共查询到20条相似文献，搜索用时 31 毫秒
1.
改进型灰色新陈代谢GM（1，1）模型对外语类生源数的预测修正——基于南通职业大学外国语学院外语类生源数的研究 总被引：1，自引：0，他引：1
任海华 《吕梁教育学院学报》2011,(2):117-118,133
通过改进型的灰色新陈代谢GM（1,1）模型对原先常规GM（1,1）模型预测的外语类专业生源数进行有效的修正,取得了更好的预测效果。 相似文献
2.
由于传统的基于GM(1,1)的物流总额预测方法需假设其他因素变化对物流总额无影响,给预测结果带来较大误差,本文采用GM(1,1)-MLP神经网络组合模型对我国未来物流总额进行预测。将组合模型与GM(1,1)的2012—2016年物流总额拟合结果进行比较,发现组合模型的预测平均误差仅为2. 3%,远低于GM(1,1)的预测平均误差(25. 2%),精准度大大提高,可以被有效应用于我国未来的物流总额预测。 相似文献
3.
为有效预测具有振荡性质的港口吞吐量,提出基于正弦和的GM(1,1)幂模型(称为正弦和修正模型)。首先通过原始序列建立指数优化的GM(1,1)幂模型以描述总体趋势,然后利用正弦和描述残差中包含的周期性振荡规律,建立正弦和修正模型。利用该模型对广州港吞吐量进行预测,结果表明:该模型能够较好地描述具有周期振荡特征的港口吞吐量时间序列数据,预测精度都显著优于线性回归模型、GM(1,1)和指数优化的GM(1,1)幂模型,可将该模型用于具有振荡性质的吞吐量预测中。 相似文献
4.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献
5.
在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性.通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度. 相似文献
6.
由对GM（1，1）模型计算步骤的探讨，找出影响该模型预测精度的原因，通过改变其背景值的构造方法，提高了GM（1，1）模型的预测精度。并通过对NBA球员的平均工资预测，证明了此种方法在体育领域高增长指数序列建模过程中，有着比传统的GM（1．1）模型更好的实用价值。 相似文献
7.
为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。 相似文献
8.
为提高长山水道船舶交通流量的预测精度，对灰色系统中的GM(1,1)模型进行优化.在对长山水道船舶交通流量进行分析的基础上，通过改进GM(1,1)模型背景值、改变初始条件、增加新信息优先权、引入残差修正等方法对GM(1,1)模型进行优化.通过该优化模型的预测数据与历史数据的比较验证了该优化模型的准确性和可靠性.最后用该优化模型对长山水道2015—2016年的船舶交通流量进行了预测. 相似文献
9.
人工神经网络在经济预测中的应用 总被引：2，自引：0，他引：2
王悦 《北京广播电视大学学报》2002,(1):33-37
研究人工神经网络在经济预测中的应用问题,探讨人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,提出一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法.为了消除单一神经网络预测模型的系统偏差,探讨组合神经网络时序预测方法,用实例验证了组合神经网络比单一神经网络的预测精度高. 相似文献
10.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
11.
12.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
13.
《吉林省教育学院学报》2015,(4):152-154
文章以20022013年某地方高校教学事故统计数据为原始数据,建立了地方高校教学事故的灰色GM(1,1)预测模型,比对精度检验等级参照表发现原始GM(1,1)模型关联度较低,于是引入了新陈代谢概念。然后将其应用于地方高校教学事故预测。 相似文献
14.
根据2014-2022年云南省某地方高校毕业生的就业数据,将毕业生去向划分为“已就业”“升学和入伍”“编制内就业”和“编外就业”4类,利用GM(1,1)模型,对该校2023年大学生毕业去向进行预测及误差修正,提高模型预测精度.预测结果表明,2023年整体就业率预计为（81.4±3.1）%,其中升学和入伍的人数占比为（9.95±0.80）%,编制内就业率为（4.6±3.7）%,编外就业率为(69.3±3.6)%. 相似文献
15.
由于船舶轴系支点轴承缺乏相应的振动烈度评判标准,结合支点轴承的日常监测数据,采用箱形图制定低转速工况下的界限值,根据振动烈度随转速增加既有线性增长又有指数增长的趋势,利用灰色线性回归组合模型对高转速工况下的界限值进行预测,并与BP神经网络模型的预测效果进行对比分析.结果表明,箱形图法制定的低转速工况界限值比较合理,灰色线性回归组合模型的预测值比BP神经网络模型的更加准确、稳健,其平均相对误差为2.634%. 相似文献
16.
GM(1,1)模型机理与建模方法 总被引：1，自引：0，他引：1
灰色理论的微分方程模型称为GM模型。GM(1,1)是应用最多的预测模型。本文讨论了GM(1,1)的模型机理,并提出了建模方法及检验、残差模型。 相似文献
17.
18.
我国进出口贸易数据序列呈波浪上升趋势,传统预测方法难以获得理想预测效果.小波变换可去除原始信号中的噪声,灰色DGM(2,1)模型适合波动时间序列的预测.运用小波变换和灰色DGM(2,1)模型相结合的方法预测我国进出口贸易总额,取得了理想效果,2017年的预测误差仅为3.4041％,比灰色GM(1,1)模型的10.8493％减小22.4853％,比普通灰色DGM(2,1)模型的15.8011％减小46.7771％.由模型预测得到2018年我国进出口贸易总额为4.378288万亿美元. 相似文献
19.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
20.
张利霞 《济宁师范专科学校学报》2014,(3):60-62,65
以2001~2010年济宁市10年的人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型.统计检验和误差分析表明,模型精度较高,用该模型对济宁市2011~2015年的人口总数进行了预测,并结合济宁市人口发展历史和现状对预测结果进行了分析. 相似文献