首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 118 毫秒
1.
无偏GM(1,1)模型的动态特性分析   总被引:2,自引:0,他引:2  
传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.  相似文献   

2.
为了改善传统的电价预测灰色模型GM(1,1)的预测精度,提出一种内变量参数辨识的电价预测模型--PSOGM(1,1)模型.首先采用灰色微分方程建立模型内变量(发展系数、灰作用量、背景值权重系数、边值)与预测值之间的非线性内涵表达式,然后采用粒子群算法(PSO)对内变量参数进行辨识,得到问题的最优解,建立PSOGM(1,1)模型.与GM(1,1)模型相比较,PSOGM(1,1)模型具有较快的收敛速度和更好的预测精度.对北欧NORDPOOL电力市场历史电价数据的分析实验表明,PSOGM(1,1)模型的短期电价平均预测精度为94%,较已有的几种典型改进GM(1,1)模型预测精度提高了1%~3%.  相似文献   

3.
将自适应粒子群算法优化GM(1,1)模型的参数用于武汉市电力负荷预测,与普通GM(1,1)及标准粒子群优化的GM(1,1)模型的预测结果比较,发现采用自适应粒子群算法优化参数的GM(1,1)模型具有更理想的预测结果。  相似文献   

4.
GM(1,1)预测模型一直是灰色系统理论研究者关注的热点.在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化函数的时间响应函数中的常数c,摒弃了传统GM(1,1)把原始序列x(0)(1)作为初始条件的做法,从而构建了GM(1,1)的优化模型.最后,以我国人口总数的预测为例,进行两类预测模型的模拟精度比较,并进行了预测,得到优化的GM(1,1)模型进行预测得到的精度较高.  相似文献   

5.
针对GM(1,N)模型在模拟与预测方面的不足,提出了GM(1,N)模型的一种优化组合方式.第一步是在原GM(1,N)模型灰微分方程上添加一个扰动因素,然后利用优化的背景值确定相应的新参数;第二步利用“最小二乘法”得到模型白化方程近似解中新的初始条件,进而得到一种新的GM(1,N)模型的模拟表达式实例验证表明,新GM(1,N)模型的适用范围明显拓宽,而且模拟和预测精度均大大提高.  相似文献   

6.
GM(1,1)模型参数估算的新方法及其应用   总被引:1,自引:0,他引:1  
通过对传统的GM(1,1)模型进行分析,指出了GM(1,1)模型实质是指数预测模型.提出了一种新的参数估算法(最小二乘法),用这种新方法估算GM(1,1)的参数,并通过一个实际例子进行了分析.  相似文献   

7.
数控机床热误差变参数GM(1,1)的建模   总被引:1,自引:0,他引:1  
为提高数控机床的加工精度,减少热误差对零件加工质量的影响,对热误差变参数灰色GM(1,1)在线预测模型进行研究.变参数灰色GM(1,1)在线预测模型能直接运用热误差时间序列值进行单序列建模,并给出模型参数的逐步迭代公式,根据不断输入的新数据,变参数模型能利用迭代公式,及时修正模型参数.以某精密卧式加工中心为研究对象,对所提出的变参数灰色GM(1,1)模型进行应用验证,并与传统的,1)模型和新陈代谢GM(1,1)模型进行对比研究.对比分析的结果表明:变参数灰色GM(1,1)模型很好地解决了传统的GM(1,1)模型难以预测大样本数据和非线性变化趋势的问题,且比新陈代谢GM(1,1)模型建模运算量小、求解时间短.变参数灰色GM(1,1)模型的预测值与实验结果对比表明,该模型预测精度高、通用性好,适用于机床热误差建模预测,进而提高机床的加工精度.  相似文献   

8.
基于最小二乘法的GM(1,1)模型在人口预测中的应用   总被引:8,自引:0,他引:8  
作者先对问题进行分析,在明白要采取灰色系统理论来处理该问题原因的前提下,运用普通的GM(1,1)模型的知识,通过优化GM(1,1)模型(下称模型一)、新陈代谢GM(1,1)模型(下称模型二),鉴于此,采用最小二乘法对模型一和模型二预测出的两组数据,以及实际数据进行拟合,得到了关于模型一,模型二的两个系数,然后用这样的两个系数,重新组合模型一,模型二,得到了第三个模型,即基于最小二乘法的GM(1,1)模型(下称模型三),再一次的进行预测。三个模型的预测数据进行比较,显然是模型三的误差最小,认为模型三最符合实际。并以基于最小二乘法的GM(1,1)模型的预测数据作为最终的结果。  相似文献   

9.
为了拓广离散GM(1,1)模型的应用范围,建立了近似非齐次指数序列的离散GM(1,1)模型,NDGM(1,1)模型和直接离散GM(1,1)模型,即DDGM(1,1)模型,证明了其可以完全拟合非齐次指数序列,最后将两类离散GM(1,1)对软件进行缺陷预测建模,结果显示,DDGM(1,1)模型具有较高预测精度,可以对后续软件开发中缺陷的存在情况做出相应预测.  相似文献   

