基于卡尔曼滤波的动态灰色理论模型研究

灰色理论模型是采用较少的数据对目标进行预测,但在建模过程中容易受到随机扰动的影响。卡尔曼滤波可以很好地剔除建模数据的随机干扰噪声,和灰色理论模型结合在一起进行数据的预测,可以提高预测的精度,更好地预测目标的变形趋势。传统的灰色理论模型GM(1,1)在预测过程中没有考虑未来因素对系统的影响,做长期预测,精度会降低。文中研究在预测过程中引入新的信息,建立等维灰数递补的动态灰色理论模型,结合工程实例,与传统的静态模型作对比,动态模型预测的结果更加优化,精度更高。