首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 249 毫秒

1.  变参数非等间距GM(1,1)模型及应用  被引次数:10
   史雪荣  王作雷  张正娣《数学的实践与认识》,2006年第36卷第6期
   在对非等间距序列建模时,考虑到序列本身的特点,结合GM(1,1)模型的建模过程,提出了一种对非等间距序列建立变参数GM(1,1)模型的方法,并将其应用于具体实例进行分析,计算结果表明本文提出的方法具有较高的精度,从而为解决非等间距序列的拟合及预测问题提供了一种比较好的思路.    

2.  同时优化背景值和灰导数的新非等间距GM(1,1)模型  被引次数:1
   雍华  魏勇  孔新海《数学的实践与认识》,2011年第41卷第20期
   结合GM(1,1)的建模过程,提出了以原始序列的一次累加生成序列为背景值的非等间距序列GM(1,1)模型的最原始形式;并基于灰模型的非齐次指数特性和求导的定义,从灰导数在离散点的生成出发,同时优化最原始的非等间距灰微分方程的灰导数和背景值,并建立新非等间距灰模型;新模型不仅提高了灰模型的拟合精度和预测精度,且拓宽了GM(1,1)的适用范围.    

3.  非等间距NGM(1,1,k)模型及其应用  
   李亚男  曾亮《数学的实践与认识》,2017年第9期
   针对近似非齐次指数律的非等间距序列预测问题,提出了一种非等间距NGM(1,1,k)模型.为进一步提高模型的预测精度,利用线性插值方法对模型的背景值进行重构,以平均相对误差最小化为目标,建立了关于插值系数的优化模型,并运用穷举算法确定模型的最优插值系数.最后通过两个实例表明了非等间距NGM(1,1,k)模型及其优化模型的有效性和实用性.    

4.  基于等间距化的非等间距灰色GM(1,1)模型及优化  
   何敏藩  曾亮《数学的实践与认识》,2017年第4期
   针对现有非等间距GM(1,1)模型存在的不足,借鉴分段线性插值将非等间距序列等间距化的思想,以非等间距的方法建立了一种新的非等间距GM(1,1)模型,模型不需计算插值数据,可直接利用原始数据建模.然后通过赋予原始数据下标序列变换系数,利用平均模拟相对误差最小的原则确定各参数,建立优化后的非等间距GM(1,1)模型.最后通过算例测试和应用实例表明提出模型的有效性和可行性.    

5.  基于粒子群算法的非等距GOM(1,1)模型  
   于丽亚  王丰效《纯粹数学与应用数学》,2011年第27卷第4期
   等间距灰色GOM(1,1)模型是一种基于反向累加生成的灰色预测模型.为了拓广适用范围,提高GOM(1,1)模型的拟合和预测精度,给出了非等间距灰色GOM(1,1)模型的建模方法,并利用粒子群优化算法对非等间距灰色GOM(1,1)模型的参数进行优化.最后,利用一个仿真实例,表明基于粒子群优化算法的灰色GOM(1,1)模型具有较高的拟合和预测精度.也说明该方法是有效的和可行的,具有重要的理论意义.    

6.  非等间距组合灰色预测模型  被引次数:6
   王丰效《数学的实践与认识》,2007年第37卷第21期
   对于非等间距原始数据序列,根据灰色预测模型建模特点,提出了一类非等间距灰色组合预测方法,弥补了传统非等间距原始数据预测模型的不足,提高了灰色预测的精度.实例表明结果理想可靠,有较好的实际意义.    

