改进背景值的GM(1,1)优化模型
灰色GM(1,1)模型背景值计算的改进
测模型 , 出了利用 N wo- o ' 积 提 e t Cts n e求
x f ) 2, x () x , ( A, nJ 1x ) a
() 1
x( 1 x + ()= () ( +) c )a.x ̄d u 4 ” 一l f J t k ’ O
JI t
公 式 、as— eed 求 积 公 式 和相邻 其 中 x )0 il , n G usLgnr e i , , A,。 > =2 最近插值方 法构 造背 景值的一类计算方 对原始数据作一次 累加后 为
工业 园 区大都 属于离散 型集 聚类 型 , 即 企业之 间只有简单 的空 间集聚而没有产
6为 工业 园 区创 造 良好 的 环境 .
我国在县域工业园区建设方 面最近 几年发展较 为迅速 ,特别是经济发展较
环境包 括政策 环境 、 基础设施环境 、 快地区在该方面积 累的经验为其它地 区
但 业 内在 的逻辑联 系, 产业关联度很低 , 这 自然环境 等。政府应 在为工业园 区创造 起到了很好的示范和带动作用。 同时应 种离散 型集 聚只能产 生低层次的集聚效 良好 的环境中起主要作用 。 首先 , 应建立 看到的是其 中仍存在着诸 多不足之处 , 要 以不违政策 为前 提 , 在土 在全 国范 围内通过发展县域工业 园区促 应。 因此 , 产业链 网状集聚模式是我国县 政策引导机制 , 进 域工业 园区今后发展 的方向。 地征用 、 方费用优 惠 、 镇户 籍 、 地 城 办事 进县域工业的发展 。 而带动整个县域经 5拓 宽融 资渠道 , . 抓好 招 商引 资工 效率等方面制定切合地方实 际、对客商 济竞争力的提升依然任重而道远 , 还需要
推进“ 绿色生产 ” , 用。 目前工业园区主要存在 四种发展模 索中介服务机构如评估机构 、 担保机构 注重 自然环境 的保 护 , 循环经济” 。 式: 离散型集聚模式、 同质型集聚模式 、 等的建立 ,为工业 园区内企业融 资消 除 发展“
基于离散指数函数优化GM(1,1)模型的重新优化
G 1 1 模 型 的预 测 精 度 , 是 最 主要 的精 度 影 响 M( , ) 但
因素还 是背 景值 构造 的缺 陷 . 献 [ - 3 文 78 以拉格 朗 日
中值定 理 在理 论 上 分 析 了背 景 值 构 造 的 不 足 , 献 文
令 “ 为
的 AG 序列 O
( )一 3 。 ( ) 1 2 Байду номын сангаас , ‘
陈鹏 宇 段 新 胜
( 中国地 质 大学 ( 武汉)工程 学 院 ,武汉 4 0 7) 3 0 4
摘 要 : 析 了已存 两种基 于 离散指 数 函数优 化 的 GM( , ) 型存 在 的问题 , 合 两 者 的优 化思 想 分 11模 结
对 已存 的背 景值构 造形 式添加 动 态修 正项 , 立 了适 合 于近 似 指 数 序 列建 模 的重 新优 化 模 型 , 建 实
Reo t zn n Op i lGM ( , )M o e s d o — p i i g a tma mi 11 d lBa e n
Dic e e Fu to t po e i lLa s r t nc i n wih Ex n nta w
Ch n Pe y Du n Xi h n e ng u a ns e g
k
[] 几 何 思 想 上 分 析 了 背 景 值 构 造 的 不 足 , 献 9从 文
灰 色预 测 模 型 是 灰 色 理 论 的 重 要 组 成 部 分 , 而
GM( , ) 型 是 灰 色 预 测 模 型 中最 基 本 的预 测 模 11 模 型, 已经 在 许 多领 域 得 到 了 广 泛 应 用l J 但 是 GM l. 。
重新 审视 文献 [ 2 中的背 景值 构造 , 1] 并指 出文献 [ 3 1] 优化 方法 的不 足 , 立新 的背 景 值 构造 形 式. 例 应 建 实
改进的GM(1,1)幂模型的构建与应用
often obtained by constant variation method of first-order non-homogeneous linear equation. Then, by using whitening equa tion, the calculation formula of parameters is deduced by discretization under the principle of information coverage of grey system!andtheparametersaresolvedbyleastsquaremethod.Inordertocompensateforthedefectofdecreasingprecision!the PSO algorithm is used to modify the coefficients of the prediction model. A case study shows that the traditional GM (1,1) model has the worst prediction effect and the improved GM (1,1) power model has the best prediction effect.
