(样式参考)优化灰预测模型(数学方面的论文)..docVIP

优化灰预测模型 李凯，魏 勇* （西华师范大学 数学与信息学院，四川 南充637000） 摘 要：本文在优化灰导数后综合初始条件确定预测系数获得了一个新的灰预测模型，分别通过低增长近指数序列，高增长近指数序列两个实例，从最大相对误差、平均相对误差两个角度对比模拟效果，本文新模型相对于原始模型和已有的优化模型都有明显的优势。说明本文模型具有优越性和可操作性。 关键词：同时优化；GM(1,1)模型；灰导数；初始条件 中图分类号：N941.5 文献标识码：A Optimization of grey prediction model Li Kai, Wei Yong (Mathematics and Information Institute, China West Normal University, Nanchong 637002) Abstract: This paper in optimizing the grey derivative of comprehensive initial conditions determine the prediction coefficients obtained a new grey forecasting model, respectively, through the low growth of nearly exponential sequence, high growth nearly exponential sequence two examples, from two aspects, the average relative error of the maximum relative error, the contrast simulation results, the optimization model of the original model and the there are obvious advantages compared to the new model. Show that this model has superiority and maneuverability. Keywords: simultaneous optimization; GM (1,1) model of grey derivative; initial conditions; 引言 邓聚龙教授于20世纪80年代提出了灰色理论，作为灰色系统理论重要内容之一的GM（1,1）模型，其广泛应用于其他领域。越来越多的学者对原始GM(1,1)模型进行了优化，现有的GM(1,1)模型的优化分别对背景值、灰导数和初始条件的优化, 同时优化背景值和灰导数，同时优化背景值和初始条件。有很多学者在这方面做出了很有价值的成果, 比如文献[4]~[11]。 对于GM(1,1)的改进，文献[11]提出了对灰导数的优化，将原灰导数优化为；时间响应函数为,文献[12]改进了求解过程中的初始条件，将原初始条件改为的第n个分量为初始条件对时间响应函数优化来确定C；文献[13]不通过中任何点将C待定，求来确定系数C。这些模型都起到了提高精度的作用，但是深层次考虑还会发现它们稍有遗憾之处都是一次累加误差最小，为了追求目标与评价标准一致使得预测公式相对误差最小。于是文献[14]不急于在一次累加确定系数C，而是，作为初始条件来进行比较选择满足：者作为初始条件得到；为了和评价标准相一致,文献[15]在响应式先不确定系数，而是将其还原使得来确定预测系数C。但这个可能模型存在隐患，由于是残差和为0，不排除是各项正、负误差绝对值相当大,但正负相抵消后为0的可能,其实质误差很大,于是文献[16]改进为通过来确定预测系数C;文献[17]仍然是在响应系数待定先还原得到预测式，而且将文献[16]的指标函数改进在与评价标准一致的相对误差平方和最小来确定预测系数C。本文提出了将文献[17]确定预测系数的方法与文献[11]优化灰导数的方法相结合得到GM（1,1）新模型，通过实例验证了新模型的可操作性和有效性。 2. GM(1,1)模型的改进 定理 设非负原始序列为，其一次累加序列为，其中 的白化方程为： 其灰微分方程为： 则： 灰微分方程 的，。这里，,其中 ， 预测公式为： 其中系数 证明：1） 等式两边同时除以得到 令：， 得