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。     

应用递推GM（1,1）模型预测废气排放量

一、概述灰色系统理论中的一阶单变量预测模型GM(1,1),目前在环境预测实践中异常活跃,仅最近一段时间就有多种杂志刊登了多篇此类文章.总的来说,这些文章有以下两个特点:1.应用领域的拓广.如应用于港口油污染预测,降水pH值预测,城市环境综合整治定量考核指标预测,工业废渣产生量预测,大气悬浮颗粒物浓度预测,水污染控制系统中应用等等.2.预测方法的应用.如采用残差再度建模修正的方法,新陈代谢模型(等维信息模型)方法,拓扑预测方法,灾变预测方法等等.从根本上而言,这些应用实践均基于同样的建模原理及辨识方法(本文称之为普通GM(1,1)模型),即为连续的微分模型.本文将这种建模原理及辨识方法作适当的改变,介绍一种递推的差分模型,并应用于     

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。     

GPSM(1)灰色模型在大气降水酸度预测中的应用

介绍了ＧＰＳＭ（１）灰色模型的建模思想，并将其成功地应用于某地大气降水酸度预测，其结果与实际情况一致性很好，表明ＧＰＳＭ（１）模型预测大气降水酸度是可行的     

1976-2005年唐山地区降水变化规律及干旱预测

利用唐山市1976-2005年各县年降水序列，分析了该市降水的空间分布规律和时间变化特点。采用灰色系统的灾变预测方法，对各县分别建立了GM（1，1）模型，进行未来25年唐山市各站的干旱年预测。利用残差检验、后验差检验和关联度检验对各模型分别进行了精度检验。结果表明，预测模型精度较高，可以对唐山市各县未来的干旱年进行预测，从而为科学决策提供依据。     

基于比例下降-灰色预测型线性规划的大气污染控制规划模型

探讨了比例下降模型和灰色预测型线性规划模型机理及比例下降-灰色预测型线性规划模型建模和求解的过程。根据大气污染控制规划实例，在该区域内污染源按等比例下降方式排放污染物构建模型，运用单纯形法对模型求解并对规划结果进行灵敏度分析。结果表明，比例下降-灰色预测线性规划模型适宜含有不确定性信息的区域大气污染控制规划，尤其在空间尺度较大的污染控制区内，针对不同污染源规划相应的污染控制方案时具有适应性。     

基于MDSF的河流水质预警

介绍了流域水资源模拟与决策支持框架(MDSF)的框架结构、InfoWorks RS水质模拟方法及水质模型。利用MDSF,通过节点、断面、连接等建模工具构建长江南京段水质预警计算网络,并采用2005年实测资料说明了水动力、水质计算的上下游边界条件和模型参数率定等方法。     

区域PM2.5时空回归建模与预测

基于区域PM_(2.5)时空建模和预测的需要及PM_(2.5)浓度呈现明显的时空分布趋势的状况,以苏南地区2014年PM_(2.5)日监测数据为实验数据,使用回归克里格对区域PM_(2.5)进行时空建模和估值。利用最小二乘法建立了PM_(2.5)与时空位置的三元二次回归趋势模型,建模点趋势值与实测值间的平均误差接近于0,表明趋势模型拟合效果较好;拟合了样点残差的理论变异函数模型,表明该地区PM_(2.5)的空间和时间相关性范围分别为150 km和4 d;基于该模型,使用时空普通克里格对残差进行时空插值;插值结果与趋势项相加,得到PM_(2.5)回归克里格估值结果;通过对比不考虑趋势的时空普通克里格估值结果,发现考虑时空趋势的时空回归克里格法精度提高了1. 29%。对所提方法进行了创新性分析,并对不足之处进行了讨论。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

大气环境数据分析预测方法对比研究

以西安市2006年9月27日至2008年5月3日每日的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果。结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好。     

灰色系统的GM(1,1)模型在地表水COD浓度预测中的应用

本文试用灰色系统中的GM(1,1)模型,对某地1982年～1989年地表水—监测断面COD浓度变化进行建模预测,旨在为预测地表水污染变化找到一条准确适用的方法.