型白化方程的解,再利用白化方程,在灰色系统信息覆盖原理下经过离散化处理推导出参数3的计算公
式,并利用最小二乘法求解参数a,.但是在求解过程中由于离散化的处理,造成了时间响应预测函数精
改进背景值的新陈代谢GM(1,1)在变形预报中的应用
( 5 )
并假设该曲线过 ( k + 1 ) 和 ‘ ’ ( ) 两点 , 因此有 :
( 6 ) ( 7 )
献¨ 的基础上 , 推导 了改进背景值 的新陈代谢 G M( 1 ,
时, 则有 :
素进 入 系统 , 使 前 端 的数据 对 末 端 的数 据 影 响逐 渐 减 弱, 导 致后 期预 测 误 差 逐 渐增 大 J 。很 多 研究 者 都 在 寻 找各 种方 法对 G M( 1 , 1 ) 模 型进 行 改进 , 以提 高其 预 测 的精 度 。例如 残 差 G M( 1 , 1 ) 修 正 模 型 以及 采 用 加权 , 优 化 等方 法 以提 高模 型 的精 度 。虽 然 这 些 方
( 1 0)
则生 成数 列 ( 1 ( ) 的 白化微分 方 程为 :
1 ) 模型 , 并 通过 工 程实 例 验 证 了改 进 模 型 的可行 性 和
有 效性
2 改进 背 景 值 的 新 陈 代 谢 G M( 1 , 1 ) 模 型
2 . 1 灰 色模 型 背景值 的推导 ¨ J
6 = n [ 兰 ; 专 ] = l n x ( 1 ) c + 一 n ( 1 , c c 8 ,
着 时 间 的推移 , 将 会 不 断地 有一 些 随机 扰 动 或 驱 动 因
…
( + 1 ) 一 ( ) + 口 f ¨ ( ) d t = “ , k = 1 , 2 ,
,
n 一 1
( 3 )
设背景值 Z ‘ ’ ( k + 1 ) 为 ‘ ’ ( t ) 在区间[ , + 1 ] 上
改进的GM(1,1)模型及其应用
由 最 / z. 法 . 以求 得 参 数 b 乘 可
[ b]_ r I a r ( B)Br,
现 1 GM( , ) 型 的 改进 11 模 代 计 11 GM ( ,) 型 . 11 模
其 中 1为 发 展 系 数 . 灰 作 用 量 .是 微 分 方 程 7 , b为
的参数 。
足. 并对初 始值添 加修正项 由于背 景值构 造 和初始
值 的确 定 对 模 型 预 测 精 度 的 影 响 是 相 互 制 约 的 . 有 只
灰 微 分 方 程 白化 型 为 :
d 懈 … f ’ (’ 3)
期
v
作 者 简介 : 红健 ( 9 0 , , 南邵 东人 , 科 , 验 师 , 究 方 向 为 灰 色 理 论 、 息 安 全 、 育 教 学 等 尹 1 7 一) 男 湖 本 实 研 信 教
@  ̄DI C P E . 0EN 0 U l 1 I  ̄ T 2
研究 开 与 发
() 1
㈩ : Im ()∑xl )  ̄ (
令 (为 (的 均 值 ( A 序 列 : ) 1 ME N)
据灰 色 系统 的预 测理 论提 出了一 些新 的灰色 预测 模
型 , 中 包 括 谢 乃 明 提 出 的 离 散 G 11模 型 [ 陈 霞 其 M( ,) 4 1 , 提 出 的 A M (,) 型 [ 李 大 军 提 出 的 P M (,) G 11 模 5 1 。 G 11 模 型[ 6 1 本 文 将 以 灰 微 分 方 程 与 其 白化 型 的 对 应 关 系 等 为 基 础 分 析 背 景 值 构 造 的 缺 陷 . 建 立 加 权 背 景 值 构 并 造 . 最 小 二 乘 法 理 论 为 基 础 分 析 了 初 始 值 确 定 的 不 以
对背景值和灰导数同时优化的新GM(1,1)模型
序 列 而 言 具有 白化 指 数 律 重 合 性 ; 过 来 源 于 生 产 实 际 的 数 据 验 证 了新 模 型 相 对 于 原 始 模 型 、 独 通 单 优 化 灰 导 数模 型 、 独 优 化 背 景 值模 型 , 具 有 更优 的模 拟 精 度 和 预 测 精 度 。 单 都
关 键 词 : ( , ) 型 ; 化 ; 景值 ; 导 数 ; 测 误 差 GM 1 1 模 优 背 灰 预
维普资讯
对背景值和灰导数同时优化的 新 6 1 1 模型 M( , )
申 莹l a , 2魏 勇化
( 西华 师 范 大 学 a 学 与 信 息 学 院 b研 究 生 处 , 1 . 数 . 四川 南充 6 7 0 ;. 宁 学 院 数 学 系 , 3 0 2 2济 山东 曲 阜 23 0 ) 7 10
cse[,E o o tc ,19 .6 , ess ] cnmer a 9 5 3 J i [3C mp e , ,L W, n c na .T e E oo tc f 1] a b l J l Y, oA, ,ad MaKil C h cn me iso y r Fn n i res ] r ctn U iesy Pes19 . iacM Makt[.P n e nvri rs, 7 J i o t 9 [4Ne e K,WetKD. i l S mid f i .He rse a— 1] w y W.. s . A Smpe e — e nt i e t ok ds e
o f Ame c n t t tc l As o i t n 1 9 ,9 . i r a S a i ia s c ai s o 9 8 3
