非等间距GM(1,1)组合预测模型.docxVIP

PAGE 1 PAGE 1 非等间距GM(1,1)组合预测模型 依据灰色模型建模特点,利用等维灰色递补动态预估模型的方法建立了非等间距GM(1,1)预估模型。基于这些GM(1,1)预估模型给出了一类非等间距GM(1,1)组合预估方法。实例表明结果抱负牢靠,有较高的拟合和预估精度。  维普资讯  20XX年9月第2第3期3卷  陕  西  理  工  学院  学  报  Sp.07et20V0.3N.12o3  JunlohaxiestfehooyorafSaniUnvriocnlgyT  63—9420)3—0101724(07007—4  非等问距G11组合预估模型M(,)李玮(X省广播电视大学汉中分校，X省汉中730)200  依据灰色模型建模特点，利用等维灰色递补动态预估模型的方法建立了非等问距  G11预估模型。于这些G11预估模型给出了一类非等问距G11组合预估方M(,)基M(,)M(,)法。实例表明结果抱负牢靠，有较高的拟合和预估精度。非等间距；M(,)型；等维灰色递补预估模型；色预估；组合预估G11模灰0421A  灰色系统理论…在很多领域得到了广泛的应用，基于贫信息的灰预估成功地解决了很多信息不完全的预估问题。对于微分方程型的非等间距动态模型G11,M(,)许多文献对其进行了研究，并提出了很多改进措施】。文献78进一步争论了非等间距灰色模型的应用。对于同一预估问题而言，由于考虑的角度、方式和层次等不同，可为其供应不同的预估方法，将这些方法进行组合，可增大信息量，能够更好地进行预估。组合预估将各种预估效果进行综合考虑，比单个预估模型更系统、更全面，而且，Bt和Gagr0asere1证明白2种或2n]种以上无偏的单项预估可以组合出优于每个单项的预估结果，即能够有效地提高预估的精度。基于组合预估模型的优越性和灰色预估模型的建模机理，本文利用等维灰色递补动态预估模型的方法建立了单个非等间距G11模型，M(,)进一步依据这些单个G11模型M(,)  提出了一类新的灰色组合预估方法，有效地提高了预估的精度，为灰色预估供应了新的思路，通过实例分析和精度检验，结果比较抱负。  1非等间距G11组合预估模型M(,)非等间距灰色预估模型G11的基本思路是：M(,)在对原始数据序列的一次累加生成时，考虑序列的间距并将其作为乘子，生成新的数据  列，依据灰微分方程的白化微分方程的解，还原后即得非等间距灰色G(,)M11预估模型。如何提高拟合和预估精度一直是科技工作者感兴趣的问题，不少研究者都致力于寻求各种修正方法以提高预估精度。灰色组合预估模型的基本思路是：将一个随时问变化的非等间距的原始数据序列，利用几种不同的方式建立预估模型，再将所得到的单个预估模型进行组合，组合权系数可采用某种方法确定，从而得到灰色组合预估模型。11等维灰色递补非等间距G11模型.M(,)在一般非等间距模型的基础上产生的等维灰色递补G(,)M11模型可以准时补充和利用灰信息，  提高灰平面的白色度，缩小预估值的灰区间，在作中长期预估时具有更高的优越性。等维灰色递补非等间距G11模型的“M(,)递补”程是这样实现的：已知原始数据数列最前面几个数据建立G11过用M(,)预估模型，然后增加一个新的原始数据，同时去掉最老的一个数据，使序列等维。接着再建立G11M(,)模型，依次类推。这样建立的模型，称为等维灰色递补非等间距G11模型。M(,)设原始数据序列为X。‘’={’k)。(:,,’k)…,’k)}首先利用原始数据序(,‘k)…(,(.’  列的m个数据序列建立G(,前M11)预估模型。l={’k)’:,’,令Y∞(,()…,()}对其进kk收稿日期：07—3—12000