發(fā)布時間：2021-01-04 22:42

　　為了利用分數階累加算子在灰色短期預測中的高效性能,首次將分數階累加算子引入變異時序回歸模型以期取得更高的預測精度。主要方法如下:首先取湖北省鏈子崖某監(jiān)測點1978—1987年的十年數據作為訓練集并使用引力搜索算法確定最佳分數階累加階數,而1988—1993年的六年數據作為驗證集驗證提出的模型;其次對比了經典灰色模型GM（1,1）、分數階累加灰色模型、變異時序回歸模型TSGM（1,1）三種灰色模型。結果如下:首先修正了陳西江等人變異時序回歸模型仿真時出現(xiàn)的錯誤,其次表明了相比于其他的模型,基于引力搜索算法的分數階累加時序回歸模型在進行灰色長期預測中具有較高的預測精度。因此,通過分數階累加算子提高了灰色理論中長期預測模型的精度,為灰色長期預測提供了指導。 

【文章來源】：計算機應用研究. 2019年06期 北大核心

【文章頁數】：5 頁

【部分圖文】：

四種模型預測值曲線對比

P=(－0．14363，4．8889)'以及X^(1)=(0．2，5．4883，11．5934，18．6414，26．7781，36．1716，47．0159，59．5352，73．9881，90．6734)'。b)根據變異時序回歸GM(1，1)模型中的t(0)公式計算可得t(0)=(0，0．8056，1．6570，2．5860，3．8404，4．9030，6．0670，6．8924，8．0008，8．9285)'。從而t(1)=(0，0．8056，2．4626，5．0486，8．8890，13．7920，19．8590，26．7514，34．7522，43．6807)'。c)對t(1)進行二次、三次、四次多項式擬合，含有常數的冪函數擬合，擬合曲線如下:t(1)=0．1085+0．1067t+0．5272t2(5)t(1)=0．4775－0．2467t+0．6111t2－0．0056t3(6)t(1)=0．3693－0．09847t+0．5522t2+0．003234t3－0．0004413t4(7)t(1)=0．5708t1．973+0．172(8)其中式(6)便是文獻［11］中的錯誤，修正結果如表1所示。d)計算以上四種曲線擬合誤差并選擇次小誤差的擬合曲線作為最佳曲線擬合即三次多項式。4.2模擬和預測表1、2將給出GM(1，1)、分數階累加FAGM(1，1)、變異時序回歸TSGM(1，1)、分數階變異時序GSA-TSGMGM(1，1)的模擬值以及預測值對比分析。其中分數階累加FAGM(1，1)累加階數為r=0．7060。分數階變異時序GSA-TSGMGM(1，1)模型的累加階數為r=1．0365，t(1)的擬合曲線為t

【參考文獻】：
期刊論文
[1]Modeling mechanism of a novel fractional grey mode based on matrix analysis[J]. Shuhua Mao,Min Zhu,Xinping Yan,Mingyun Gao,Xinping Xiao.  Journal of Systems Engineering and Electronics. 2016(05)
[2]分數階累加時滯GM（1,N,τ）模型及其應用[J]. 毛樹華,高明運,肖新平.  系統(tǒng)工程理論與實踐. 2015(02)
[3]殘差自適應回歸MGM（1,n）[J]. 陳西江,魯鐵定.  測繪科學. 2012(02)
[4]變異時序回歸GM（1,1）模型[J]. 陳西江,魯鐵定.  測繪科學. 2011(06)
[5]時變參數PGM（1,1）變形預測模型及其應用[J]. 汪孔政.  武漢大學學報(信息科學版). 2005(05)
[6]GM（1,1）模型的背景值構造方法和應用（Ⅱ）[J]. 譚冠軍.  系統(tǒng)工程理論與實踐. 2000(05)
[7]GM（1,1）模型的適用范圍[J]. 劉思峰,鄧聚龍.  系統(tǒng)工程理論與實踐. 2000(05)
[8]時序殘差GM（1,1）模型[J]. 李希燦,李麗.  系統(tǒng)工程理論與實踐. 1998(10)



本文編號：2957499