,
E—
[4A d r n T G. ad u d J E t aig o t u u Tme 2 ]n es , . e n L n , . si t C ni os— i m n n
参数和背景值同时优化的GM(1,1)模型
原值为 主 ‘ 。 ’ ( 七 ) = c P 一 础( 七 =2 , 3 , …, 刀 ) , 设 P=∑ n [ ( 。 ( 后 ) ( 。 ( J j } ) ] 参数 口由( 1 ) 确定 ,根据最小二乘法 , 则
c:
I L k 兰 = 2 c 。 ( 尼 ) e 一 J l / k = 2 P _ 2
值, 根据 最 小二 乘法, 先只 求出 发展系 数一 口 , 再根 据芝 [ ‘ 。 ( 七 ) ‘ 。 ( 后 ) ] 最小, 求出 参数c , 从而 得到 优
化的参数 a 、 c . 建立以优化后的 a 、c 为参数的 G M( 1 , 1 ) 模型 , 利用该模型进行模拟时 , 不需要选择初始条 件 ,并且该模 型具有 白化指数律重合性. 通过对数据的模拟、比较 、分析 ,该优化的 G M( 1 , 1 ) 模型具有更
作 者简 介 :胡大 红( 1 9 7 4 一) ,女 , 湖 北随州 人 , 汉 口学 院公数 课部 副教 授,主要研 究方 向 : 灰 色系统 理论 及其 应用
胡 大红 :参数和背景值 同时优化的 G M( I , 1 ) 模型
算式为 :
口
2 ) 杰 ) 一 ( ) ’ ( 尼 ) 川七 ) … 1
盟 最 小 求出参数 c , 建立优化模型; 参考文献【 l 2 】
,
一L
由原始 G M( 1 , 1 ) 模型求出参数 口 、6 ,再根据 [ ( 。 ( 七 ) 一 ( 。 ( ) 】 最小确定时间响应式 中的常数 c .
本 文 以 z ( 1 ( 七 ) = ( 0 ( J i } ) / h 蔷 罨 + ( 1 ( 七 ) 一 ( 0 ’ ( ) / [ ( 0 ( 尼 ) 一 ( 0 ( 七 一 1 ) ] 】 ( 七 = 2 , 3 , … , ) 为 背 景
GM(1,1)模型的适用范围
GM(1,1)模型的适用范围摘要GM(1,1)模型是一种常用的灰色系统数学模型,在许多领域得到了广泛的应用。
本文将介绍GM(1,1)模型的基本原理及其适用范围,并针对不同领域中GM(1,1)模型的具体应用进行详细讨论。
简介灰色系统理论是一种将统计学、数学和信息科学相结合的新兴跨学科领域,其研究的对象是具有不确定性、非完备信息的系统。
GM(1,1)模型是灰色系统理论中最常用的一种数学模型,用于预测和分析时间序列数据。
GM(1,1)模型的原理是基于灰色系统理论的灰色模型建模方法,该方法根据数据序列的变化规律,建立数据的动态变化模型,并通过建立灰色微分方程来进行预测。
GM(1,1)模型主要适用于简单的时间序列数据的预测和分析,具有简单、快速和高效等特点。
GM(1,1)模型的适用范围GM(1,1)模型适用于许多领域,主要包括以下几个方面:经济领域GM(1,1)模型在经济领域中的应用非常广泛,用于进行经济增长预测、市场趋势分析和投资策略制定等。
例如,可以将GM(1,1)模型应用于GDP季度数据的预测和分析,对经济增长趋势进行精确预测,为决策者提供科学依据。
工程领域GM(1,1)模型在工程领域中主要应用于生产和管理技术的改进、质量控制和生产计划制定等。
例如,可以将GM(1,1)模型应用于生产过程中某个指标的预测和分析,帮助工程师优化生产过程,提高生产效率。
自然科学领域GM(1,1)模型在自然科学领域中主要应用于气象、环境、水资源和地震等领域的数据分析和预测。
例如,可以将GM(1,1)模型应用于气象领域的气温预测和降雨量预测,为决策者提供准确的气象数据,为灾害防治提供科学依据。
社会科学领域GM(1,1)模型在社会科学领域中主要应用于人口、教育、医疗和农业等领域的数据分析和预测。
例如,可以将GM(1,1)模型应用于人口结构和教育发展趋势的预测和分析,帮助政府制定科学的人口和教育政策。
GM(1,1)模型的优缺点GM(1,1)模型具有以下优点:1.GM(1,1)模型具有简单、快速和高效等特点;2.GM(1,1)模型可以使用少量的数据进行分析和预测;3.GM(1,1)模型对数据的数量级和分布形态要求不高。
GM(1,1)模型的改进及应用
第15卷第3期2013年9月心用趁凼分析字撤A C T A A N A I j ySI S FU N C T I O N A L I S A PP L I C A l l AV bl.15.N O.3Sep.,2013D O I:10.3724/SP.J.1160.2013.00211文章编号:1009-1327(2013)03—0211-07G M(1,1)模型的改进及应用王国兴兰州商学院信息工程学院,兰州730020摘要:随着经济的飞速发展,对经济的预测已经是必要的手段,本文选择灰色预测模型来预测经济的发展.然而,传统的G M(1,1)模型存在一些不足,往往在数据之间变化很大时得不到理想的结果,预测精度不高.首先对G M(1,1)模型做了简单的介绍,然后通过改进初始值的光滑度和背景值的取值优化模型,最后运用改进的G M(1,1)模型预测兰州市未来几年的经济发展,从预测结果看到在2020年兰州市的全民生产总值将达到6000亿.