灰色模型理论在环境空气质量趋势分析中的应用

根据泰州市保护局公布的2006 ～ 2010泰州市环境空气的监测数据,利用灰色系统GM(1,1)残差修正模型,分析预测未来5年的环境空气质量.预测结果显示,泰州市未来5年环境空气质量将持续好转,这表明,泰州市近年来采取的产业结构调整和清洁能源战略实施卓有成效.     

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

用灰色系统GM(1,1)模型预测城市交通噪声

本文对灰色系统及灰色系统 GM(1,1)预测模型做了简介,并以沈阳市为例,具体应用 GM(1,1)模型对市区交通噪声进行了预测.本文较详细地说明了使用 GM(1,1)模型进行城市交通噪声预测的方法、步骤及有关问题.     

基于变异系数法的道路交通事故灰色组合预测模型研究

为准确预测交通事故死亡人数,针对不同单一灰色预测模型的特点以及存在的局限性,建立了一种基于GM(1,1)模型和Verhulst模型的灰色组合预测模型,用于对我国道路交通安全事故进行预测,通过变异系数法确定组合预测模型中各个单一预测模型的权重系数,并利用我国2007—2016年道路交通事故死亡人数数据,对建立的灰色组合预测模型进行了检验。结果表明:灰色组合预测模型比单一的GM(1,1)模型和Verhulst模型具有更高的预测精度,可为我国道路交通安全事故的研究提供参考。     

基于灰色GM(1,1)模型的成都市大气污染物浓度预测

基于灰色系统理论的预测原理和方法,在城市大气污染物浓度预测中应用了灰色GM(1,1)模型。该模型通过了残差检验和后验差检验,检验结果均在允许范围内,模型精度较高。采用该模型对成都市2018-2022年大气污染物SO_2、NO_2、PM_(10)、PM_(2.5)年均浓度进行了灰色预测。预测结果显示,成都市未来五年环境空气质量将持续好转,但NO_2和PM_(2.5)的年均浓度仍然较高,NO_2及颗粒物污染防治仍是成都市未来五年大气污染治理的重点。     

基于改进灰色GM(1,1)模型的三峡库区工业废水量预测

三峡库区工业废水排放量大,对库区水生态环境安全造成严重危害。为了取得较高精度且适合长期预测工业废水量的模型,以三峡库区2006—2012年工业废水排放量数据作为原始数据进行建模,并用2013年的数据检验结果。对灰色GM(1,1)模型和3种改进灰色GM(1,1)模型分别建模并进行精度比较,根据"新信息优先"原理,将选出的最佳改进模型与新陈代谢模型结合,抛弃最旧的数据,不断补充新的数据,重复建模,构建三峡库区2014—2020年工业废水排放量预测模型。结果表明:改进灰色GM(1,1)模型方法三结合新陈代谢模型能够较为准确地预测库区工业废水排放量,且精度高于灰色GM(1,1)模型,在未来7年里库区工业废水排放量呈现出缓慢下降的趋势。预测结果可为政府和有关部门制定该地区的环境保护政策、保护当地生态、合理安排社会经济环境的和谐发展提供参考。     

灰色GM(1,1)模型在高校毕业生就业流向预测中的应用——以广东石油化工学院为例

利用灰色模型GM(1,1)分析了广东石油化工学院2013—2018年毕业生就业流向数据,并预测了2019—2023年各届毕业生就业流向。经检验,该预测模型精度好,可靠性高,对预测未来高校毕业生的就业流向数据有一定的参考价值。     

保山市隆阳区城区尘污染发展趋势分析

目前影响保山市隆阳区城区环境空气质量的主要污染物是PM10和降尘。用一维灰色系统分析法分析PM10和降尘污染的发展趋势,分别建立PM10和降尘在2008--2011年和2009--2012年两个时间段的预测模式GM（1,1）,和GM（1,1）2。不论是PM10还是降尘,都呈递增趋势,且GM（1,1）2的预测值和年增加量都远大于GM（1,1）。。GM（1,1）。与GM（1,1）：的行为轨迹相差很大,表明PM10和降尘的变化机制不稳定,污染日趋加重。应从源头控制尘的产生,并加强相关管理,遏制尘污染快速上升趋势,稳定和改善环境空气质量。     

生态数学模型在人口预测中的应用——以大庆市为例

运用线性回归模型、Logistic增长模型和灰色系统GM(1,1)模型,对黑龙江大庆市2008-2020年人口发展规模进行了预测,结果表明:3种模型在本案例中均能取得较好的效果;而灰色系统GM(1,1)模型的平均相对误差最小,故最终采用该预测模型,预测2010年大庆市人口数将达到284.27万人,2020年将达到325.74万人.     