7.  基于初始条件优化的非等间距多变量灰色预测模型研究  
   赵领娣  王海霞《模糊系统与数学》,2019年第1期
   为了进一步提高非等间距多变量灰色预测模型MGM(1,m)的预测精确度,根据新信息优先原理,本文提出了一种初始值末点优化的非等间距多变量灰色预测模型。通过对模型初始点的优化,给出了优化模型的计算公式和时间响应函数,从而使模型更符合灰色预测建模时新信息优先的原则。最后,通过算例验证了所提出模型的实用性,同时表明优化后的模型可以提高模型的模拟、预测精度。    

8.  基于随机振荡序列的GM(1,1)模型性质及其应用  
   崔立志  刘思峰《数学的实践与认识》,2012年第42卷第11期
   为了提高GM(1,1)模型对随机振荡序列的拟合和预测效果,提出了先将原始振荡序列变为单调增长序列,再对单调增长序列进行几何平均生成交换,然后建立GM(1,1)模型.通过实例计算表明,方法能够提高GM(1,1)模型的拟合精度,可以用于随机振荡序列的建模,从而扩大了GM(1,1)模型的应用范围.    

9.  非等间距GM(1,1)模型的改进与应用  被引次数:1
   曾祥艳  曾玲《数学的实践与认识》,2011年第41卷第2期
   将累积法引入非等间距GM(1,1)模型,得到累积法非等间距GM(1,1)模型.为了减少模型的滞后误差,引入一种可优化的背景值构造方法,将其代入累积法非等间距GM(1,1)模型的离散化方程,推导出可作为预测值计算公式的递推式,用来取代传统的白化响应式.结果分析表明累积法在非等间距模型中的应用效果良好,模型的拟合与预测精度都很高.    

10.  分数阶反向累加非等间距GM(1,1)模型及应用  被引次数:1
   曾亮《应用数学和力学》,2018年第7期
   针对非等间距递减序列的预测问题,首先构建了一阶反向累加非等间距GM(1,1)模型(简称为非等间距GOM(1,1)模型),并给出了模型参数的最小二乘解和可用于预测的离散时间响应式.为进一步提高模拟预测精度,利用分数阶累加思想,提出了分数阶非等间距GOM(1,1)模型.以平均模拟相对误差最小化为目标,建立非线性规划模型可求解得到最优阶数.最后,以数值模拟和钛合金疲劳强度随温度变化预测为例,证实了该文提出模型的有效性和实用性.    

11.  两步估计法在非等间距GM(1,1)预测模型参数估计中的应用  
   姜爱平  张启敏《数学的实践与认识》,2014年第21期
   为提高灰色模型的预测精度,在传统建模基础上,通过分析模型解的结构,提出了一种新的方法一两步估计法.即第1步利用差分思想,给出参数的初始估计值;第2步采用非齐次指数函数优化背景值,结合积分理论,对初始估计进行修正.实例表明,方法不仅适用于非等间距模型,同样也适合等间距模型,并且模型精度理想.    

12.  基于EMD方法的非线性/非平稳时间序列的气候预测研究  被引次数:1
   万仕全  封国林  董文杰  李建平  高新全  何文平《中国物理》,2005年第14卷第3期
   目前,大多数统计预测模型均假设时间序列或观测数据是线性和平稳的。然而,自然界的观测资料是非线性和非平稳的,通常很难用这些数学模型预测它们。本文针对这一问题提出了一个新的预测方案,即首先利用经验模态分解方法将非线性/非平稳时间序列平稳化,得到一系列本征模函数(IMF);其次用均生函数模型预测各IMF分量;最后以所有IMF的预测值为新样本对源序列作最优子集回归模型的拟合及预测。结果表明每个IMF,尤其是特征IMF(即特征层次)比源序列有更高的可预测性。该方案为气候预测开辟了一条新的有效途径。    

13.  基于非等时距加权灰色模型与神经网络的组合预测算法  被引次数:1
   韩晋  杨岳  陈峰  李雄兵《应用数学和力学》,2013年第34卷第4期
   非等时距预测算法在不等时间间隔序列的趋势分析与预测方面具有重要作用.在传统灰色预测理论的基础上,提出一种基于非等时距加权灰色模型和神经网络的组合预测算法.通过构建非等时距加权灰色预测模型,将原始数据序列的平均值作为累加序列初值,将连续累积函数的积分面积作为背景值,对累加序列进行加权处理,以真实反映时间序列发展对预测结果的影响.在此基础上,引入BP神经网络对灰色预测的残差序列进行修正,进一步提高了预测精度.经算例验证,该算法预测精度达到1级,且高于类似算法.    

