上海市闵行区应继续加大基层医疗卫生投入与卫生服务体系建设。

基于灰色线性回归组合模型的火炮身管寿命预测

为了准确预测出火炮身管寿命终止时的最大射弹数,提高火炮的实用性能,该文对火炮身管内径磨损量的数学模型进行了研究。该文提出采用灰色系统理论分析的方法,将灰色模型与线性回归模型相融合,建立了灰色线性回归组合模型,得到了身管内径磨损量与射弹数的数学关系式。将该新模型与传统的灰色模型分别应用于某型火炮的身管寿命预测,通过数据对比表明了该灰色线性回归组合模型方法的有效性,使预测精度得到了提高。

基于灰色线性回归组合模型的故障率预测

针对武器装备在使用过程中故障率变化的复杂性,提出了灰色线性回归组合模型的故障率预测方法。该模型用线性回归方程和指数方程的和来拟合故障率曲线,它可以改善线性回归模型中没有指数增长趋势和GM(1,1)模型中没有线性因素的不足。通过对装备备件故障率的预测分析表明,灰色线性回归组合模型在故障率预测精度上优于单一的灰色模型和线性回归模型,且不要求对所提供的历史数据具有典型的分布规律。该模型的预测结果可以为装备的维修工作提供决策依据。

基于灰色线性回归组合模型的机床热误差建模方法

为了控制机床热误差和提高机床加工精度,考虑到测得的热误差数据同时存在着线性和非线性因素,提出了采用具有处理线性和非线性能力的灰色线性回归组合热误差模型的建模方法。用此方法对某卧式加工中心热误差进行了建模和预测,并引入BP神经网络对热误差模型的残差进行修正,从而获得了比较准确的热误差预测值。与用指数函数来模拟生成数据的灰色模型所获得的预测值进行了比较,证明了灰色线性回归组合及BP神经网络模型在机床热误差补偿建模应用中的优越性。

灰色线性回归组合模型在瓦斯涌出量预测中的应用

矿井瓦斯涌出量预测是新建矿井、新水平和新采区设计的主要依据。针对目前灰色理论预测模型和线性回归预测模型的缺点和不足,系统地推导了灰色线性回归组合预测模型。结合现场实测数据,并对比线性回归模型和灰色理论模型预测结果,发现该模型的预测精度分别提高了2.46%和1.35%,数据拟合的相关系数也有一定程度的提高。实证结果表明,灰色线性回归组合模型可以更好地预测矿井瓦斯涌出量。

改进的灰色线性回归组合模型在大坝变形监测中的应用

针对传统的灰色线性回归组合模型要求原始数据序列为单调递增的缺陷,以小湾拱坝某测点的径向位移为例,分别采用两种改进的原始数据二次累加生成法和绝对值法建模进行拟合和预测,并与实测值进行比较。结果表明,绝对值法模型精度较高,更接近于实测值。

灰色线性回归组合模型在沉降监测中的应用

为了在贫数据条件下准确预报中长期沉降值,采用线性回归方程和指数方程的组合方式,通过适当配置模型的某些参数来获得新的生成序列函数模型.结合工程实际算例进行预测,并和实际观测数据比较,取得了较好的效果,验证了灰色线性回归组合模型应用于沉降监测预报的可行性.通过其残差与回归分析模型和灰色预测GM(1,1)模型残差相比较,证明该模型在沉降预报中优于回归分析模型和灰色预测GM(1,1)模型.

基于灰色线性回归组合模型的高速公路交通量预测

高速公路交通量预测工作一直是高速公路项目决策中的关键因素之一,其水平和质量将直接影响到项目决策方案的科学性和合理性。针对高速公路交通量受众多因素影响且各因素具有较强的不确定性的特点,综合考虑现行预测方法和模型的优缺点,提出了适用于高速公路交通量预测的灰色线性回归组合预测模型。实例分析表明,该模型克服了GM(1,1)模型和线性回归模型的缺陷,和单一模型相比,预测精度更高,预测结果更为可靠,具有较高的实际应用价值,也为高速公路交通量预测研究提供了新的途径。

京津冀城市可持续发展效率预警研究——基于灰色支持向量机回归模型的预测

选用支持向量机回归模型与灰色GM(1,1)模型组合方式对2020—2022年京津冀城市可持续发展效率各项测度指标值进行了预测,先将所得指标预测值代入超效率CCR-DEA模型,从而得到2020—2022年京津冀城市可持续发展效率的预测值,再将预测值及其均值与2012—2019年的实测值及其均值进行比较,得以判断预测期京津冀城市可持续发展状态。预警判断结果实现了与京津冀城市可持续发展现状及该区域内若干发展政策的相互印证,从而印证了文章所提供的研究框架和预警建模方法的可信性。文章不仅丰富了城市可持续发展效率预警研究文献,而且有助于深入理解京津冀协同发展战略。

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。

加权灰色线性回归组合模型在高铁隧道沉降监测中的应用

近年来,相关的研究与实践表明,变形监测的数据处理方法比较成熟,如回归模型、卡尔曼滤波模型、灰色模型、时间序列模型以及人工神经网络模型等各种模型,均经过了各种检验,而且有效地应用在变形监测技术中。然而单一的模型预测有其自身的局限性,因此,预测模型需要采用组合优化模型弥补单一模型的缺陷。本文主要阐述了加权灰色线性回归组合模型在高铁隧道沉降预测中的应用,通过与传统的GM(1,1)模型以及灰色线性回归组合模型进行对比。实验结果表明,加权灰色线性回归组合模型具有较高的预测精度。

灰色线性回归组合模型算法研究

在灰色GM(1,1)模型和多元线性回归模型的基础上,灰色线性回归组合模型改善了原线性回归模型中没有指数增长趋势和灰色GM(1,1)模型中没有线性因素的不足.而在计算的过程中应该注意原始数据的有线性以及对灰色线性回归组合模型预测精度的检验等.给出一些方法,仅供参考.

