基于累積法的灰色馬爾科夫預(yù)測模型及其應(yīng)用.pdf.pdf 全文免費(fèi)在線閱讀
本文關(guān)鍵詞:基于累積法的灰色馬爾科夫預(yù)測模型及其應(yīng)用,由筆耕文化傳播整理發(fā)布。
網(wǎng)友jiaxidong_02近日為您收集整理了關(guān)于基于累積法的灰色馬爾科夫預(yù)測模型及其應(yīng)用.pdf的文檔,希望對您的工作和學(xué)習(xí)有所幫助。以下是文檔介紹:統(tǒng)計與決策 年第 期(總第 期)作者簡介:張國帥(-),男,山東日照人,碩士,研究方向:統(tǒng)計預(yù)測方法。 引言灰色預(yù)測模型是灰色系統(tǒng)理論[]的重要內(nèi)容之一,它主要用于時間短、數(shù)據(jù)資料少、波動不大的預(yù)測問題,但是對隨機(jī)波動性較大的數(shù)據(jù)列擬合較差,預(yù)測精度較低。以馬爾科夫過程為理論基礎(chǔ)的馬氏鏈預(yù)測是根據(jù)狀態(tài)之間的轉(zhuǎn)移概率來推測系統(tǒng)未來發(fā)展變化,通過轉(zhuǎn)移概率反映了各種隨機(jī)因素的影響程度, 因而馬氏鏈預(yù)測適合于隨機(jī)波動性較大的預(yù)測問題。文獻(xiàn)[][]將灰色預(yù)測與馬爾科夫預(yù)測相結(jié)合,提出了灰色馬爾科夫預(yù)測模型,提高了隨機(jī)波動較大數(shù)據(jù)列的預(yù)測精度。傳統(tǒng)灰色預(yù)測模型中的參數(shù)是基于最小二乘估計法求得,具有計算過程繁雜、運(yùn)算量大等缺陷,而近年來由我國學(xué)者曹定愛等人發(fā)展起來的累積法[]是一種曲線擬合技術(shù),利用有關(guān)數(shù)據(jù)的累積和權(quán)數(shù)直接估計模型的參數(shù),具有計算簡便、精度高等特點(diǎn),彌補(bǔ)了最小二乘法的不足。文獻(xiàn)[] []提出了基于累積法的灰色預(yù)測模型, 簡化了灰色模型計算過程,降低了灰色預(yù)測模型的病態(tài)性。本文將累積法與灰色馬爾科夫預(yù)測模型相結(jié)合,提出了一種基于累積法的灰色預(yù)測模型,克服了傳統(tǒng)預(yù)測模型的缺陷,并通過對貴州省旅游人數(shù)進(jìn)行分析預(yù)測,結(jié)果表明該模型能夠降低運(yùn)算量,提高預(yù)測水平。 模型構(gòu)造. 累積法 GM(,)模型定義 對于任意自然數(shù)列{x(k)}(k=,,…,n),定義一階累積算子為nk = Σ()x(k)=nk = Σx(k),二階累積算子為nk = Σ()x(k)=nk = Σ()x(k),一般地,r 階累積算子為nk = Σ(r)x(k)=nk = Σkl = Σx(r-l)(l)。特別地,當(dāng) x(k)= 時,nk = Σ(r) 稱為基本累積和,記為nk = Σ(r)。累積法就是對回歸模型 yt=β+βxt +…βmxmt +εt (t=,,…,n)分別施加 k(k叟+m)階累積算子,進(jìn)而聯(lián)立方程組求得回歸參數(shù)βi(i=,,…,m)。定義 (GM(,)模型) 設(shè) X()=[x()(),x()(),…x()(n)]為原始數(shù)據(jù)序列,對 X()進(jìn)行一次累加生成,得生成序列 X()=[x()(),x()(),…,x()(n)],其中 x()(k)=ki = Σx()(i)(k=,,…,n),由 X()構(gòu)造背景值序列 Z()=[z()(),z()(),…,z()n],其中 z()(k)= [x()(k-)+x()k](k=,,…n),建立白化方程為dX()dt+aX()=b ()將上式離散化,得到 GM(, )微分方程如下:x()(k)+az()(k)=b ()稱()式為 GM(, )模型的基本形式。其中 a,b 為待定系數(shù),分別稱為發(fā)展系數(shù)和灰色作量,a 的有效區(qū)間是(-,),且當(dāng) a叟-. 時,GM(,)模型可以用于中長期預(yù)測[]。定義 (累積法 GM(,)模型) 對上述()式兩端施加累積算子,假設(shè)累積算子的最高階數(shù)為 r(r叟),在這里我們?nèi)=,得nk = Σ()x()(k)+ank = Σ()z()k=bnk = Σ()nk = Σ()x()(k)+ank = Σ()z()(k)=bnk = Σ(叟叟叟叟叟叟叟叟叟)()記 B=nk = Σ()z()(k)-nk = Σ()nk = Σ()z()(k)-nk = Σ(叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟),Y=-nk = Σ()x()(k)-nk = Σ()x()(k叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟叟),ξ贊=ab叟叟,則方程可以寫成如下矩陣形式:Bξ贊=Y,其中 B 為非奇異矩陣,故 B-存在,因此ξ贊可表示為ξ贊=B-Y ()由()和初始條件 x()(),建立預(yù)測方程為:x贊()(k+)=(x()()- ba)e-ak+ bay贊(k)=x贊()(k+)=x贊()(k+)-x贊()(k叟叟叟叟叟叟叟叟叟)(). 