灰色系統(tǒng)理論是研究部分信息未知、部分信息已知的小樣本以及貧信息不確定性的系統(tǒng)。GM系列模型是灰色預(yù)測(cè)理論的基本模型,應(yīng)用非常廣泛,是基于累加處理后原始數(shù)據(jù)的指數(shù)規(guī)律而建立的。但實(shí)際上大部分序列不是近指數(shù)也不是低增長(zhǎng)的,而傳統(tǒng)的預(yù)測(cè)模型適用于近指數(shù)序列和低增長(zhǎng)序列。因此為了提高建模精度,在建立灰色預(yù)測(cè)模型之前需對(duì)原始序列進(jìn)行分析處理。本文將聚焦于灰色預(yù)測(cè)技術(shù)的第一個(gè)步驟——數(shù)據(jù)預(yù)處理階段,主要內(nèi)容如下:(1)基于數(shù)據(jù)預(yù)處理技術(shù),即分別從函數(shù)變換和緩沖算子兩方面著手,發(fā)現(xiàn)新的數(shù)據(jù)處理方法,提高建模精度。(2)提高建模精度的含參變量函數(shù)變換的特征與參數(shù)范圍。首先研究了含參變量函數(shù)變換能縮小級(jí)比偏差的參數(shù)范圍。但是由于經(jīng)過(guò)含參變量函數(shù)變換后的預(yù)測(cè)值不是實(shí)際需要的預(yù)測(cè)值,必須經(jīng)過(guò)逆變換還原,然而一些變換會(huì)在還原過(guò)程中擴(kuò)大誤差,即使在變換后進(jìn)一步提高了建模精度。鑒于這一事實(shí),接著研究了在還原過(guò)程中不擴(kuò)大誤差的函數(shù)特征。最后通過(guò)實(shí)例驗(yàn)證了本文方法的可操作性,結(jié)論的合理性、可靠性。(3)一類縮小級(jí)比偏差的弱化緩沖算子。本文提出了構(gòu)建弱化緩沖算子的新方法,先通過(guò)恰當(dāng)函數(shù)變換縮小級(jí)比偏差,為緩沖作好必要鋪墊...

【文章頁(yè)數(shù)】：38 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 前言
    1.1 選題背景與研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 函數(shù)變換
        1.2.2 緩沖算子
    1.3 論文的主要內(nèi)容及結(jié)構(gòu)安排
        1.3.1 主要內(nèi)容
        1.3.2 結(jié)構(gòu)安排
第2章 灰色預(yù)測(cè)技術(shù)的基礎(chǔ)理論
    2.1 傳統(tǒng)灰色預(yù)測(cè)模型
    2.2 數(shù)據(jù)預(yù)處理技術(shù)
        2.2.1 函數(shù)變換技術(shù)
        2.2.2 緩沖算子理論
第3章 提高建模精度的含參變量函數(shù)變換的特征與參數(shù)范圍
    3.1 序列X單調(diào)遞增,含參變量函數(shù)變換F(x(k))=f(x(k))/d^k的研究情況
    3.2 序列X單調(diào)遞減,含參變量函數(shù)變換F(x(k))=f(x(k))d^k研究情況
    3.3 函數(shù)變換還原不擴(kuò)大誤差相對(duì)誤差的條件
    3.4 案例分析
    3.5 本章小結(jié)
第4章 一類縮小級(jí)比偏差的弱化緩沖算子
    4.1 一種縮小級(jí)比偏差的緩沖算子
    4.2 尋找一個(gè)緩沖算子且能縮小級(jí)比偏差的函數(shù)f(x)的步驟和思路
    4.3 案例分析
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
在學(xué)期間的科研情況



本文編號(hào)：4045527