灰色预测的GM(1.1)模型

本文对灰色预测中的最常用最有效的GM（1．1）模型进行全面阐述，并给出了改进的GM（1．1）模型，使之拓宽应用范围，并在实际预测中取得较好效果。

GM(1.1)模型在水磨河水体污染预测中的应用

以水磨河,搪瓷厂桥,七纺桥,联丰桥,米泉桥4个监测断面,以近6a来的BOD5、DO的环境监测值为依据,应用灰色理论建立GM(1.1)模型,对各断面冬季(10月-3月),夏季(4月-9月),全年的BOD5、DO浓度进行预测,并在此基础上进一步分析了水体污染变化的原因。

潍河流域WTP预测研究——基于灰色GM(1.1)模型

为了有效评估居民对潍河流域生态补偿的支付意愿,采用灰色模型GM(1.1)对条件价值中的支付意愿(WTP)进行了预测,并通过灰数标准化和累加处理对原始数据进行优化,增加指数规律,减少随机性,提高预测模型的精确度,采用后差检验法进行模型检验,成功地建立了潍河流域WTP预测模型,预测结果表明:潍河流域人均WTP为15367元/(人·月),2013年潍坊市总人口为908.62万人,则潍坊市对潍河流域的总支付意愿为13963.054万元/月。灰色GM(1.1)模型能够适应调查问卷中数据多变量、多因素、因素之间依赖关系具有不确定性和灰性的特征,与传统的统计分析方法相比具有更高的数据预测精度。

基于GM(1.1)模型的尾矿坝变形趋势预测

尾矿坝变形趋势预测是矿山尾矿库安全技术管理的重要内容.为了实现对尾矿坝变形趋势的预测,在深入分析尾矿坝变形机理并充分认识尾矿库工程系统及坝体变形数据特性的基础上,采用灰色GM(1.1)模型对尾矿坝的变形进行预测,并结合某金矿尾矿坝变形监测实际数据进行预测.结果表明,模型精度满足要求,灰色GM(1.1)模型用于尾矿坝变形趋势预测具有很好的适用性.

基于灰色GM(1.1)的邯郸市城镇化水平预测

灰色GM（1．1）模型适合少量数据的系统预测．当随时间序列的数据只有少量几个时，无法采用统计和其他的预测方法时．它作为一种少量数据的系统预测十分有效．将1999～2003年5年中的邯郸的城镇化水平作为灰色预测的原始数据．建立邯郸市城镇化水平灰色预测模型，并采用残差估计进行模型检验，成功地建立了邯郸市城镇化水平灰色预测模型．

灰色GM(1.1)模型在预测临床用血需求量中的应用

目的为保障临床合理利用血液资源,科学制定血液采集计划提供依据。方法将统计学方法应用于临床用血需求量预测中,对成都市2002~2009年临床用血量进行统计分析,建立灰色GM（1、1）模型,预测2010、2011、2012年临床用血需求量。结果 2010、2011、2012年临床用血需求量分别为195568、229611、270089单位。结论灰色GM（1.1）模型具有所需样本量小,无需典型概率分布,计算简便和拟合度高等优点,是血站制定血液采集、制备、供应计划,强化科学管理的可行性工具。

基于改进灰色GM(1.1)模型的铁路货运量预测

针对铁路货运量年度长期预测对货运部门制定短期运输规划指导不足的问题,引入GM(1.1)模型预测铁路月度货运量.考虑货运量序列常呈振荡波动的特征,利用加速平移变换和加权均值变换弱化序列的波动性后,建立改进灰色GM(1.1)模型实现最终预测.对我国2019年11月至2020年5月铁路月度货运量序列拟合结果比较表明,与传统GM(1.1)模型相比,改进GM(1.1)模型在预测精度方面明显提高,能更好的拟合铁路月度实际货运量,解决了传统GM(1.1)模型对呈现振荡波动现象的铁路货运量预测精度较低的问题.

基于GM(1.1)模型的出国留学人数预测研究

基于有限的出国留学人数的数据,利用GM(1.1)模型建立了我国出国留学人数的预测模型。结果表明,模型的预测精度等级为好。预测结果为国家有关部门掌握出国留学的趋势,制定有关政策提供了辅助决策依据。

加权GM(1.1)模型在地铁沉降监测中的应用

GM(1,1)模型中的新数据的重要性远远大于那些陈旧的数据,然而,传统的GM(1,1)模型数据的累加并没有体现出新数据的重要性。通过对广州地铁五号线沉降监测数据进行处理,分别建立传统的GM(1,1)模型和加权GM(1,1)模型,对两种模型进行分析与预报,比较的结果验证了加权GM(1,1)模型在地铁沉降变形分析中的有效性、实用性和正确性。

基于GM(1.1)模型的陕西省旅游发展研究

建立了旅游经济发展的灰色GM(1.1)预测模型,对陕西省旅游经济发展状况进行了预测研究,数值计算结果表明了该方法的有效性。

反向GOM(1.1)模型及其在农药降解分析中的应用

给出了反向GOM( 1 1 )模型的一种简单的直接计算方法 ,并结合理想模型、实际模型将该方法与文[6 ]GOM( 1 1 )模型、GM( 1 1 )模型的计算方法进行了对比。结果表明 :文中给出的计算方法精度优于后两者 ;GM( 1 1 )模型同样也适用于单调递减数据列的拟合。