关键词:灰色预测;光滑度;背景值;全民生产总值;数学模型中图分类号:0159文献标志码:A1引言1.1灰色系统的产生和发展灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的.二十几年来,引起了国内外不少学者的关注并得到了长足的发展[1--5】.目前,在我国已经成为社会、经济、科学技术等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一.特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模,具有独特的功效,因此得到了广泛的应用.当今是信息时代,对信息的处理已近成为人们日常生活中、生产、科研中的重要步骤.对于确定信息的研究,人们已经有了丰富的经验和知识.然而对于部分信息已知,部分信息未知的模糊系统来说,除了用概率统计和模糊数学的方法来描述外,还可以用灰色系统来描述那些“小样本,贫信息,不确定”的问题.灰色系统是通过对原始数据的收集与整理来寻找其发展变化的规律的,这是一种从数据中寻找数据实现规律的途径,灰色系统认为,尽管客观系统表象复杂、数据离乱,但他是有整体功能的,因此必然蕴含某种内在的规律.灰色系统通过部分已知信息的生成、开发去了解、认识现实世界,实现对系统运行行为和演化规律的正确把握和描述.灰色系统是一种十分简单,易学好用的新理论,应用范围极广,深受广大学者的喜爱.1.2问题的提出G M(1,1)模型是灰色系统理论中应用最为广泛的一种灰色动态预测模型,用于定量预测和分析,是灰色预测的核心.然而,在实践应用中发现,此模型的拟合和预测效果有时很好,有时偏差很大,经分析发现,灰色微分拟合建立的G M(1,1)模型的精度一方面和初始序列的光滑度有关,另一方面和背景值的选取有关.基于这种情况本文提出了一种改进的G M(1,1)模型,并就兰州市的全民生产总值进行了预测.收稿日期:2013—06-08资助项目:兰州商学院2011年度教学改革研究重点课题(20110113)作者简介:王国兴(1976-),男,甘肃天水人,副教授,硕士,研究向:经济学、学模型212应用泛函分析学报第15卷2G M(1,1)模型的建立2.1灰色生成1)灰色生成的定义将原始数据列中的数据,按某种要求作数据处理称为灰色生成.客观世界尽管复杂,表述其行为的数据可能是杂乱无章的,然而它必然是有序的,都存在着某种内在规律,不过这些规律被纷繁复杂的现象所掩盖,人们很难直接从原始数据中找到某种内在的规律.对原始数据的生成就是企图从杂乱无章的现象中去发现内在规律.2)累加生成设初始数据序列为x(o)=(z(o’(1),z(o)(2),…,z(o’(几)),记生成数据序列为x(1)=(z(1)(1),z(1)(2),…,z(1)(佗)).若x(1)和x(o)之间满足如下关系z(1’(七)=∑垒1z(o)(i),i=1,2,…,佗.称x(1)是x(o)的一次累加生成并记为1一A G O.3)累减生成令x(7)为r次生成数列,对x(’)作i次累减生成记为△(扪,其基本关系为:△(‘)(z(’)(七))= z(o)(七).更进一步的有z(r-1)=z(”)(南)一。
基于改进背景值的GM(1,1)模型的农业用水量预测
当前 , 资源短缺 问题 已成为制 约我 国农业 生产 发展 的 水 重要因素 。农 田灌溉 占水资 源 利用 总量 的 7%以 上 , 0 因此 , 正 确预测灌 区农业 用水 量具 有 重要 的 现实 意 义… 。农 业 用 水 量 及其增 长 受地 区经 济发 展水 平 、 农业 产业 结 构 的变化 、 气 候 、 理等诸 多 因素的影 响 , 中一些 因素是 确定 的 , 地 其 而一 些 因素则不 确定 , 可 以把 它看 作一 个 “ 色 系统 ”可 用 时 故 灰 , 间序列观测 值建立 G ( ,) 型 。 M 11模 2 J
WAN Yu ny a ( oeeo E v om n l c nead& l n , " iU i r t,Saga 2 ̄ 9 ) G a-u n Clg f ni n e t i c n l r aSe 1 g I ̄ nv sy hnh i oo2 e o ei Abt c G 1 1 ndl a eue rtepe ii f giut a w tr osm t n u tepeii edt ei r e . es o ere sat r M( ,)I e nb sdi h r c o o r l rl a nu pi ,b th rcs nne ob mpo d mot dge o c l d tn a c u ec o o v h o I ia dt qec n h o f mt nm to f dl ak f i rl a s u neadtecn n i ehdo moe bc ̄ o g1 a e o o vl ntet dt nl M( , ) dl eei r e . au ei h r ioa G 1 1 moe w r mpo d s o er f a i v mot dge o h e
优化背景值的GM(1,1)模型组合改进
