針對建模對象是三參數(shù)區(qū)間灰數(shù),提出了一種三參數(shù)區(qū)間灰數(shù)預測模型.首先,通過相對核、"重心"點和精度提取三參數(shù)區(qū)間灰數(shù)蘊含的灰信息,實現(xiàn)三參數(shù)區(qū)間灰數(shù)到實數(shù)的轉(zhuǎn)化.然后,分別對相對核序列、"重心"點序列和"精度"序列建立DGM（1,1）模型,并反推三參數(shù)區(qū)間灰數(shù)3個參數(shù)模擬值的表達式,從而構(gòu)建了基于相對核和精度的三參數(shù)區(qū)間灰數(shù)預測模型.最后,對某上市公司流動資產(chǎn)持有量進行模擬預測以驗證所建模型的實用性和可靠性. 

【文章來源】：數(shù)學的實踐與認識. 2020,50(13)北大核心

【文章頁數(shù)】：7 頁

【參考文獻】：
期刊論文
[1]基于灰色預測模型的京津冀區(qū)域大氣環(huán)境研究[J]. 周雅爽,申曉留,張瑩,熊智林.  工業(yè)控制計算機. 2018(11)
[2]基于偏最小二乘方法的ARIMA模型在股票指數(shù)預測中的應用[J]. 方坷昊,趙凌.  四川文理學院學報. 2018(05)
[3]基于神經(jīng)網(wǎng)絡學習方法的放療計劃三維劑量分布預測[J]. 孔繁圖,麥燕華,亓孟科,吳艾茜,郭芙彤,賈啟源,李永寶,宋婷,周凌宏.  南方醫(yī)科大學學報. 2018(06)
[4]基于模糊預測模型的橋梁樁基質(zhì)量檢測評估方法研究[J]. 陸朝昌.  西部交通科技. 2018(06)
[5]基于相對核的三參數(shù)區(qū)間灰數(shù)信息下多屬性決策方法[J]. 李嘩,張東興,郭三黨.  數(shù)學的實踐與認識. 2018(01)
[6]灰色神經(jīng)網(wǎng)絡下的多變量土壤含水量預測模型[J]. 羅黨,王澮婷.  華北水利水電大學學報(自然科學版). 2017(05)
[7]基于核和精確度的三參數(shù)區(qū)間灰數(shù)預測模型[J]. 李曄,朱山麗,侯賢敏.  河南師范大學學報(自然科學版). 2016(06)
[8]基于廣義“灰度不減”公理的區(qū)間灰數(shù)預測模型[J]. 葉璟,黨耀國,丁松.  控制與決策. 2016(10)
[9]基于復化梯形公式的GM（1,1）模型背景值的優(yōu)化[J]. 蔣詩泉,劉思峰,周興才.  控制與決策. 2014(12)
[10]灰色GM（1,1）模型參數(shù)估計的加權最小二乘方法[J]. 何霞.  運籌與管理. 2012(06)

碩士論文
[1]三參數(shù)區(qū)間灰數(shù)的決策和預測方法研究[D]. 王娜.河南農(nóng)業(yè)大學 2015



本文編號：3474354