10.
灰色GM(1,1)模型的一种优化组合方法   总被引:3,自引:0,他引:3  
针对GM(1,1)预测模型的不足之处,首先基于X(0)序列的相对误差平方和最小的思路,提出了一种新的优化时间响应函数即确定指数函数exp(-at)系数C的方法;第1步采用优化背景值方法确定a,b后,第2步用本文方法确定系数C,得到了一个优化组合的新GM(1,1)预测模型.经大量的数据模拟发现,此优化组合新模型无论对高增长系数,还是对低增长系数都具有极高的模拟与预测精度.  相似文献   

11.
本文分析了灰色系统预测GM(1,1)模型用于长期负荷预测时的局限性,针对电力系统需求增长的特点,提出了灰色改进等维新息GM(1,1)模型,对江苏电网的用电量进行测算的结果表明,采用改进等维新息GM(1,1)模型进行长期负荷预测的精度高于一般灰色GM(1,1)模型的预测精度,给出了程序框图与测算结果。  相似文献   

12.
本文讨论了灰色模型,特别是GM(1,1)模型的特点和适用范围,并将GM(1,1)模型和时序AR(n)模型结合起来(称为组合模型),对我国轻工业产量发展指数等三个项目分别进行了组合模型预测。结果表明,在一般GM模型中引入AR模型可显著提高预测的准确度;在非平稳时序建模中引入GM模型,可作为提取趋势项的另一种方法。文中还从预测的角度将灰色模型和时序模型进行了比较和分析,对“灰”的物理概念进行了初步探讨。  相似文献   

13.
在原有的等距化GM(1,1)模型的基础上,重新给出一个建模机理较简单、形式规范、使用方便的等距化GM(1,1)模型和选用这种模型的条件.这种模型与回归模型相比有较多的优点,主要表现为在一定的条件下,只要取这一个规范样式来建模即可.而在同一条件下可供选择的回归模型的样式往往有多个,取那一个为最优,需经逐个建模后的检验比较.即使是选出的最优回归模型,其拟合与预测精度时常也不及规范样式的等距化模型.本文用实例说明了这一点.  相似文献   

14.
本文提出一种等维灰数递补动态预测技术。通过对所获信息的不断有效利用,将灰色动态GM(1,1)模型中灰参数逐次加以修正,使模型不断得到改进,从而提高了预测精度。应用实例表明,用本预测技术可取得较满意的结果。  相似文献   

15.
论文就修正GM(1,N)预测模型的误差,提出了新方法。使用BP神经网络对预测模型的残差进行预测,得到的残差预测值对所建模型的预测值进行残差修正,以减少因子变量预测误差对行为变量预测的影响。实践表明这些改进模型可以有效地提高GM(1,N)模型的预测精度。  相似文献   

16.
介绍了GM(1,1)灰色模型的建模过程,应用等维递补方法对其进行修正,得到等维灰数递补模型,采用该模型对2010- 2020年浙江省总人口进行了动态预测.精度检验结果表明,模型预测精度较高、预测结果可靠.  相似文献   

17.
何霞  刘卫锋 《河南科学》2011,29(3):260-263
背景值和初始条件对GM(1,1)模型的拟合和预测有着极大的影响,通过优化模型的背景值,赋予边值条件为修正形式x (1) (n)+β,利用原始序列新预测值的误差在最小二乘意义下最小准则,从而得到了一个新改进的GM(1,1)优化模型.最后,通过计算实例验证了该优化模型具有极高的预测和模拟精度.  相似文献   

18.
为提高内河港口规划的合理性,更加精确地预测内河港口集装箱吞吐量,先用安徽芜湖港近年集装箱吞吐量数据建立了灰色GM(1,1)预测模型,然后采用新陈代谢法实时更新预测数据,构建新陈代谢动态灰色GM(1,1)模型,再运用马尔科夫模型分别对两个模型的预测结果进行修正。对比预测结果发现,灰色GM(1,1)马尔科夫模型比灰色GM(1,1)模型平均相对误差降低43%,新陈代谢灰色GM(1,1)马尔科夫模型比新陈代谢灰色GM(1,1)模型平均相对误差降低45%。由此可得出,新陈代谢灰色GM(1,1)马尔科夫模型的结果具有更高的可信度。  相似文献   

19.
GM(1,1)残差模型群与酸雨预测   总被引:9,自引:0,他引:9  
根据灰色系统建模原理,提出了用GM(1,1)残差模型群进行酸雨预测的新方法,并以实例建模印证了该方法的可行性。  相似文献   

20.
分析基于自相关理论的GM(1,1)与GM(1,N)联合模型,将仅适合GM(1,1)模型的数据拓展到适合GM(1,N)模型。用数值积分中的Simpson公式来重建GM(1,1)与GM(1,N)的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM(1,N)模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM(1,N)模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号