i m p r o v e me n t s c h e me f o r a c c u mu l a t i n g g e n e r a t i o n s e q u e n c e b a s e d o n t h e G M ( 1 . 1 ) mo d e 1 . T o f u r t h e r o p t i mi z e
Co mb i n a t i o n i mp r o v e me n t me t h o d s f o r b a c k g r o u n d v a l u e o p t i mi z e d
GM ( , 1 , 1 、 ) mo d e l
S HAN Ru i ,S HI S u t o n g , LI U We n
B P — GM( 1 . 1 、 mo d e l h a s a b e t t e r i f t t i n g a c c u r a c y . T h e mo d e l p r o p o s e d c a n b e wi d e l y a p p l i e d . Ke y wo r d s : e y t h e o r y ;G M( 1 , 1 )mo d e l ;B P n e u r a l n e wo t r k ;c o mb i n a t i o n f o r e c a s t i n g ; B P — G M( 1 , 1 )mo d e l ;
( C o l l e g e o f S c i e n c e , Ya n s h a n U n i v e r s i t y , Qi n h u a n g d a o 0 6 6 0 0 4 , C h i n a )
改进背景值的非等间距GM(1,1)模型
展得矩形 为yB[ 开其阵式 :=×】 :
一
( 5 )
z
‘ ( 2 A k k) ’ 2 .A k 。 k)
Y :
一
其中, = B
1 非等 间距 G 1 1 模型背景值的改进 M( , )
1 1非 等 I . 司距 GM ( 1 模 型 建 模 机 理 1, )
设 非 负 序 列 。 = { 。( ‘ ( … , ’ k )} 记 间 距 Ak k ), 。 k ), 。( , ’ =k 一k , i=2, … . 。 间 距 Ak 3, n 若 f 不 为 常 数 , 称 ‘ 则 。 非 等 间距 序 列 。 序 列 ‘ = { ( 1 ‘ ( 2 … , ( , 其 中 ‘ ( = 为 设 ‘ k ), k ), ‘ k )t 若 ’ k) ’
将 上式 在 区间 [ k ]上 积 分 , 有 : 则 +。
一
+口 … : 6
) : 6£ d
() 1
( 2)
求积分并化简可得 : ( Ak +口 k) 』
’ d t=b Ak
() 3
记 : k)=f “d, = ,, ,。 ¨( 称作 在区间[ , ] ( t 23… n将。’k “ i ) 。f k k 上背景值 。 3 式可表示 则( )
作 者简 介 : 新 安 (9 2一) 男 , 童 18 , 湖北 荆州 人 , 阳理 工 学 院 数 理 部 教 师 , 事数 据 处 理 与分 析 、 杂 系 统 建模 研 究 。 洛 从 复
中图分 类号 : 9 13 文献标识码 : 文章编号 :0 6—26 (00 0 —0 7 0 收稿 日期 :09—1 0 N4 . A 10 15 2 1 ) 3 0 7— 3 20 2—1 作 为 灰 色 系 统 理 论 重 要 理 论 之 一 的 GM( , ) 型 , 被 广 泛 应 用 于 工 业 、 业 、 会 、 济 等 诸 多 领 11 模 已 农 社 经 域 。 。 从 灰 色 系 统 理 论 建 立 起 , 于 等 问 距 序 列 产 生 的 等 间 距 GM( , ) 型 已 经 取 得 了 丰 富 的 研 究 成 。 。 基 11模 果 . 而 , 际工 作 中得到 的往往 是非 等 间距 的序列 , 然 实 因此 对 非 等 间距 GM( , ) 型 的 研 究 具 有 广 泛 的 现 1 1模 实 意 义 [ ] 。
改进的GM(1,1)模型在新能源汽车销量预测中的应用
一、相关研究综述新能源汽车是人类进入清洁能源时代的一大助力,因其不单纯依靠内燃机提供动力来源,而是用电力与动力电池代替石油与内燃机。
与传统燃油汽车相比,能极大减少排放。
新能源汽车从2015年以后开始在我国迅速发展,其相关技术研究与学术研究起步较晚,相关数据与可参考资料有限。
为准确把握其发展趋势,找准发展市场,为配套产业、基础设施、维修服务等提供参考依据,对销售量的准确把控就显得尤为重要。
针对新能源汽车销售量预测的研究较少,因此,建立新能源汽车销售量预测模型有利于各行业及企业了解新能源汽车未来的需求,也能为相关学者的研究和相关企业的战略决策提供参考。
近几年开始陆续有学者对新能源汽车进行研究,马琪等通过对问卷调查数据进行量化分析后得出,新能源汽车的销量受到消费者个人理念与政府政策激励的影响[1]。
李创等认为,消费者对于新能源汽车的购买欲望与其家庭收入显著相关[2]。
Xiao Feng 等认为,制造商的投入与新能源汽车销售量呈现明显的正相关关系[3]。
蓝镓宝利用鲁棒性强的支持向量回归,以及Bagging 集成学习法,对我国新能源汽车的销量进行预测[4]。
针对新能源汽车仍处于发展起步阶段,与其相关的参考资料有限,可获取的历史数据也不多。