馬爾科夫預(yù)測對于一個符合 n 階馬爾科夫非平穩(wěn)隨機(jī)序列 y(k),其任一狀態(tài)茚k,可表述為茚k∈[茚k,茚k],其中茚k=y贊(k)+aky,茚k=y贊(k)+bky,k=,,…,m,y 為原始數(shù)據(jù)的均值。根據(jù)所研究對象的實(shí)際意義和樣本數(shù)據(jù)的多少來確定茚k 的含義, 以及狀態(tài)劃分的數(shù)目和常數(shù) ak、bk 的值。由狀態(tài)茚t(yī) 經(jīng)過 k 步轉(zhuǎn)移到茚j 的次數(shù)記為 nij(k),狀態(tài)茚t(yī) 出現(xiàn)的次數(shù)為 nl,則由狀態(tài)茚l經(jīng)過 k 步轉(zhuǎn)移到茚j 的轉(zhuǎn)移概率為 pij(k)= nij(k)nj,則 k 步轉(zhuǎn)移矩張國帥(貴州財經(jīng)學(xué)院數(shù)學(xué)與統(tǒng)計學(xué)院,貴陽 )摘要:文章針對傳統(tǒng)灰色馬爾科夫預(yù)測模型運(yùn)算量大等問題,將累積法與灰色馬爾科夫預(yù)測模型相結(jié)合,提出了一種基于累積法的灰色馬爾科夫預(yù)測模型,克服了傳統(tǒng)預(yù)測模型的缺陷,并以貴州省歷年旅游人數(shù)數(shù)據(jù)為例進(jìn)行分析預(yù)測,結(jié)果表明該模型能夠降低運(yùn)算量,提高預(yù)測水平。關(guān)鍵詞:累積法; GM(,);灰色馬爾科夫預(yù)測;貴州省旅游中圖分類號:F.;F.;O. 文獻(xiàn)標(biāo)識碼:A 文章編號:-()--基于累積法的灰色馬爾科夫預(yù)測模型及其應(yīng)用知識叢林統(tǒng)計與決策 年第 期(總第 期)陣記為 P=(Pij(k))m×m,于是系統(tǒng)未來時刻最可能的預(yù)測值為Y*(t)= 茚k+茚k=y贊(t)+ y軃(ai+bi) () 實(shí)例分析精確預(yù)測旅游人次及旅游收入,對制定貴州省“十二五”計劃有著重要的指導(dǎo)作用。表 是 ~ 年貴州省旅游人數(shù)和旅游收入統(tǒng)計數(shù)據(jù)。通過表 的數(shù)據(jù)顯示,除了 年受到非典影響,旅游人數(shù)較 年大幅度下降外,貴州省歷年的旅游人數(shù)呈逐年遞增趨勢。下面通過基于累積法的灰色馬爾科夫預(yù)測模型對 年的旅游人數(shù)進(jìn)行預(yù)測。第一步:構(gòu)造旅游人次序列 X()=[x()(),x()(),…,x()(n)]=[.,.,.,.,.,.,.,.,.,.],對 X()進(jìn)行一次累加生成,得生成序列 X()=[x()(),X()(), …,x ()(n)] =[.,.,.,.,.,.,.,.,.,.],再計算背景值序 Z()=[z()(),z()(),…,z()(n)]=[.,.,.,.,.,.,.,.,.]。第二步:令 GM(,)模型的基本形式 x()(k)+az()(k)=b,并對該式兩端施以二階累積算子,如()式所示,則有B=k = Σ()z()(k) -k = Σ()k = Σ()z()(k) -k = Σ()ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ= . -. -ΣΣ,Y=-nk = Σ()x()(k)-nk = Σ()z()(k)ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ=-.-.ΣΣ。于是得則ξ贊=aΣΣb=BTY=-..ΣΣ。故預(yù)測方程為:x贊()(k+)=(x()()- ba)e-ak+ ba=.e.k-.y贊(k)=x贊()(k+)=x贊()(k+)-x贊()(k)=.e.k第三步:以 y贊(k)曲線為基準(zhǔn),劃分成與 y贊(k)曲線平行的三個區(qū)域,每一個區(qū)域構(gòu)成了一個狀態(tài):茚:茚=y贊(k)-.y,茚=y贊(k);茚:茚=y贊(k),茚=y贊(k)+.y;茚:茚=y贊(k)+.y,茚=y贊(k)+.y。其
12>
播放器加載中,,請稍候...
系統(tǒng)無法檢測到您的Adobe Flash Player版本
建議您在線安裝最新版本的Flash Player 在線安裝
本文關(guān)鍵詞:基于累積法的灰色馬爾科夫預(yù)測模型及其應(yīng)用,由筆耕文化傳播整理發(fā)布。
本文編號:189922
本文鏈接:http://sikaile.net/jingjilunwen/jjtj/189922.html