摘要：针对服装流行色预测精度不高且原始数据受到冲击扰动等问题,基于中国纺织中心发布的2000—2019年春夏流行色定案中冷、暖色系所占比例,分别在长序列、宽间距序列、短序列下采用5种序列算子对原始序列进行优化,再分别与GM(1,1)模型结合,选择出预测精度最优的模型组合。结果表明,在长序列中紧邻均值生成算子和GM(1,1)模型结合预测效果较好。2019年冷、暖色系平均相对误差为0.73%,精度等级为优秀。

摘要：地下水位，水质是受多种（水文、气象、地貌、地质、水文地质条件和人为活动）因素影响，其原始数据列表象复杂，离乱，但它必须蕴含某种内在规律性。关键是选择适当方法去发掘和利用它。一切灰色序列都能通过某种生成弱化其随机性，显现其规律。建立ＧＭ（１．１）模型采用均值生成和序列算子，对哈尔滨市江南地区地下水位，水质预测，结果较其它方法预测结果更接近实际，精度更高。