因此,本文采用改进的GM (1,1)灰色预测模型对其销售量进行预测。
灰色系统理论由邓聚龙教授首次提出[5]。
许多学者对其中的GM (1,1)模型进行了大量研究,改进并引申出许多其他预测模型,为不确定性预测理论和方法的发展提供参考,也解决了大量实际性问题[6]。
背景值与GM (1,1)模型的预测精度密切相关,因此许多学者从背景值角度研究模型的改进方法。
Wang 等针对白化方程为非齐次指数函数对模型初始值进行优化,进而构造新的背景值表达式减少误差[7]。
蒋诗泉等利用分段低次插值,加上改进梯形面积计算方法来减少误差[8]。
李凯等人提出一种新的构建背景值的方法,利用辛普森3/8公式和牛顿插值公式进行组合插值,并让初始值参与建模,降低模型预测误差[9]。
基于背景值改进的GM(1,1)预测模型的研究及其应用
维普资讯
第 4期
陈永刚等: 基于背景值改进的 G 11预测模型的研究及其应用 M( ,)
关键 词 : M ( , ) 测 模 型 ;背 景 值 ;应 用 G 11预
中 图分 类 号 : P 7 T 24
文献标识码 : A
0 引 言
灰 色系统 是指 信息 部分 明确 、 分不 明确 的系统 。其 中包 括 元 素 ( 数 ) 息 不 完 全 、 构信 息 不 完 全 、 部 参 信 结
45 4
其 中 n和 U为 待辨 识 常数 。 待 辨识 常数 的最 小二 乘法 解 为 : a ] 一 ( B) , B B Y
r — z ( ) ‘ 2
其中 Y
—E∞ 2, 3, ( ], — l ( x ) ∞( …, 。B ( ) )r — 3 )
摘 要 : GM( ,) 测 模 型 的 建模 机 制 出发 , 析 出 GM( ,) 景 值 对 预 测 模 型 的 精 度 有 着重 要 的作 用 , 从 11预 分 11背 提
出 了利 用 线 性 函数 插 值 和 高斯 公 式 来构 造 模 型 中的 背 景 值 , 用 新 的 背 景 值 计 算 公 式 能 够 有 效 的 提 高模 型 的预 测 利 精 度 。 最后 用 本 文 提 出的 方 法 对 我 国人 均 发 电量 建 立 了灰 色模 型 , 结果 表 明 了本 文提 出方 法 的 有 效 性
关 系信息 不完 全 、 为信 息 不完全 。灰 色 系统 的信息 可 分 为确 定 性信 息与不 确定 性 信 息 。对 于 贫信 息 系 统 行
改进的GM(1,1)模型在商品进出口贸易问题中的应用
改进的GM(1,1)模型在商品进出口贸易问题中的应用杨翠;刘冲【摘要】针对我国近些年商品进出口额低增长的特性,利用最优平移变换优化原始序列,建立GM(1,1)模型进行预测分析,从结果可看出,优化的灰色模型计算简单,模型更加精确可靠,能对未来我国商品进出口额预测提供更有效的数据依据,具有很好的实际意义。
%In recent years, the import and export goods have low growth characteristics in our country. The GM (1,1) model is established to predict the original sequence with optimal translation sequence by optimizing the original sequence. The results show that the improved grey model has characteristics of higher accuracy and more simple calculation process. It can provide more effective data basis by applying the grey model for the future of China's commodity import and export volume forecast, and has a good practical significance.【期刊名称】《安庆师范学院学报(自然科学版)》【年(卷),期】2016(022)004【总页数】4页(P23-26)【关键词】灰色预测;GM(1,1)模型;进出口贸易;平移变换【作者】杨翠;刘冲【作者单位】安庆师范大学数学与计算科学学院,安徽安庆 246133;安庆师范大学数学与计算科学学院,安徽安庆 246133【正文语种】中文【中图分类】O231.2近几年来,进出口货物问题是大家最为关注的问题,也是经济学研究的重要课题。
GM(1,1)模型的特性与优化研究【最新经济学类】
南京航空航天大学硕士学位论文i摘 要本文以灰色系统理论中的)1,1(GM 模型为主要内容,其核心包括)1,1(GM 模型的特性、)1,1(GM 模型的优化和)1,1(GM 幂模型研究三个部分,在各个部分对相应的模型作了应用,以期在前人研究的基础上,进一步完善灰色模型理论体系,扩大灰色预测理论与方法的应用范围。
具体内容包括以下几个方面:1.初步探讨了灰色模型的病态性问题。
运用矩阵理论的特征值估计定理,经过一系列的数学推导发现,只有在原始序列首项不为零,其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的。
