- 1、本文档共39页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
硕士毕业论文范本的
分 类 号: N941.5 密 级:
学校代码: 10638 学 号: 308070104013
硕 士 学 位 论 文
GM(1,1)模型的优化与一类强化缓冲算子的构造
姓 名 *******
指 导 教 师 ******* 教授
培 养 单 位 数学与信息学院
学 科 专 业 应用数学
研 究 方 向 不确定信息系统的预测与决策
申请学位类别 理学硕士
论文提交日期 二○一一年月年月Optimization of GM (1, 1) and a Kind of Practical Strengthening Buffer Operator
A Dissertation
Submitted to the Graduate Faculty
In Partial Fulfillment of the Requirement
For the Degree of Master of Natural Science
By
SUN Yan-na
Supervised by
Professor WEI Yong
Major in
Applied Mathematics
In
Department of Mathematics and Information
China West Normal University
Nanchong, Sichuan Province, China
Jun, 2011
目 录
摘 要 II
Abstract IV
第1章 前言 1
1.1 本课题的目的、意义 1
1.2 论文的主要内容 2
第2章 灰建模及缓冲算子的基础理论 3
2.1 灰建模的基本原理 3
2.2 缓冲算子的基本理论 4
第3章 灰色GM(1,1)模型及缓冲算子的研究 6
3.1 GM(1,1)模型的研究现状 6
3.2 缓冲算子的研究现状 8
第4章 GM(1,1)模型建模方法的改进 9
4.1 优化灰导数的等间距GM(1,1) 9
4.2 优化灰导数的非等间距GM(1,1) 13
第5章 一类新的缓冲算子的构造及缓冲算子新定理 19
5.1 一类新的实用强化缓冲算子的构造 19
5.2 缓冲算子新定理 22
第6章 结论与展望 25
6.1 全文总结 25
6.2 研究展望 26
参考文献 27
致 谢 ⅰ
关于学位论文使用授权的声明 ⅱ
关于学位论文原创性的声明 ⅲ
在学期间的科研情况 ⅳ
摘 要
GM(1,1)模型是灰色系统预测理论的基础与核心[1],它已被广泛应用于农业、工业、气象、电力、经济、社会等领域。它将系统看成一个随时间变化而变化的指数函数,不需要大量的时间序列数据就能够建立预测模型,其计算简单已被普遍认同。但是一方面灰色系统理论还存在一些缺陷,其模型精度有待进一步提高,很多学者已在提高精度方面做了很多研究[3-7]。另一方面,由于现实生活中的数据往往因受到外界很多冲击因素的干扰而失真,为了排除扰动因素的作用,刘思峰教授开创了对波动数据预测的新领域,他针对级比渐趋稳定的数据序列,提出了用满足缓冲三公理的缓冲算子作用后进行建模预测的新思路,众多学者从不同的背景出发,提出了各种缓冲算子,大大提高了灰色预测建模精度,从而大大拓广了灰色系统理论的应用范围。文献[41]将缓冲算子的构造与函数结合起来,为缓冲算子的构造开辟了新方向,文献[49]对缓冲算子公理进行了补充,并构造了变权缓冲算子。
本选题在他们的工作的基础上,主要研究成果如下:
(1)通过对不用一次累加而直接建模的等间距GM(1,1)模型的灰色微分方程中的灰导数进行优化,提出了用(其中),代替原始灰色微分方程中的灰导数,同时用代替原始灰色微分方程中的背景值,得到新的灰色微分方程,从而获得新模型,经过严格理论验证该模型具有指数,系数,平移常数重合性。大量的数据模拟和模型比较结果表明,优化后的模型提高了背景值的准确性以及灰预测模型的拟合精度和预测精度,且该模型既适合于低增长指数序列建模,也适合于高增长指数序列建模,同时也适合于非齐指数序列建模,可见新的建模方法大大提高了模型的模拟精度与预测精度,同时扩大
文档评论(0)