基于GM(1,1)模型群的农田土壤墒情短期预测

全面比较和分析了春玉米全生育期内土壤墒情的时空分布特征。结果表明,土壤墒情数据为非平稳时间序列,具有周期性;降水量是影响土壤墒情的重要环境因素,其影响规律具有较大随机性。以不同土层深度(10、30 cm,分别代表2种墒情变化情况)和春玉米不同生育期(4个)交叉组合的土壤墒情作为模型对象,基于GM(1,1)预测方法构建农田土壤墒情短期预测模型群。预测结果表明该子模型的预测精度均较高,平均相对误差均小于2%,其中以苗期10 cm处土壤含水率预测效果最佳。考虑降水量的影响,对模型群中参数u进行优化,使得所建土壤墒情短期预测模型群的预测更为准确有效。

基于GM(1,1)模型预测我国未来化工企业安全生产形势

根据2004—2008年我国化工企业较大事故级别以上的统计数据,应用灰色系统GM(1,1)模型,选用二阶弱化算子法与三点平滑法相结合对原始数据进行预处理,对未来我国化工企业安全生产形势进行了预测,为化工企业与安全监管部门的安全管理和安全决策提供了科学、定量的依据。

GM(1,1)模型群在黄河水质预测中的应用研究

灰色预测对统计数据较少问题可以进行预测,一般3-4个数据就可以建模,由于建模序列长短不同,会得到不同的预测方程,即对实际问题发展趋势某种程度的把握。实际预测时若能将不同的预测结果综合考虑进去,效果更佳。介绍了GM(1,1)模型建立的方法与步骤,并依据黄河潼关断面过去10年(1996-2005年)水质状况,利用GM(1,1)模型群预测了未来7年(2006-2012年)的水质发展状况。

利用GM(1,1)模型群预测油田产油量

针对预测时如何判断建模历史数据的稳定性和新的信息如何及时补充修正原预测模型,不断提高预测精度等问题,运用灰色系统理论,建立灰色等维新息GM(1,1)模型群,准确识别系统的稳定阶段,选择合理的建模数据,建立可靠的灰色模型,提高预测值的可信度;建立等维灰数递补GM(1,1)模型群预测产油量,及时补充新息数据,约束灰平面的扩展,提高模型的预测精度。将这种方法应用于中国东部某油田年产油量的建模和预测。研究结果表明,通过考察等维新息GM(1,1)模型群的后验差比和小误差概率的变化,可以判断系统的稳定和非稳定阶段,选择合理稳定的建模数据;采用等维灰数递补GM(1,1)模型群预测产油量,提高了预测灰区间的白化度,随着灰参数的不断修正,模型预测精度不断提高。

基于数据融合算法优化的GM(1,1)模型在矿区地表沉降中的应用

矿区地表沉降一直以来是矿山安全管理部门关注的重点,准确地预测矿区地表沉降可以给矿山安全带来指导性的意义.运用"幂函数-指数函数"的复合变换来提高监测原始数据的平滑度,然后对具有多个沉降监测数据的特定年份,运用GM(1,1)模型来预测地表沉降,利用数据融合算法对多次预测的结果进行优化分析,获得精度较高的预测结果.运用该方法对某矿区地表沉降数据进行预测,结果表明该模型具有良好的预测能力.

基于GM(1,1)模型的元规则挖掘研究

关联规则挖掘主要用于发现事务数据集中项与项之间的关系,由于事务数据通常具有时间特性,同一规则在不同的时间段,其支持度和置信度值也不尽相同。为关联规则建立元规则,对其支持度和置信度变化趋势进行分析和预测,有利于进一步指导挖掘和决策。本文通过一个例子,分析了使用GM(1,1)模型进行元规则挖掘的一般过程,评价了GM(1,1)模型在元规则挖掘中的优缺点。

GM模型参数识别方程组性态的初步讨论

通过对三个算例的讨论,指出在参数识别方程组系数矩阵的条件数较大的情况下,当建模原始数据具有系统误差时,方程组并不呈现出病态;在个别原始数据具有误差时,方程组会出现病态.据此对建立的灰色系统模型,进行参数识别提出了相应的建议.

灰色系统动态模型群GM(1,1)在秦淮河水质预测中的应用

为了较为准确预测水质,基于灰色系统理论建立灰色系统动态模型群,采用对数变换的方式对原始数据进行光滑处理,借以减弱数据波动带来的不利影响,是对常规灰色系统动态模型的改进。结合秦淮河上游源头句容河2011～2016年高锰酸盐指数,运用灰色系统动态模型群对2017年高锰酸盐指数进行预测。预测结果表明误差在1.24%以内,表明灰色系统动态模型群GM(1,1)用于水质预测较为准确。该模型可应用于南京市水质预测,对水环境管理具有指导意义。

应用灰色系统理论“GM（1．1）”模型预测朝阳旱灾发生年

应用灰色系统理论“ＧＭ（１．１）”模型分析了朝阳地区４２ａ的降水资料，探讨了该地区的旱灾发生规律，为农业抗旱。