导读:本文包含了灰色组合模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,灰色,神经网络,组合,对数,向量,时序。
灰色组合模型论文文献综述
吴京龙[1]（2019）在《基于灰色关联度的GM(1,1)-BP神经网络组合模型研究》一文中研究指出改革开放以来,我国居民消费水平保持较快发展态势,准确预测未来居民消费水平能更好地掌握国民经济发展趋势,为政府相关部门制定战略规划和产业政策提供参考。为此,基于灰色关联度建立了GM(1,1)-BP神经网络组合模型,对2000—2016年居民消费水平进行模拟,并对比分析GM(1,1)模型、BP神经网络模型、灰色组合模型模型的预测误差。仿真结果表明,基于灰色关联度的GM(1,1)-BP神经网络组合模型能进一步提高预测准确性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年11期）
唐嘉燕,唐鸿海[2]（2019）在《灰色BP神经网络组合模型在广州市居民储蓄额预测中的研究》一文中研究指出居民储蓄额是一种非平稳的时间序列,与实时政策影响有关,同时作为地区性总GDP的一大重要指标,其预测走向将是政府部门需要重视的一个环节,处于探索阶段。因此,提高储蓄率预测精度需要以较为精确样本值进行数据挖掘,同时采用单一理论模型将无法得到可实际应用的预测效率。因此,基于组合预测思想,将采用梯度下降法的BP神经网络反复训练,修正灰色Verhulst预测的组合模型对广州市城乡居民储蓄进行数据挖掘,训练过程中采用最高准确率模型进行预测未来叁年的居民储蓄额,提前预知储蓄率变化走向,及时提出应对措施。残差合格检验很好地反映模型准确率的提高,具有较好的拟合和预测精度。(本文来源于《现代职业教育》期刊2019年27期）
查天宇,成枢,吕磊[3]（2019）在《基于灰色BP神经网络组合模型的深基坑沉降预测》一文中研究指出以某地下商城开发项目为例,利用深基坑开挖期间周边建筑物沉降数据,分别采用灰色GM(1,1)模型、BP神经网络模型、灰色BP神经网络组合模型对沉降数据进行预测,将叁种模型预测数据与实测数据通过图表的方式进行对比分析,得出灰色BP神经网络组合模型相对于两种单一模型预测精度较高、预测沉降值更准确的结论,进一步为及时采取预防措施和避免灾难的发生提供了可靠的科学依据。(本文来源于《测绘与空间地理信息》期刊2019年09期）
高远,宁会峰,程金祥[4]（2019）在《一种灰色SVR珩磨尺寸组合预测模型》一文中研究指出针对灰色(1,1)模型(Grey model(1,1), GM(1,1))对非指数型数据序列预测精度低的问题,提出了一种组合预测模型。该模型通过参数累积估计、预测公式改进和数据等维递补,优化了GM(1,1)模型,再利用灰狼算法优化的支持向量回归机对优化后的GM(1,1)模型残差进行预测,并对其预测值进行残差修正。对柱塞套内圆珩磨尺寸的预测结果表明,该模型的预测均方误差为0.2826,平均绝对百分比误差为4.73%,其预测精度较GM(1,1)模型显着提高。(本文来源于《凿岩机械气动工具》期刊2019年03期）
刘维康[5]（2019）在《灰色神经网络组合模型在沉陷监测间断插补中的应用》一文中研究指出针对矿区沉陷监测存在间断情况,提出了基于熵权法的灰色GM(0,n)模型与Elman神经网络模型的组合模型对沉陷监测间断部分进行插补。分别利用灰色GM(0,n)模型、Elman神经网络模型和灰色神经网络组合模型对某矿区沉陷监测间断部分进行插补,实验仿真结果表明灰色神经网络组合模型拟合精度优于单项预测模型,更适应于沉陷监测间断插补。(本文来源于《计算机与数字工程》期刊2019年08期）
周香连[6]（2019）在《基于灰色神经网络组合模型的税收预测》一文中研究指出针对税收收入预测方法,为了寻找将预测精度提升至最佳的预测模型,提出一种串联型灰色神经网络组合模型对我国税收进行预测。首先通过对单一的灰色及人工神经网络分别进行预测,然后以归一化处理后的预测数据作为神经网络的输入变量,以实际税收作为对应的网络输出。本文以2006—2017年我国税收数据作为实证分析,结果表明组合模型的预测效果不管是在收敛速度还是预测精度上都明显优于单一的预测模型。(本文来源于《市场周刊》期刊2019年06期）
贾云蒲,陈宽民,曹夏玲[7]（2019）在《基于改进灰色组合模型的城市轨道交通客流预测——以西安地铁2号线为例》一文中研究指出针对城市轨道客流培育发展大致呈S形曲线的特点,首先以灰色Verhulst模型对西安地铁2号线客流进行预测.为提高预测结果的精度,对原始数据形成的序列数据通过对数变换处理来减少其波动性.由于所研究轨道线路尚未到达客流饱和阶段,为了规避单一模型较大的风险性,针对不同模型的特点,从处理过的原数据列选取西安地铁1号线开通年度(2014年1月)之后的西安地铁2号线数列,此数据列数据量较少,波动性小,采用灰色GM(1,1)模型对处理过的西安市地铁2号线数列进行预测.通过将灰色GM(1,1)模型预测结果与改进Verhulst模型预测结果进行线性组合,之后将采用不同预测模型的预测结果与实际值进行对比分析,发现组合模型的预测精度更高.(本文来源于《河南科学》期刊2019年05期）
