分数阶离散灰色gm（1,1）幂模型及其应用 fractional order discrete grey gm(1, 1) power model and its application.pdfVIP

下载本文档

8
0
约3.14万字
约 5页
2017-11-02 发布于上海
举报
版权申诉

分数阶离散灰色gm（1,1）幂模型及其应用 fractional order discrete grey gm(1, 1) power model and its application.pdf

1、本文档共5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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

分数阶离散灰色gm（1,1）幂模型及其应用 fractional order discrete grey gm(1, 1) power model and its application

第30 卷第7 期控制与决策 2015 年 7 月 Vol. 30 No. 7 Control and Decision Jul. 2015 文章编号: 1001-0920 (2015) 07-1264-05 DOI: 10.13195/j.kzyjc.2014.0578 分数阶离散灰色GM(1,1) 幂模型及其应用 a b 杨保华 , 赵金帅 (江苏师范大学a. 商学院，b. 计算机学院，江苏徐州221116) 摘要: 针对GM(1,1) 幂模型时间响应式由离散估计到连续预测所存在的固有误差, 建立离散灰色GM(1,1) 幂模型, 并将该模型扩展为分数阶离散灰色GM(1,1) 幂模型; 以最小化平均相对误差为目标、参数之间的关系为约束条件, 构建关于序列累加阶数和幂指数的优化模型, 并运用量子遗传算法确定模型的最优累加阶数和幂指数. 通过对高速公路地基沉降和中国高新技术产业RD 发展两个实例的预测结果表明, 分数阶离散灰色GM(1,1) 幂模型具有良好的建模精度. 关键词: 灰色幂模型；分数阶灰色模型；量子遗传算法；预测精度中图分类号: N945.1 文献标志码: A Fractional order discrete grey GM(1, 1) power model and its application a b YANG Bao-hua , ZHAO Jin-shuai (a. School of Business，b. Computer College ，Jiangsu Normal University ，Xuzhou 221116 ，China. Correspondent: YANG Bao-hua ，E-mail ：mathyang@126.com) Abstract: To overcome the problems of model error and initialized value of the existing GM(1,1) power model, the grey discrete power GM(1,1) model is constructed, and grey discrete power GM(1,1) is transformed into fractional order grey discrete power GM(1,1). An optimization model is constructed with the objective of minimum average relative error, the constraints of relationships between parameters in order to optimize the power exponent and the accumulation order, and the optimization values of accumulation order and power exponential are determined by using the quantum genetic algorithm. Finally, two application examples, named settlement volume of subgrade and chinese high technology enterprises, show that the proposed model has higher precision