基于GM(1,1)模型的江苏省淮安市5岁以下儿童死亡预测分析

目的 分析2008年1月1日至2021年12月31日淮安市5岁以下儿童死亡现状,构建灰色GM(1,1)预测模型预测2022—2025年淮安市5岁以下儿童死亡变化趋势。方法 数据来源于江苏省妇幼卫生信息系统监测数据。采用描述流行病学方法综合分析2008-2021年淮安市5岁以下儿童死亡死因并评估失能调整寿命年(DALY)损失,用R3.6.2软件构建灰色GM(1,1)预测模型预测淮安市2022-2025年不同年龄段儿童死亡率和非故意伤害死亡发生率。结果 2008-2021年淮安市共报告5岁以下儿童死亡3 315例,平均死亡率为4.44‰,总体呈下降趋势。5岁以下儿童主要死因为意外窒息、先天性心脏病、早产或低出生体质量、出生窒息、溺水。14年间因5岁以下儿童死亡共损失111 141.98个DALY。GM(1,1)模型结果显示,除了交通意外的模型精确等级结果为3级,其他指标的预测模型拟合效果均较好。2022-2025年预测结果显示,除交通意外死亡率呈逐年上升趋势外,不同年龄段5岁以下死亡和非故意伤害死亡率均呈下降趋势。结论 GM(1,1)对5岁以下儿童死亡预测的拟合效果较好,可以应用于预测。灰色GM(1,1)预测模型预测2022-2025年淮安市5岁以下儿童死亡率总体呈下降趋势,政府相关部门应进一步加强儿童早产、先天性心脏病及非故意伤害的防控和救治工作,把5岁以下儿童死亡率控制在更低的水平。

改进的非等间距GM(1,1)模型预测腐蚀立管剩余寿命

为更加方便、快速、准确地预测腐蚀立管的剩余寿命,提高GM(1,1)模型在腐蚀立管剩余寿命预测方面的实用性,对传统的GM(1,1)模型进行非等间距改进并建立腐蚀立管剩余寿命预测模型。将改进的非等间距GM(1,1)模型与中心逼近法、背景值优化法、逐步优化灰导数法、非等距信息逐步优化法、非等距幂预测法和原始优化法进行对比,并进行实例应用。结果表明,改进后的非等间距GM(1,1)模型的预测精度比其他改进的GM(1,1)模型的预测精度高,而且也适用于等间距数据的预测,扩大了GM(1,1)模型的有效预测范围,避免了概率统计法需要大量样本数据的弊端,提高了计算效率。

基于改进的GM(1,1)模型的公路里程预测

分析了传统GM(1,1)模型在公路网里程预测中存在的问题,利用残差改进了GM(1,1)模型,运用马尔可夫状态转移矩阵判断残差预测值在k≥n时的符号,提高了预测精度。对广西省公路网里程进行了预测分析,结果表明该法具有较高的实用性。

交通事故预测的灰色GM(1,1)模型

通过对道路交通事故分析、预测方法的研究,指出了其缺陷.在分析道路交通事故的灰色性和中国道路交通安全数据库薄弱性的基础上,给出了灰色GM(1,1)模型,并对道路交通事故的死亡人数、交通事故数进行了预测,其结果是可信的.

城市供水量的灰色GM(1,1)预测

研究了城市供水过程中,其用水量、水厂供水量与时间、费用、温度间的关系。首先运用了数理统计和回归分析法,结合散点图形,对数据进行了统计分析,建立了城市用水量和城市供水量与时间的基本预测模型。然后利用灰色系统理论,结合影响城市水量的水价、温度等因素的影响,建立了灰色GM(1,1)预测模型,为城市供水系统提供较有力的理论支持。

非等间距GM(1,1)模型的模糊优化

采用模糊聚类分析方法,在原始的非等间距序列中插入若干数据,在新序列上建立非等间距GM(1,1)模型。实例表明,经模糊优化处理的非等间距GM(1,1)模型有更高的模拟和预测精度及良好的适用性。

GM(1,1)周期修正模型及在电力负荷预测中的应用

模型GM(1,1)是电力系统负荷预测的一种有效的方法,但利用GM(1,1)模型难以反映序列随机的季节性周期波动变化。本文阐述的周期修正模型,可以很好地解决这一问题。实例表明,此模型简单有效,对于季节性预测问题有很强的实用性和较高的预测精度。

基于改进的灰色GM(1,1)模型预测产品的故障数

在产品的销售过程中,卖方往往比较关心售出的产品在实际应用中有多少发生了故障,所以有必要收集相关的数据并对其进行分析整理,从而指导相关的生产活动.灰色预测所需数据量小,一般只取近期较少数据,而且数据的波动性不应该太大,产品的故障数恰恰符合这样的特点.采用补充残差和加权平均的方法改进了传统的GM(1,1)模型,并将改进后的模型应用于产品故障数的预测.经过误差检验法检测到预测模型的精度为1级.