2.分析了)1,1(GM 模型的稳定性与发展系数a −的关系,研究了无偏)1,1(GM 模型的混沌特性以及适用范围,并与)1,1(GM 模型做了比较。
从混沌理论的角度得到了无偏)1,1(GM 模型的适用范围及其适应性比)1,1(GM 模型有所增强的原因。
3.以原始数据序列的模拟值和原始数据序列的误差最小化为目标,基于最小二乘原理确定时间响应函数中常数C ,从而构建了一种新的优化的)1,1(GM 模型,有效解决了)1,1(GM 模型白化响应函数初始条件确定的问题。
4.从)1,1(GM 模型背景值)()1(k z 的几何意义出发,用非齐次指数函数来拟合一次累加生成序列,提出了一种背景值构造的方法,得到一种更为合理的背景值计算公式,使得优化后的模型模拟和预测精度有显著提高,尤其是当发展系数绝对值较大时仍然保持很高的精度。
5.在分析现有灰色Verhulst 模型中存在问题的基础上,根据灰色Verhulst 模型的白化微分方程的形式,推导出一种新型灰色Verhulst 模型,使得差分方程的参数与其在微分方程中对应的参数具有更好的一致性。
6.根据灰色系统信息覆盖的基本原理,给出了)1,1(GM 幂模型中参数α的估计算法,讨论了α的不同取值对模型解的性质影响。
对其白化微分方程解的定理进行了补充,并给出了白化微分方程解的优化方法,进一步推广了)1,1(GM 幂模型的应用。
优化背景值的 gm1
( ) 条件 x(0) 1 改进为累加生成序列 x(1) 的第 n 个分量 值 x(1) ( n) ;文献[10]提出了对背景值的优化,将原 背景值 z(1) ( k) 优化为
z(1)
(
k
)
=
lnx(1) x(1)(来自(k k) )
0引言
作 为灰 色 系 统 理 论[ 1- 3] 的 核 心内 容 之 一 的 灰色
GM (1,1) 模型,因其具有所需样本数据少、不需要
计算数据的统计特征量等优点,而使其应用价值在
( ) 越来越多的领域中得到体现. GM 1,1 模型[4-5]作为
灰色理论中应用广泛的一种灰色模型,由于其原始 的算法存在一些缺陷,因此,近年来有不少学者针
对灰色 GM (1,1) 模型中的一些问题做了改进.目前
这些改进的方法大致有如下几类:(1) 改进模型中 参数的估计方法[6-8 ];(2) 改进模型的初始条件[9]; (3) 改进模型的背景值[10-12];(4) 改进模型的灰导数 白化 值[ 13 -14 ],这些 改进 的方 法的 拟合 精度 均优 于传
第 31 卷第 2 期 Vol.31 No.2
辽宁工程技术大学学报(自然科学版) Journal of Liaoning Technical University(Natural Science)
文章 编号 :1008- 0562(2012) 02- 0264-04
2012 年 4 月 Apr. 2012
优 化 背 景 值 的 GM(1,1)
王换鹏,刘 文,单 锐,张 雁,靳 飞
(燕山大学 理学院,河北 秦皇岛 066004)
基于粒子群算法的GM(1,1)_模型优化
0 引言灰色系统理论是由我国著名学者邓聚龙教授首创的一门系统科学理论,其产生与发展为人们科学认识和解决不确定的系统问题提供了一个新的视角[1]。
GM(1,1)模型作为经典的灰色预测模型,具有所需原始数据量少、计算简便、适用性强等优点,在农业、工业、经济管理、工程技术等领域中得到了广泛应用。
然而传统GM(1,1)模型也存在一定的局限性,当发展系数越大时,GM(1,1)模型的预测精度越低。
为提升传统GM(1,1)模型的精度,扩大适用范围,学者们进行了大量的研究,结果表明,模型背景值构造以及初始值选取极大程度上影响了预测精度。
背景值优化方面,一是优化传统的背景值公式,如蒋诗泉[2]利用复化梯形公式优化背景值,王晓佳等[3]将分段线性插值函数与Newton 插值公式相结合,改进了背景值的构造方法。
背景值公式优化方法尽管在一定程度上提升了模型精度,但是背景值计算均较为复杂。
基于此,张可[4]结合非线性优化的粒子群算法对背景值参数直接进行寻优,提升了预测精度,扩大了模型使用范围;杨孝良[5]提出三参数背景值构造的新方法,提升了背景值的平滑效果;徐宁[6]基于误差最小化对GM(1,1)模型背景值进行优化,该方法改善了发展系数较大时建模精度低的不足,保持了较好的无偏性,计算过程也很简便,但是证明基于原始序列有齐次指数增长规律的前提,限制了模型的适用范围。
初始条件优化方面,熊萍萍[7]针对非等间距 GM(1,1) 模型的预测问题,提出以非等间距一阶累加生成序列各分量的加权平均数作为优化的初始值,通过算例验证了所提出的非等间距优化模型的有效性和可行性;张彬[8]将背景值优化公式和边值修正相结合对模型进行改进;郑雪平[9]借鉴徐宁和张彬的思路,将初值优化方法和背景值优化结合起来进行模型优化,使近似齐次指数序列拟合效果得到明显提升。
为提升模型的适应性,本文利用智能算法实现动态寻优的目的,采用平均相对误差最小准则,构建适应度函数,将传统GM(1,1)模型的背景值系数与初始条件同时优化后,运用粒子群算法得到最优值,通过算例对优化后GM(1,1)模型的适用范围和有效性进行了验证。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
0科教前沿 0
