基于三角模糊数序列的灰色预测模型

以GM(1,1)模型为代表的灰色预测模型是以精确数序列为基础,难以满足实际需要.为了使灰色模型适应于模糊数序列,具体给出了一种基于三角模糊数序列的建模方法,这种方法也可以实现对二元区间模糊数和梯形模糊数序列的建模.首先由三角模糊数序列得出三个含有等量信息的精确数序列:重心序列、隶属函数的覆盖面积序列和中界点序列,对这三个序列分别建模后,再导出原始三角模糊数序列的三个界点的预测模型.这种建模方法既保持了模糊数的整体性又提高了建模序列的光滑度,提高了预测精度.最后进行了多组随机三角模糊数序列的数据模拟,验证了模型的有效性.     

非等间距GM(1,1)模型的改进与应用

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.     

基于矩阵型时滞灰色多变量模型的区间数序列预测

许多数据表示为区间数时更有利于管理和决策.为有效预测区间数序列,考虑系统中普遍存在的时滞效应,基于传统灰色模型同时引入系统特征和相关因素的滞后项,然后进一步把模型的适用范围从精确数序列拓广到区间数序列,提出了矩阵型时滞灰色多变量模型.在此基础上,提出了一种确定区间数序列最优滞后阶的方法.最后对我国财政收入和社会消费品零售总额进行预测,结果表明新模型是有效的,在拟合和预测方面均优于其他五个灰色竞争模型,具有一定的应用价值.