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。     

用工业废水排放量预测地面水CODMn灰色方法研究

ＧＰＭ（１）灰色生长曲线常被用于等距时序环境系统的分析建模、非等距摆动空间序列方面的应用尚未报道。本文研究提出了将非等距摆动空间序列经过等距化处理的ＧＰＭ（１）线性回归优化建模方法采用该方法所建的非等距ＧＰＭ（１）模型用于工业废水量预测地面水ＣＯＤＭｎ的实例表明，该方法简捷，方便、精度高于回归分析，有较大实用价值。     

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。     

纺织厂车间噪声的灰色GIM（1）预测模型

利用灰色ＧＩＭ（１）模型的非时序直接建模法原理,对纺织厂织造车间的环境噪声分别建立了等间隔和不等间隔的非时序预测模型。实测研究表明ＧＩＭ（１）模型优于常规ＧＭ（１,１）模型,且所需建模数据大为减少,预测精度更高（达９９．９９％）,从而拓宽了灰色预测的适用范围。     

废气排放量灰色建模新法初探

分析并指出了灰色建模常规方法的理论缺陷，初步探讨和提出了将原始动态序列数据经过线性或指数变换，采用黄金分割法取背景值的直接建模方法，并运用它预测某化工厂的废气排放量，研究表明，该法较常规方法在提高预测精度等方面具有明显优越性，从而拓宽了ＧＭ（１，１）模型在环境科学领域的应用范围。     

灰色理论及模糊数学在城市噪声综合预测中的应用研究

一、方法 灰色动态模型的建立是以灰色模块为基础。对于给定的时间数据列: {X_i~o(m)} i=1,2,…,p:m=1,2,…n 一般不能直接用于微分拟合的建模中。 灰色建模的基础模块概念是指将原始数据经过一定方式处理后的时间序列(生成列)。 建立单序列的1阶线性动态模型——DM(1,1)模型: 给定时间数据序列:     

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。     

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。     

灰色消解模型的改进——z变换后的线性回归解法

针对文献中提出的灰色消解模型的建模方法进行了ｚ变换，然后改用线性回归的办法求解，实例验证后表明，模拟拟合状况一致，但计算工作量大为减轻。     

利用历史监测数据建立河流水质数学模型的研究

利用河流历史监测数据，采用一维河流输入输出线性水质模型建立了河流水质控制数学模型，证明了河流各水质监测断面水质间的线性关系，推导出了用历史数据估算模型参数的计算公式，以泾河甘肃段为例，介绍了建模过程，采用该方法建立的水质数学模型符合实际，精度高，能满足水质管理的要求。