张和平,解晓龙[8]（2019）在《基于灰色关联度的组合优化模型研究》一文中研究指出灰色系统理论在处理"小样本、贫信息"不确定性系统方面取得了广泛应用。为进一步提高GM(1,1)模型的预测精度,文章基于数据维度、初始值及原始数据叁个影响因素角度构建了等维信息GM(1,1)模型、初始改进GM(1,1)模型和拟合模型,运用灰色关联分析对叁个模型的权重进行设置,在此基础上形成基于灰色关联度分析的组合预测模型,最后将该模型应用到江西省GDP预测研究中。结果表明,灰色关联度分析的赋权方法是科学有效的,在不同时期组合优化使用不同的模型有助于整体上的预测精度提高。(本文来源于《统计与决策》期刊2019年09期）
潘恺,田林亚,李成成[9]（2019）在《动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析》一文中研究指出为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。(本文来源于《勘察科学技术》期刊2019年02期）
刘天,王芸,姚梦雷,黄继贵,吴杨[10]（2019）在《GM(1,1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较》一文中研究指出目的比较GM(1,1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果。方法利用2010—2014年江西省甲肝逐月发病数数据,分别拟合GM(1,1)灰色模型、马尔可夫链模型、灰色马尔可夫链组合模型和SARIMA模型。利用4个模型预测2015年1—12月甲肝发病数并与实际值比较,采用平均绝对百分比误差(MAPE)、平均误差率(MER)、均方误差(MSE)和平均绝对误差(MAE)4个指标评模型预测效果。结果 2010—2015年江西省累计报告甲肝2 939例,甲肝发病数整体呈逐年下降趋势(r_s=-0.838,P<0.01)。SARIMA(0,1,1)(1,0,0)12为最优SARIMA模型;GM(1,1)灰色模型拟合精度为合格。模型预测的MAPE从低到高依次为灰色马尔可夫链组合模型(23.894%)、SARIMA模型(25.529%)、GM(1,1)灰色模型(28.429%)、马尔可夫链模型(39.426%);MER从低到高依次为SARIMA模型(21.303%)、灰色马尔可夫链组合模型(25.574%)、灰色模型(30.717%)、马尔可夫链模型(35.203%);MSE和MAE从低到高依次均为SARIMA模型(45.293、4.918)、灰色马尔可夫链组合模型(47.122、5.903)、灰色模型(67.738、7.091)、马尔可夫链模型(85.252、8.126)。结论灰色马尔可夫链组合模型和SARIMA模型预测效果较好,可以用于甲肝发病数的预测。(本文来源于《华南预防医学》期刊2019年02期）
灰色组合模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
居民储蓄额是一种非平稳的时间序列,与实时政策影响有关,同时作为地区性总GDP的一大重要指标,其预测走向将是政府部门需要重视的一个环节,处于探索阶段。因此,提高储蓄率预测精度需要以较为精确样本值进行数据挖掘,同时采用单一理论模型将无法得到可实际应用的预测效率。因此,基于组合预测思想,将采用梯度下降法的BP神经网络反复训练,修正灰色Verhulst预测的组合模型对广州市城乡居民储蓄进行数据挖掘,训练过程中采用最高准确率模型进行预测未来叁年的居民储蓄额,提前预知储蓄率变化走向,及时提出应对措施。残差合格检验很好地反映模型准确率的提高,具有较好的拟合和预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
灰色组合模型论文参考文献
[1].吴京龙.基于灰色关联度的GM(1,1)-BP神经网络组合模型研究[J].重庆理工大学学报(自然科学).2019
[2].唐嘉燕,唐鸿海.灰色BP神经网络组合模型在广州市居民储蓄额预测中的研究[J].现代职业教育.2019
[3].查天宇,成枢,吕磊.基于灰色BP神经网络组合模型的深基坑沉降预测[J].测绘与空间地理信息.2019
[4].高远,宁会峰,程金祥.一种灰色SVR珩磨尺寸组合预测模型[J].凿岩机械气动工具.2019
[5].刘维康.灰色神经网络组合模型在沉陷监测间断插补中的应用[J].计算机与数字工程.2019
[6].周香连.基于灰色神经网络组合模型的税收预测[J].市场周刊.2019
[7].贾云蒲,陈宽民,曹夏玲.基于改进灰色组合模型的城市轨道交通客流预测——以西安地铁2号线为例[J].河南科学.2019
[8].张和平,解晓龙.基于灰色关联度的组合优化模型研究[J].统计与决策.2019
[9].潘恺,田林亚,李成成.动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析[J].勘察科学技术.2019
[10].刘天,王芸,姚梦雷,黄继贵,吴杨.GM(1,1)灰色模型、马尔可夫链模型及其组合模型和SARIMA模型在甲肝发病数预测中的应用效果比较[J].华南预防医学.2019
论文知识图