基于灰色线性回归组合模型的中国高职教育规模影响因素及预测研究

进入新时代,中国高职教育规模发展直接影响到中国高等教育的中长期规划。影响中国高职教育规模发展因素包括教育投入、社会经济发展水平、社会总状况和生源来源状况等。构建灰色线性回归组合模型改善了原有灰色模型中没有考虑线性因素和线性回归模型中没有考虑指数增长趋势的缺陷。灰色线性回归组合模型对中国未来高职教育规模预测结果显示,在保持现状的基础上,在未来的一定时期内,中国高职教育发展将继续保持稳速增长趋势。

基于“灰色+非线性回归”的煤矿死亡人数预测

为探究我国煤矿现阶段安全管理水平,从煤矿近年死亡人数为切入点,分析灰色模型[Gray Model, GM(1,1)]、回归模型在煤矿事故的预测效果,进而建立“灰色+回归”模型。首先,建立灰色模型,利用后残差比值、小概率误差验证灰色模型的预测等级为“好”,满足改进要求;其次,对回归模型进行线性拟合,建立“灰色+回归”预测模型,并对3类模型的预测准确性进行评估;最后,利用“灰色+非线性回归”模型预测2023年煤矿死亡人数。结果显示:以2021—2022年数据为基准,“灰色+非线性回归”预测相对误差依次为4.5%和1.3%,预测结果接近实际值,适用于短中期预测;经分析,“灰色+非线性回归”对煤矿死亡人数预测具有较高的研究价值。2023年煤矿死亡人数控制在123~136人,煤矿死亡人数呈下降趋势。

基于灰色多元线性回归组合模型的中国社会消费品零售总额影响因素及预测研究

影响中国社会消费品零售总额因素众多,但研究社会消费品零售总额组合模型尚属空白领域。通过Shapley值法构建灰色多元线性回归组合模型改善了原有灰色模型中没有考虑线性因素和线性回归模型中没有考虑指数增长趋势的缺陷,同时能公平反应组合中各种方法对组合的平均贡献及重要性。灰色多元线性回归组合模型对社会消费品零售总额预测结果显示,在保持现状的基础上,在未来的一定时期内,社会消费品零售总额将继续保持稳速增长趋势。

基于灰色⁃广义回归神经网络模型的城市群交通运输能力预测

城市群交通运输能力是构建国家综合立体交通网的战略基石。鉴于传统预测方法难以适应城市群交通运输能力影响因素众多且存在时变、耦合、不确定性强等特征,提出了一种灰色-广义回归神经网络的复合模型,以预测未来城市群交通运输能力。首先,选用LASSO算法筛选主要影响变量来降低数据复杂度,运用GM(1,1)模型弱化数据序列的随机性,预测影响变量时间序列的变化趋势,并填补数据缺失。然后,以20002019年京津冀城市群的数据集训练GRNN模型,根据GM(1,1)模型预测出的20202025年城市群交通运输能力影响因素,得出未来年份交通运输能力动态趋势。结果表明,复合预测模型精度优于传统方法,有效减少了小样本预测的不确定性。最后,结合预测结果分析了京津冀城市群核心区位城市的发展方向,为助力构建以城市群为重要抓手的新发展格局进行了前瞻性探讨。

基于最优回归-灰色模型的走私案件预测研究

国家税收中关税占有很大比例,走私犯罪主要依靠逃避国家关税获取高额利润。以全国走私案件数为研究对象,采用回归模型对全国走私案件进行有效预测。验证结果表明:回归-灰色模型相比于单独应用回归模型方差和降低了87.67%,预测精度显著提高,预测结果具有波动性,更符合实际情况,能够为走私案件预测提供决策支持。

用灰色自回归模型预测稻瘟病

灰色自回归模型（ＧＡＲ）是将灰色系统模型（ＧＭ）与自回归模型（ＡＲ）结合起来的一类预测模型，它弥补了ＧＭ与ＡＲ的不足。本文叙述了该模型的建模方法，建立了江西省临川县１９６２～１９８７年稻瘟病年发病程度的ＧＡＲ模型，检验合格后，对该县的稻瘟病发生程度进行了多年预测（１９８８～１９９２）。运用模糊集合隶属函数对这几年的预测准确性进行评定，结果表明预测较为准确。文末还就ＧＡＲ模型用于稻瘟病预测的条件和特点进行了讨论。

灰色自回归模型对钢纤维混凝土弯曲疲劳强度的预测

影响混凝土疲劳强度因素的不确定性使材料在最薄弱环节容易造成局部损伤破坏,最终导致整个材料的破坏。因此,随机预测具有一定的现实意义。通过灰色自回归模型和GM(1,1)模型预测钢纤维混凝土(SFRC)弯曲疲劳强度试验值,分析两种方法的预测精度的高低。结果表明,灰色自回归模型预测精度比GM(1,1)模型的精度较高。

基于串联灰色多元回归模型的大坝蓄水期变形性态分析

基于某双曲拱坝蓄水期坝顶水平位移的特点,在对其监测资料进行时空分析基础上,构建了蓄水期坝顶水平位移的多元线性回归模型和串联灰色多元线性回归模型,分析预测了该坝蓄水期变形性态。实例分析结果表明,串联灰色多元线性回归模型预测效果优于多元线性回归模型,更合理地反映大坝蓄水期水平位移的变化趋势。