GM(1,1)和新陈代谢模型的比较.docVIP

GM(1,1)和新陈代谢模型的比较.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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
查看更多
GM(1,1)和新陈代谢模型的比较   摘要:灰色模型具有所需数据少、预测精度高和无需先验信息的特点。本文通过建立GM(1,1)模型和新陈代谢模型实例预测某省火灾事故发生量,并将两种方法相比较,为相关部门提供科学的决策依据。结果表明灰色模型简单实用,预测精度高。而在此实例中,GM(1,1)模型比新陈代谢的预测精度更高、预测误差更小。   关键词:灰色系统理论;GM(1,1);新陈代谢模型;灰色预测   中图分类号:TP393文献标识码:A文章编号:1009-3044(2008)16-21349-02   Comparison of GM(1,1) and Metabolizing Model   LI Hong-mei, HE Lu-lu   (Jiangxi Tourism and Commerce College, Nanchang 330101, China)   Abstract: Grey Model is with the characters of less date, high precision and without prior information. In the paper, a Grey Model GM (1,1) and a Metabolizing Model are used for the fire prediction of some province and compared them to provide decision references for the concerning governments. The results show that Grey Model is a simple process, effective practicality and high precision. Meanwhile, GM (1,1) is of higher precision and less prediction errors than Metabolizing Models.   Key words: Grey System Theory; Grey Model (1,1); Metabolizing Model; Grey Prediction   由我国邓聚龙教授创立的“灰色系统理论”是一种研究少数据、贫信息的不确定性问题的新方法,其研究对象是“小样本、贫信息”的不确定性系统[1-3]。   GM(1,1)模型是最常用的一种灰色预测模型,但其存在着忽略未来扰动因素的不足。而灰色新陈代谢模型则能及时地考虑新信息对系统的扰动影响,更符合实际情况的变化。本文考虑采用这两种灰色预测模型对某省历年的火灾发生次数进行实例预测并比较。   1 相关理论基础   灰色建模无需知道原始数据分布的先验特征而只要4个以上的数据即可。通过累加作用抵消和减弱随机因素的影响、并对原始离散数据进行生成数的有效处理,从而建立相应的模型进行预测。该方法具有建模精度较高的优点。   1.1 两种灰色预测模型   GM(1,1)模型是最常用的一种定量灰色预测模型。建立时只需要一个数列,设■是光滑离散函数序列,对x(0)进行一阶累加生成得到生成序列如公式■所示,其中k=1,2,3…。这个新的数列与原始数列相比弱化了随机性程度,提高了平稳性能。其相应微分方程如公式■所示。其中a为反映预测发展态势的“发展系数”;u为反映数据变化关系的“灰作用量”,待估参量为   ■(1)   ■(2)   求出■后,解得累加时间数列GM(1,1)预测模型如公式■所示,对其累减得原始数列预测模型如(3)所示:   ■(3)   其中■。   新陈代谢模型是一个不断考虑新信息的预测模型,克服了常规GM(1,1)建模的不足,它考虑了那些随着时间推移相继进入系统的扰动因素带来的影响,在不断补充新信息的同时及时去掉旧信息,使得整个系统一直处于更新和发展的过程中,更符合现实世界的变化。   1.2 精度检验   灰色模型的精度检验主要有后验差法、残差检验法和关联度法。本文采用残差检验法,计算方法如下:绝对误差■,相对预测误差■,预测误差均值为■,相应的模型精度等级标准如表1所示。   表1表2   2 两种灰色模型的实例预测   引起火灾事故是个与诸多因素有关的复杂系统。它既有人为因素又有非人为因素,具有明显的灰色性,适宜采用灰色模型去发掘和认识原始时间序列综合灰色量所包涵的内在规律。常见的火灾预测方法有指数平滑法、线性回归法等。灰色预测法避免了讨论系统模型参数间的关系,把受到各种因素影响的火灾看作在一定范围内变化的、与时间有关的灰色量,从自身的数据列中挖掘有用信息,建立模型来揭示火灾事故发

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档