1、预测作为我们案例进行研究，用来检验模型可靠性与准确性原始灰色，预测模型灰色,模型是最常用灰色预测模型之.该模型是个时间序列预测模型,它包含了组适用于参数方差微分方程，而不是阶微分方程.这个方程和般差分方程不同，它是随着时间而变化差分方程.虽然它没有必要采用原始系列所有数据去构建,灰色模型，但是序列基数必须超过个.此外，数据点选取必须以相等时间间隔，而且是连续序列不能跳过任何数据灰色模型构建过程如下记录原始序列,.,其中是观察到年份.累加生成形成定义为,.其中,,.,.，灰色模型可以通过建立个阶微分方程被构造因此，方程解可以通过最小二乘法方法得到，即,其中,.,.我们从方程得到了，是拟合和预测序列.其中.用逆累加生成操作，我们有,其中.,叫做灰色,拟合序列，而.,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型.真值与预测值差值被定义为。
2、求预测.最后，通过我们这项研究，改进灰色模型，在本文中，是个合适预测方法，它比原来灰色,模型得到更精确结果.参考文献,...,.,.,.,.,.,...,...,..,.构造因此，方程解可以通过最小二乘法方法得到，即,其中,.,.我们从方程得到了，是拟合和预测序列.其中.用逆累加生成操作，我们有,其中.,叫做灰色,拟合序列，而毕业设计论文外文资料翻译题目改进灰色预测模型在电力需求上应用院系名称理学院专业班级信计学生姓名学号指导教师教师职称副教授起止日期地点附件.外文资料翻译译文.外文原文.指导教师评语签名年月日中文字出处附件外文资料翻译译文改进灰色预测模型在电力需求上应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾，年月接受年月日通过摘要灰色理论是个真正多学科和通用理论，即在所处理系统具有信息较少和。
3、序列表示为,然后,.残差预测输出最终预测残差输入原始预测输出残差符号估计原始模型原始灰色,预测修正子模型残差灰色,预测人工神经网络符号估计混合模块数据输入人工神经网络残差符号估计模型近年来，已经进行了大量人工智能预测技术问题方面研究.然而，该模型毫无疑问由于应用了神经网络这强大计算工具而受到广泛关注.图．给出了个概要生物神经和个基本神经网络元素.人工神经网络模型像个黑盒操作，不需要系统详细信息.相反它们会通过研究以前数据，学习输入参数和受控及非受控变量间关系.人工神经网络模型可构造因此，方程解可以通过最小二乘法方法得到，即,其中,.,.我们从方程得到了，是拟合和预测序列.其中.用逆累加生成操作，我们有,其中.,叫做灰色,拟合序列，而.,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型.真值与预测值差值被。
4、信息缺乏特点时.本文提出了种改进灰色，模型，它采用了人工神经网络符号估计方法去进行残差修正.在本文中，我们用台湾电力需求预测案例来研究我们所提出方法效率和准确性.根据实验结果得知，我们提出新方法明显比原来灰色模型提高了预测准确性.年由有限公司发表关键词灰色理论改进灰色,模型人工神经网络.介绍灰色理论，最初是由邓提出，它是个真正多学科和通用理论，即在处理系统具有信息较少和或信息较缺乏特点时.灰色系统理论所涵盖领域包括系统分析，数据处理，建模预测，决策和控制.灰色系统理论主要适用于系统分析在信息较少，不完整或不确定时条件下.灰色预测模型已被广泛应用于在许多方面.相比与统计方法，时间序列灰色模型中原始系列基数叫做,灰色模型，已被证明需要是四个以上.此外，在应用灰色理论时，关于数据统计分布假设是没有必要.累加生成操作是灰色理论最重要个特点，其主要目是为了减少数据随机性.事实上，来自原始系列累加生成操作公式函数也很好适用于指数函数.在本文中，我们引入了个新方法，它结合了残差修正和残差人工神经网络符号估计，以此来提高原来灰色，模型准确性.此外，我们使用台湾电力需求。
5、详细改进灰色预测过程如下.图．预测系统原理图残差预测模型首先，残差序列绝对值表示为,.,其中,.,.通过使用相同方法如式，个灰色，模型可以被建立.预测残差序列表示为,然后,.残差预测输出最终预测残差输入原始预测输出残差符号估计原始模型原始灰色,预测修正子模型残差灰色,预测人工神经网络符号估计混合模块数据输入人工神经网络残差符号估计模型近年来，已经进行了大量人工智能预测技术问题方面研究.然而，该模型毫无疑问由于应用了神经网络这强大计算工具而受到广泛关注.图．给出了个概要生物神经和个基本神经网络元素.人工神经网络模型像个黑盒操作，不需要系统详细信息.相反它们会通过研究以前数据，学习输入参数和受控及非受控变量间关系.人工神经网络模型可,模型，它应用了结合人工神经网络符号估计来修正残差技术.我们研究结果表明，该方法可以得到比原来灰色,模型更精确结果.它同时也解决了数据太少问题，因为数据量少可能会导致符号相同残差数量低于个，从而违反了灰色,模型设定必要条件.改进灰色模型然后被应用到台湾电力需。
6、毕业设计论文外文资料翻译题目改进的灰色预测模型在电力需求上的应用院系名称理学院专业班级信计学生姓名学号指导教师教师职称副教授起止日期地点附件.外文资料翻译译文.外文原文.指导教师评语签名年月日中文字出处附件外文资料翻译译文改进的灰色预测模型在电力需求上的应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾.,其中,.,.通过使用相同方法如式，个灰色，模型可以被建立.预测残差序列表示为,然后,.残差预测输出最终预测残差输入原始预测输出残差符号估计原始模型原始灰色,预测修正子模型残差灰色,预测人工神经网络符号估计混合模块数据输入人工神经网络残差符号估计模型近年来，已经进行了大量人工智能预测技术问题方面研究.然而，该模型毫无疑问由于应用了神经网络这强大计算工具而受到广泛关注.图．给出了个概要生物神经和个基本神经网络元素.人工神经网络模型像个黑盒操作，不需要系统详细信息.相反它们会通过研究以前数据，学习输入参数。
参考资料：
（外文翻译）改进的灰色预测模型在电力需求上的应用（外文+译文）