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。

GM(1,1)与回归预测组合模型在结构剩余寿命预测中的应用

利用灰色灾变预测原理解决预测中的历史数据跳变问题,并利用回归方法对跳变点之间的情况加以预测,从而实现GM(1,1)预测和回归预测的有机结合。应用该方法对结构寿命进行预测分析,结果表明:该法可克服GM(1,1)模型和回归预测各自的缺陷,使预测结果更为精确。

用马尔可夫法改进残差GM(1,1)模型中长期负荷预测

中长期负荷预测是电力专项规划的重要环节。为了提高残差GM(1,1)模型在中长期负荷预测中的精度,针对模型的残差预测值符号问题,提出利用马尔可夫法进行修正。该方法根据负荷增长率区间对负荷增长结果划分状态,利用马尔可夫法建立状态转移概率矩阵预测负荷存在区间。在该区间里判断残差预测值符号并对某些残差预测值进行适当的放大或缩小。将改进模型应用于某县用电量预测中,算例结果表明改进模型能够切实有效地提高预测精度。

GM(1,1)模型的中国农业经济发展趋势分析

选取2002-2012年全国农业总产值数据,依据灰色系统理论对全国农业总产值进行灰色关联分析。根据数据建立了全国农业总产值的灰色GM(1,1)预测模型,预测结果表明,运用灰色系统模型的方法对全国农业经济总产值的预测与实际偏差很小,模型具有较强的预测能力。

基于GM(1,1)模型与灰色Verhulst模型的风速预测

在阐述灰色系统理论的基础上,将GM(1,1)模型与灰色Verhulst模型应用至风力发电预测中,最终利用这两种模型分别对某日10:20至11:00的风速数据进行分析建模,预测11:10与11:20的风速。最后通过残差分析得出Verhulst模型的预测精度更高,更适合应用于风速预测分析。

基于GM(1,1)模型的崇左农产品冷链物流需求预测分析

文中选取崇左七种典型农产品为研究对象,收集2008~2016年相关的农产品产量数据,采用灰色GM(1,1)模型对2017~2020年的产量进行预测,并做相应的残差检验和预测结果分析,预测结果表明崇左农产品产量需求整体上都趋于稳步上升趋势,进而针对崇左市农产品冷链物流的发展给出一定的建议。

基于改进新陈代谢GM(1,1)模型的短期风速预测算法

基于新陈代谢GM(1,1)模型,提出了改进的新陈代谢GM(1,1)模型,其主体思路即尽可能用最新的信息代替陈旧的信息,在预测的精确度与预测的收敛性之间达到最佳的平衡.文中算例对基于GM(1,1)模型、新陈代谢GM(1,1)模型及改进的新陈代谢GM(1,1)模型的风速预测结果进行了仿真分析,预测结果证明了所提出方法的有效性.

基于灰色残差GM(1,1)模型的汽车货运量预测

针对近年来我国汽车货运量增长迅速的特点,运用灰色系统预测模型GM(1,1)对某地汽车货运量趋势进行预测,通过残差GM(1,1)模型对主模型的修正,并用后验差检验法对模型精度进行分析和检验,得到一个精确度非常高的预测模型,该模型符合汽车货运量的预测,并在实际预测应用中取得较好效果。

广西蔬菜产量灰色预测模型GM(1,1)的建立及其相关性分析

运用灰色系统理论,基于2008—2014年广西蔬菜产量数据,建立了广西蔬菜产量灰色预测模型GM(1,1),对该模型进行残差检验、关联度检验以及后验差检验,并以2015—2016年广西蔬菜产量数据作为该模型精确度的实际检验。检验结果证明该模型可用。利用该模型预测广西2017—2019年的蔬菜产量分别为3 062.58万、3 225.196万、3 396.446万t;蔬菜产量与种植面积、消费量、财政支农支出呈极显著正相关,并提出关于蔬菜种植的相关建议。

基于GM(1,1)模型的森林有害生物灾害预测

近年来,我国森林有害生物防治与管理工作取得了阶段性的进展,但由于全球气候变暖、国际形式变化、人工造林数量增加等因素,森林有害生物灾害面积虽然得到逐步控制,但灾害的主要矛盾却悄然发生了变化.以中国2013—2020年森林虫害发生面积、森林病害发生面积、森林鼠(兔)害发生面积、森林有害植物发生面积的数据信息为研究对象,利用灰色预测模型能够在小样本信息中生成、开发、提取有价值信息的特点,对引起森林灾害的主要因素进行数据拟合与预测.对部分数据波动性比较小的情况,利用对数变换及变权实现了对初始数据的转换,提高了GM(1,1)模型的预测精度,为林业部门的管理与决策提供可靠的理论依据.

GM(1,1)模型和Verhulst模型的改进及其应用

基于残差修正对GM(1,1)模型和Verhulst模型进行改进,利用所改进的模型分别对湖南省固定资产投资和水稻产量进行预测.预测结果表明,改进后的模型模拟精度明显优于原来模型模拟精度,改进的方法分别更适合于固定资产投资和水稻产量的预测.

改进残差GM(1,1)模型在中长期负荷预测中的应用

GM(1,1)模型是中长期负荷预测的一种常用方法。为了解决残差GM(1,1)模型在残差预测值符号判断中存在的问题,提出一种基于朴素贝叶斯法的改进残差GM(1,1)模型。该模型根据历史负荷增长率区间,对负荷增长状态进行划分,统计各个状态下残差正负号出现的个数和各状态前一年份残差正负号个数,然后利用朴素贝叶斯法建立分类器,判断残差预测值符号。将改进模型应用于某县用电量预测中,算例结果表明改进模型能够有效地提高中长期负荷预测的精度,具有一定的实用价值。