GM（1,N）模型是一種重要的因果關(guān)系預測模型,建模過程充分考慮了相關(guān)因素對系統(tǒng)變化的影響,但GM（1,N）模型存在建模機理和模型結(jié)構(gòu)上的不足,因此在實際應用中常常導致模型誤差大于GM（1,1）模型。為了解決傳統(tǒng)灰色模型預測精度不高的問題,論文以OGM（1,N）預測模型為研究基礎(chǔ),采用灰色關(guān)聯(lián)分析方法計算篩選與參考序列關(guān)聯(lián)度較高的序列組成自變量輸入序列,同時根據(jù)OGM（1,N）模型預測原理優(yōu)化模型初始條件,基于PSO算法和變量數(shù)目直接對OGM（1,N）模型參數(shù)進行優(yōu)化求解。論文提出的模型將灰微分方程背景值的尋優(yōu)過程轉(zhuǎn)化為利用PSO尋找最小模型還原值與實際值誤差平方和的問題,有效避免了背景值尋優(yōu)過程或直接定義背景值再對模型參數(shù)值進行求解產(chǎn)生的偏差。最后,論文通過在兩個預測數(shù)據(jù)集上的實驗證明了所提模型的預測準確性和價值性。 

【文章來源】：計算機與數(shù)字工程. 2020,48(10)

【文章頁數(shù)】：6 頁

【部分圖文】：

各模型預測結(jié)果對比圖

圖1 各模型預測結(jié)果對比圖從圖1可以發(fā)現(xiàn)，在抗拉強度數(shù)據(jù)集上，GM(1,N）模型預測過程出現(xiàn)較大偏差，GM(1,1）模型除個別點出現(xiàn)較大偏離外，絕大多數(shù)點誤差相對較小，但GM(1,1）模型沒有準確反映出真實數(shù)據(jù)的變化趨勢，POGM(1,N）模型和OGM(1,N）模型充分考慮了數(shù)據(jù)點之間的變化趨勢，預測結(jié)果相對穩(wěn)定。從圖2可以發(fā)現(xiàn)，在基坑監(jiān)測數(shù)據(jù)集上，傳統(tǒng)GM(1,1）模型和GM(1,N）模型的預測結(jié)果相對穩(wěn)定但是誤差較大，POGM(1,N）模型和OGM(1,N）模型預測結(jié)果更接近于真實值，絕大多數(shù)點相對誤差較小，預測結(jié)果更為穩(wěn)定。另外，通過表4中各個模型在表1、表2數(shù)據(jù)集上的預測指標對比可以看出，本文所提方法在MAE、MSE和MAPE三大指標下的性能相對于GM(1,1）模型、GM(1,N）模型有了較大提升，和OGM(1,N）模型相比，在MAE、MSE和MAPE指標上分別下降了0.0464,0.0188,0.6828%和0.3356,0.6765,2.2411%。這說明，本文所提出的POGM(1,N）模型能獲得比其他方法更好的預測效果，POGM(1,N）模型預測精度高，更能反映數(shù)據(jù)的真實變化趨勢。

【參考文獻】：
期刊論文
[1]臨空經(jīng)濟與區(qū)域經(jīng)濟階段性耦合發(fā)展研究[J]. 高友才,湯凱.  經(jīng)濟體制改革. 2017(06)
[2]基于核與灰半徑序列的GM（1,N）預測模型及其在霧霾中的應用[J]. 熊萍萍,李軍,張倩,張雪純.  山西大學學報(自然科學版). 2017(02)
[3]基于時序數(shù)據(jù)的軟件可靠性模型組合新方法[J]. 李克文,劉洪太.  計算機應用. 2014(S2)
[4]Modeling mechanism and extension of GM （1,1）[J]. Xinping Xiao,Yichen Hu,Huan Guo.  Journal of Systems Engineering and Electronics. 2013(03)
[5]背景值優(yōu)化的多變量灰色模型在路基沉降預測中的應用[J]. 劉寒冰,向一鳴,阮有興.  巖土力學. 2013(01)
[6]基于灰色自適應粒子群LSSVM的鐵路貨運量預測[J]. 耿立艷,梁毅剛.  西南交通大學學報. 2012(01)

碩士論文
[1]改進的灰色預測模型及其在測繪數(shù)據(jù)處理中的應用[D]. 周一帆.東華理工大學 2017



本文編號：3366216