环境预测中的GAM模型

当原始序列属代数曲线型时，应用ＧＡＭ模型可以提高精度，从而避免进行ＧＭ（１，１）模型的残差修正二次建模。从分析ＧＭ（１，１）模型的缺陷着手，结合实例详细介绍了ＧＡＭ模型的思想形成和计算方法。     

地表水COD浓度灰色预测的GPPM（1）模型

根据地表水中ＣＯＤ浓度的时序数据，建立了ＧＰＰＭ（１）预测模型，结果表明ＧＰＰＭ（１）模型的预测精度优于常规灰色ＧＭ（１，１）模型，它为环境系统的拟合，预测和决策提供了新的方法途径。     

灰色系统模型GM（1,1）在大气环境浓度预测中的应用

运用灰色系统理论，结合实例详细介绍了ＧＭ（１，１）模型在大气环境浓度预测中的应用。     

灰色系统模型在总悬浮物预测中的应用

以１９８６－１９９４年东北某城市总悬浮物统计资料为依据，应用灰色系统理论ＧＭ（１，１）模型对总量浮物数值进行预测分析。     

浅谈GAM与GM（1,1）模型

对ＧＡＭ水环境预测模型提出了四点不同看法，与有关作者商榷，指出ＧＭ（１，１）模型与ＧＡＭ模型二者并无优劣之差，精度亦相当。     

也谈GAM与GM（1,1）模型

通过对环境预测中灰色建模方法的回顾，说明了ＧＡＭ和ＧＭ（１，１）模型各有所长，最重要的是建模手段的丰富。     

水质变化灰色预测方法的探讨

本文以某地地表水高锰酸盐指数年平均浓度的变化为例，结合新近的一些研究成果，介绍ＧＭ（１，１）模型衍生出来的几种线性回归求解法。     

非等间隔GM（1，1）模型在液相色谱保留值研究中的应用

本文运用灰色系统理论思想，建立非等间隔ＧＭ（１，１）模型，对色谱中的流动相组成及容量因子的关系进行预测研究，所建立模型能实现对各实验点值进行模拟和合理地预测。     

水质GM（1，1）和Ae~（a（k－1））模型预测

水质ＧＭ（１，１）和Ａｅ~（ａ（ｋ－１））模型预测易江（中国环境监测总站，北京１０００１２）水环境质量变化，归纳起来受自然因素和人为因素的影响。自然因素发生着缓慢的变化，对水环境质量变化的作用是渐进、平稳和相对微弱的。人为因素则不然，当主要污染源得到?..     

燃煤（油）固定污染源二氧化硫排放总量监测（四）烟气采样器及其应用

燃煤（油）固定污染源二氧化硫排放总量监测（四）烟气采样器及其应用易江（中国环境监测总站１０００１２）接１９９６，１Ｏ（１）：４５～４８７ＧＭ—１００型、ＳＧＳ一９４型烟气采样器及其应用ＧＭ——１００型、ＳＧＳ—９４型烟气采样器是吸收、消化国外先进技术...     

环境预测中灰色模型的EXCEL解法

提出了利用EXCEL应用软件建立GM（1，N）预测模型的建模方法，并结合实例介绍了建立河流高锰酸盐指数GM（1，3）模型的操作过程。     

环境振动的灰色预测模型

利用GIM(1)的非时序直接建模法预测研究建筑施工的环境振动 ,并将GIM(1)模型与GM (1,1)模型进行比较分析 ,结果表明GIM(1)模型的拟合精度优良 ,对原始资料中白化信息的利用更加丰富 ,拓宽了GIM (1)模型在环境科学领域中的应用范围     

Prediction of the effluent from a domestic wastewater treatment plant of CASP using gray model and neural network

When a domestic wastewater treatment plant (DWWTP) is put into operation, variations of the wastewater quantity and quality must be predicted using mathematical models to assist in operating the wastewater treatment plant such that the treated effluent will be controlled and meet discharge standards. In this study, three types of gray model (GM) including GM (1, N), GM (1, 1), and rolling GM (1, 1) were used to predict the effluent biochemical oxygen demand (BOD), chemical oxygen demand (COD), and suspended solids (SS) from the DWWTP of conventional activated sludge process. The predicted results were compared with those obtained using backpropagation neural network (BPNN). The simulation results indicated that the minimum mean absolute percentage errors of 43.79%, 16.21%, and 30.11% for BOD, COD, and SS could be achieved. The fitness was higher when using BPNN for prediction of BOD (34.77%), but it required a large quantity of data for constructing model. Contrarily, GM only required a small amount of data (at least four data) and the prediction results were analogous to those of BPNN, even lower than that of BPNN when predicting COD (16.21%) and SS (30.11%). According to the prediction, results suggested that GM could predict the domestic effluent variation when its effluent data were insufficient.     

合肥市生活垃圾产量多模型预测与分析

针对合肥市生活垃圾产量现状,通过建立时间序列(ARIMA)、多元线性回归(MLR)、灰色系统GM(1,1)和反向传播神经网络(BPNN)模型对历史数据进行验证比较分析。结果表明,ARIMA(0,1,2)模型的MAPE、MAE、RMSE、NRMSE分别为1.879%、2.240、2.781、0.021,其精度最高、效果最好,为合肥市生活垃圾产量的最佳预测模型。用该模型预测合肥市2021—2025年的城市生活垃圾产量,结果显示生活垃圾产生量为218.89万t～290.71万t。     

基于MATLAB的灰色模型在广州市降尘预测中的应用

用MATLAB语言将灰色系统理论中的GM(1,1)模型,从建模到模型的检验过程编制成一个普适程序。将该程序应用于广州市降尘量的预测分析,结果令人满意。     

运用灰色系统的GM（1，1）模型对城市噪声的综合预测

应用GM（1，1）模型，对大同市各功能区环境噪声进行综合预测，得出了大同市未来几年城市噪声的变化趋势。     

应用GM（1，1）模型的简化算法预测废水排放量

从GM（1，1）的建模原理和模型结构特征出发，通过一系列的推导、变换、给出了直接从原始序列出发求解模型的方法，通过对某市废水排放量预测的应用建模计算比较，表明该方法是切实可行的。