通過查閱相關(guān)的資料了解到GM（2,1）模型主要存在的缺陷是強行定義邊界以及緊鄰均值序列預測公式和累加生成序列預測公式相互混淆。針對GM（2,1）模型存在的這兩大缺陷提出相應的改進措施;同時對傳統(tǒng)的GM（2,1）模型中求解白化方程的方法進行了改進,提出利用Laplace變換求解白化方程,這樣可以省去對微分方程的特征值進行分類判斷的繁瑣步驟。在MATLAB上進行的數(shù)值試驗表明改進后的GM（2,1）模型可以提高預測精度。 

【文章頁數(shù)】：2 頁

【文章目錄】：
0 引言
1 Laplace變換以及模式搜索法簡介
2 傳統(tǒng)GM(2,1)的構(gòu)造原理及一般步驟
    2.1 原始數(shù)據(jù)處理
        2.1.1 累加生成
        2.1.2 累減生成
    2.2 模型建立
    2.3 求解參數(shù)a1,a2,b
    2.4 微分方程的求解
    2.5 建立預測公式
3 傳統(tǒng)GM(2,1)模型的缺陷
4 改進措施
5 數(shù)值實驗
6 結(jié)論


【參考文獻】：
期刊論文
[1]基于加權(quán)組合和最小二乘法改進的GM（2,1）模型[J]. 牛思先,陳鵬宇,蘇玉剛.  統(tǒng)計與決策. 2010(22)
[2]GM（2,1）模型預測公式的改進研究[J]. 趙新蕖,陳紅林.  武漢理工大學學報. 2006(10)
[3]利用最小二乘法改進GM（2,1）模型[J]. 沈繼紅,趙希人.  哈爾濱工程大學學報. 2001(04)
[4]實現(xiàn)模式搜索法快速收斂和全域最優(yōu)解的方法[J]. 吳賢華.  溫州師范學院學報(自然科學版). 1994(06)



本文編號：3654226