14.  基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测  
   朱祥和《数学的实践与认识》,2017年第3期
   提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.    

15.  基于多元逆模糊数的模糊时间序列预测方法  
   张昊  焦克莹《数学的实践与认识》,2019年第9期
   在相关文献提出的模糊时间序列预测模型IFTSFM的基础上,定义了多元逆模糊数(Multivariate Inverse Fuzzy Number)的概念,建立了基于多元逆模糊数的模糊时间序列预测模型.应用这一模型,将海南省1997-2016年度旅游总收入历史数据分为两组,分别进行了对历史数据拟合模拟和对未知数据的预测计算,取得了令人满意的结果.    

16.  化肥需要量灰色预测模型参数的四阶求法  
   彭放  徐忠祥  方敏《工科数学》,1998年第14卷第3期
   针对文[1]化肥需要量灰色预测模型误差较大且预测结果与定性分析矛盾的问题,本文提出和应用了确定Verhulst模型参数的四阶方法.并重新合理配置建模数据而得一预测模型.计算表明新模型与实际值的拟合精度提高近十倍,而且预测结果与定性分析完全一致.    

17.  化肥需要量灰色预测模型参数的四阶求法  
   Peng Fang Xu Zhongxiang Fang Min《大学数学》,1998年第3期
   针对文[1]化肥需要量灰色预测模型误差较大且预测结果与定性分析矛盾的问题,本文提出和应用了确定Verhulst模型参数的四阶方法,并重新合理配置建模数据而得一预测模型.计算表明新模型与实际值的拟合精度提高近十倍,而且预测结果与定性分析完全一致.    

18.  非齐次GM(1,1)模型的背景值优化及其应用  
   宋泉良  卢志刚  刘祯  王虎跃《数学的实践与认识》,2018年第11期
   针对非齐次GM(1,1)模型中传统方法构造的背景值与真实背景值之间存在误差的情况,提出了一种背景值优化方法.首先,分析了背景值误差的来源及其对模型预测精度的影响;然后,通过积分变换重构了背景值,并利用非齐次指数序列及其一次累加、一次累减生成序列的相互关系,得到了重构背景值中参数的表达形式;最后,根据拟合误差最小原理解得了模型参数的估计值,进而得到了预测公式.经过实例应用,优化模型预测结果的平均相对误差为0.54%,表明优化背景值能够明显提高模型的预测精度.    

19.  时间序列分析在我国农业总产值预测中的应用  
   张镪  马元魁  张建生《数学建模及其应用》,2019年第3期
   应用时间序列分析的方法,运用R软件,对我国1978—2015年各年的农业总产值数据进行了分析.首先,绘制时间序列图,计算自相关系数与偏自相关系数,根据自相关系数图与偏自相关系数图进行纯随机性检验,并在此基础上,建立了两个模型:ARIMA(1,1,3)模型和ARIMA(1,2,1)模型;然后,对这两个模型获取残差序列,对我国2016—2022年农业总产值进行了预测;最后,通过与我国2016年和2017年实际的农业总产值进行比较,结合预测模型的AIC值和残差序列的p值等多重因素考虑,认定ARIMA(1,2,1)模型拟合程度较好,可用于对我国农业总产值进行有效预测.    

20.  基于时间序列法的国税月度收入预测模型研究  被引次数:2
   张梦瑶  崔晋川《系统科学与数学》,2008年第28卷第11期
   研究了基于时间序列方法的国税月度收入预测. 通过采用Box-Jenkins的ARIMA模型, 结合国税月度收入数据, 分析并提出了一套针对月度税收收入的预测研究框架, 包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法. 在该研究框架的指导下, 以增值税、海关代征税和营业税为例, 对2006年各月的税收收入进行了模拟预测, 月度税收收入预测的平均相对误差分别控制在5.47\%, 8.63\%和2.37\%. 最后给出了在实际应用中动态修正税收预测模型的建议, 并简要讨论了时间序列方法在税收预测中面临的问题.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号