S IN E&T C N L G F R A I N CE C E H O O YI O M TO N
21 年 00
第 1 期 9
改进背景值 的 GM(,) 化模型 11优
李 峥 ( 义市 第二 高级 中学 河 南 巩
巩义 4 10) 5 2 0
【 摘 要 】 色 G ( ,) 型 建 模 时 , 灰 M 11模 背景 值 和 初 值 的 选取 对 建 模 的 精 度 有 着 十 分 重 要 的 影 响 。本 文在 进 一 步 分析 G 1 1 建 模 机 理 的 基 M( ,) 础 上 , 用 指 数拟 合 及 高 斯 求 积 公 式提 出 了一 种 新 的 求 取 背 景 值 的 方 法 。 经检 验 该 方 法 对 高指 数 增 长 和 低指 数 增 长 都 有 较 好 的拟 合 精 度 和预 利
测 准 确度 。
【 关键 词 】 GM( , ) 背景 值 ; 差 分析 11 ; 误
Op i z t n I tg ae a k J u d V l ef rGM ( , t mi ai e r td B c g o n a u o o n r 11 )
LIZhe ng
f )A =e
令{ 一) 1 1 ( ) = 一
) () = (
rk
( 5 )
可解出 (的方程, ( 轴围成的面积 {。 (z 0 再以 与 取代 d
f
,到景 ) { 。 得背值 = 三 幕
分 析 : 进 后 的 模 型 利 用 了 ( 本 身 就 是 用 指 数 拟 合 的 特 点 , 改 ) ( 由
f . e i rHih Sc o fGo yiCiy I o 2 S n o g ho lo ng i ,Go y e n, 5 , i a . '
【 src ] e sn ryGM (,1 mo e t st p am l,teslcino ak on au n r ia cn io aevr m otn Abta tWh nuigga 1 ) dl o e od h eet fb cg u d vlead o gnl odt n hv eyi p r t u o r i i a if ec epeio fh od T i tx, r e n lz g hemeh ns fh M(, ) l ,Maigueo d xn m e rw u n n un et t rcs no em l. hs etf t r ayi t ca i o eG 1 1 mod l oh i t uh a n m t kn s fn e u b r oda pad i t
【 yw r sGM(,) o e; ak ru dvle Anlz gerrPe i o Ke o d ] 11 m d lB c gon au ; ayi r ; rdc n n o i t
自灰 色 系 统 理 论 诞 生 以 来 ,特 别 是 灰 色 微 分 方 程 模 型 在 工 业 、 农 业 、 利 以 及 经 济 管 理 和 工 程 技 术 等 方 面 都 有 十 分 重 要 的 应 用 。 灰 色 水 G 11预 测 模 型 是 灰 色 系 统 理 论 的 主 要 内 容 之 一 , 对 其 模 拟 精 度 M( ) 针 不 高 、 测 欠 准确 以 及 对 数 据 要 求 较 高 等 缺 点 , 献 【卜一 等 已 提 出 预 文 1 ] 很 多 优 化 模 型 。 文对 GM(,) 型 建模 机 理做 了 进 一 步 分 析 , 综 合 本 11 模 在 文 献 … 和 文献 [] 基 础 上 提 出 了一 种 求 取 背 景 值 的新 方 法 , 出 了 改 2的 给 进 背 景 值 的新 的优 化 模 型 。
t eGa s e st c u lt omua u owa dakid o e meh d u e o tk a k o n au . hei rv d li n to l u tb efr h u sb g o a c muaefr l,p tfr r n fn w to sd t a e ab c g u d vl e T mp o emo e s o ny sia l o r
h o g o h i d x s q e c , u a s u t l i h g wt n e e u n e t e lw r wt n e e u n e b l o s i b e f rt e h g o h i d x s q e c . t a o h r
到 序 列 x )扛 () (2 , ,(n)其 中 () 1, )… ), = ’ ( ( =
i= 1
i t 取 法 固 定 , 乏 灵 活 性 , 所 要 预 测 的 数 据 序 列 仍 有 较 大 ) ) ( 缺 对 只 -) ( (。 定 () 近 的 限 制 , 有 在 ( £比较 接 近 指 数 分 布 时 才 可 能 有 比较 好 的 模 拟 精 假 ) 接
1 GM(,) 11建模机理再分析
设原始数 据序列 x = () ()… , (), 1, 2 , n}对其进行 1AG 一 O得
k
文 献 [] 实 例 可 知 , 进 后 的 模 型 较 原 模 型 在 精 度 上 有 了 一 定 的 提 1的 改 高, 计算 公 式 简 单 等 优 点 , 此 模 型 仍 存 在 一 些 不 足 , 要 表 现 在 : 但 主