组合灰色预测模型应用于山东省碳排放预测

根据山东省2000—2012年工业、建筑业和交通运输业能源消费数据测算得到碳排放量,基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数。选用2000—2009年三大碳排放行业的实际值作为原始数据,利用各预测模型预测2010—2012年碳排放量。结果表明:组合灰色预测模型比单一预测模型具有更高的预测精度。利用组合模型预测山东省2013—2017年各行业碳排放量,为相关部门制定节能减排政策提供理论及方法借鉴。     

灰色理论模型在大气环境质量预测中的应用研究

根据厦门市环境保护局公布的2003～2007年厦门市大气环境中3种污染物(二氧化硫、二氧化氮、可吸入颗粒物)的监测值,通过灰色系统GM(1,1)残差修正模型预测了厦门市大气环境质量的变化趋势.结果表明,灰色系统GM(1,1)模型合理,要求数据较少,计算量适中,精度较高,相对误差为0.4%～7.7%,与环保部门公布的数据吻合程度较好.指出灰色GM(1,1)模型用于大气环境质量预测,符合系统的灰色特性,实用性好,预测结果与实际环境状况吻合;当GM(1,1)模型的预测结果精度不能满足要求时,可采用残差模型予以修正.     

基于灰色系统理论的济南市建筑废物产量预测

首先以建筑面积核算法对济南市2000~2017年建筑废物产量进行了估算,然后以估算值作为原始数据,建立了灰色GM（1,1）预测模型.最后对未来5a济南市建筑废物产量进行了预测.经验证,模型精度等级达到优秀级.结果表明,灰色GM（1,1）预测模型可以准确地预测济南市建筑废物的年产量,预测表明济南市建筑废物平均产量将从2018年的860万t,增加到2022年的1000万t.     

山洞油库地下管沟油气泄漏聚集量的预测研究

在分析山洞油库具体空间结构和狭长受限空间内油气蔓延规律与特性的基础上,分别采用灰色GM(1,1)模型和一元线性回归模型对山洞油库地下管沟中的油气聚集量进行了预测,并应用MATLAB软件对预测模型进行编程以简化数学运算,通过对比分析两种预测模型的预测结果与预测误差可以得出:对山洞油库油气聚集量这种近似呈线性增长的预测对象而言,采用灰色GM(1,1)模型比一元线性回归模型具有更高的预测精度,且可确定油气达到爆炸下限的时间以及反映油气浓度变化的规律,以为山洞油库安全状态评估与决策提供依据。     

灰色系统模型在大气环境质量预测中的应用

把大气环境作为一个灰色系统,建立GM(1,1)预测模型,对大气中的降尘及总悬浮物做出科学的预测,并进行灰色模型的精度检验。      

路基沉降的非等间隔时变离散灰色预测模型

本文分析了灰色GM(1,1)模型的缺陷,并以离散GM(1,1)模型为基础建立了路基沉降的非等间隔时变离散灰色预测模型,该模型参数以最小二乘法估计,且以遗传算法优化初始值,通过工程实例与不同预测模型进行对比分析,结果表明非等间隔时变灰色预测模型的精度明显高于其他模型,且最能反映原始路基沉降数据的发展规律.     

用灰色系统理论GM(1,1)模型预测牡丹江市废水排放量

本文用灰色系统理论的单序列一阶线性动态模型——GM(1,1)模型预测牡丹江市废水排放量未来的变化趋势是逐年增加,到2000年,废水排放量14192.5万吨.经过残差、后验差的检验和关联度分析,该模型具有较高的精度,最大误差为0.486％,可作为牡丹江市废水排放量的一级预测模型.     

保山中心城市环境空气质量现状与预测

以保山中心城市2006～2010年环境空气质量监测数据为基础,建立了保山中心城市环境空气质量预测灰色理论GM（1,1）预测模式,各项目预测模式精度均在合格及其以上。由2006～2010年的监测数据和2011—2015年的预测数据来看,保山中心城市空气尘污染明显,是决定城市空气质量级别的主要污染物。     

肇庆市大气降水pH值的灰色预测

利用灰色系统理论中的GM(1,1)模型建立了肇庆市大气降水pH值的预测模型,经检验该模型精度较高.在此基础上对肇庆市今后几年的大气降水pH值进行了预测.     

基于灰色系统理论的大气二氧化氮预测研究

根据成都市近年的NO2产生量监测数据,将灰色系统理论引入,对该市进行了灰色预测研究。运用灰色关联度法,定量分析了影响成都市NO2变化的因素。基于灰色理论,建立了成都市NO2产生量的GM（1,1,）预测模型。残差检验与后验差检验结果验证了模型精度满足要求。运用灰色预测模型对成都市未来五年NO2产生量进行了预测,结果表明,NO2年均浓度呈缓慢上升趋势,但并未超过国家二级标准,有待及时控制。     

改进灰色系统模型在城市噪声预测中的应用

把城市噪声作为一个灰色系统,分别通过GM(1,1)模型和改进灰色系统模型GM'(1,1),对城市噪声进行预测,并进行精度检验.改进的灰色系统模型GM'(1,1)在精度上均优于GM(1,1)模型,但是GM'(1,1)在计算上比较复杂,需要通过计算机迭代来实现.