灰色模型的一点改进及应用.docVIP

附件一: 新疆xx大学 专业文献综述 题 目: 灰色模型的一点改进及应用 姓 名: 学 院: 专 业: 班 级: 学 号: 054131432 指导教师: 职称: 2009 年12 月 10 日 新疆xx大学教务处制 灰色模型的一点改进及应用 作者：xxx 指导教师： xxx 摘要：本文对灰色模型的预测方法(简称召材法)作了某些改进，使新的预测 方法对预测结果具有可调性，提高了预测精度，扩大了原方法的应用范围。经实例验证，改进后的GM法的效果是显著的。 关键词：灰色模型 Author： Tutor: xxx Abstract： 　　 Abstract? Objective: Study the expression form of the discrete function of gray model. Method: Analyze the dispersed function of the gray model by accumulating the method of calculating, and then change the dispersed function into Key words: ? Gray model； modeling method； discrete function；?1?例1全国粮食产量预测。其预测模型为 其中 预测结果见表1。 由表l可知，其预测精度平均高达99%以上。 例2山西省王明星等人对该省某个较小区域的粮食产量作了预测，建立了GM(1.1) 模型。他们利用了35年的数据，所得模型为 通过模型又获得了预测序列 并将结果与1955、1964、1973、1982等四个年度实际产量作了比较，其结果是，1955年预测精度 为95.2%，1964年预测精度为97.e%，1973年预测精度为98.5%;2952年预测精度95.1%。 这四年的预测精度均在97%以上。 由上面两个例子可见，召对方法的预测精度还是很高的。然而，G材法也有其明显的不 足之处，即G万模型是一种呈指数增长的预测模型，其预测精度与被预测的经济对象的目标 值的灰度和变化递变规律密切相关。为此，我们举出另一个实例。 例3全国电视机产量的预测模型为 预测结果见表2。 ??? 从表2可得出，预测平均误差高达263.王6%。显然，预测效果甚差，甚至已经面目全非了。因此，我们可以看到，GM法的应用具有很大的局限性，本文就此作了若干的改进。 二、灰色动态模型的建模过程建立G对模型预测的实质是对原数据序列作累加，使生成的数据序列呈一定规律，其根应的曲线(或折线)可以用典型曲线逼近，然后用逼近的曲线作为模型，用以对系统进行预:测。 设原序列为 在此，以单序列为例(即h=1): 作一阶累加。 建立一阶线性动态GM(1，1)模型, 解得 并计算 然后将预侧数 据序列 作关联度计算，若a=0.5△(max)大于0.6，则认为 模型符合精度要求，此时将还原成N 否则，进行单段函数的残差辩识，同样建立GM模型找到其中将加到原有的中，再还原成预测序列t=1，2， …，N，N+1，…，N+L，其中五为预测期。 L 三、问题分析与方法改进 由文献〔5]可知，对于灰色数列预测，预测的范围大，互补因素多，则预测精度就高。例如，就已经作过的粮食预测来说，全国的粮食预测精度比省级的要高，而省级的又比地区一级的预测精度要高，同样地区一级又比县级的预测精度高。GM模型是指数模型，能代表生产力的发展变化，政治、社会、经济变化的实际情况。不仅适合短期预报，而且可以作长期规划性的预测。然而，实际情况并非如此，上述例3是一个反面的实例。正因为GM模型 是指数模型，若原序列变化不足以指数变化趋势递增的话，则预测误差将会变得很大。其次，因为指数函数在当二较大时，其值将会猛增;一般的G对模a较小，但at过大也将会引起预测值增长得过快，从而与实际情况完全不相符合。因此，GM法只适用于数据序列呈指数递增的经济目标的中短期预测。 有一点可以肯定，即若数据序列呈指数变化，则用GM法预测，其精度是相当高的。由此