1-AGO-GM（1,1）模型的构建及其在火灾死亡人数预测中应用

发布时间：2022-01-17 18:29

　　针对传统GM（1,1）预测模型对初始值依赖程度较高,预测结果波动性大的问题,采用一次累加方法对初始值进行修正,构建了1-AGO-GM（1,1）模型.并以北京市2008—2017年火灾死亡人数预测分析为实例,进行相应的拟合运算,对比两种模型的运算误差,结果表明改进型GM（1,1）预测精度更高,能够取得良好的预测效果. 

【文章来源】：常州大学学报(自然科学版). 2019,31(04)

【文章页数】：5 页

【文章目录】：
1 传统GM (1, 1) 模型建模过程及其初始值的缺陷
    1.1 传统GM (1, 1) 模型建模过程
    1.2 GM (1, 1) 建模初始值的缺陷
2 模型改进
    2.1 构建1-AGO-GM (1, 1) 模型
    2.2 误差分析
3 模型的应用
    3.1 两种模型预测结果对比
    3.2 改进型GM (1, 1) 模型的效果分析
4 结 论


【参考文献】：
期刊论文
[1]一种同时优化背景值和初始条件的GM（1,1）建模方法[J]. 邹进贵,聂海滨,邱国庆.  测绘地理信息. 2018(02)
[2]GM（1,1）模型的改进及其在火灾致死人数预测中的应用[J]. 杨坦,吴睿,王超,汪洋.  重庆科技学院学报(自然科学版). 2017(06)
[3]基于RBF神经网络的火灾报警系统失效概率预测[J]. 宋英华,王亚楠,吕伟,刘丹.  安全与环境学报. 2017(05)
[4]基于时间权重序列的GM（1,1）初始条件优化模型[J]. 郑坚,陈斌.  控制与决策. 2018(03)
[5]GM（1,1）模型在国家自然灾害预测评估项目中的应用——以森林火灾预测为例[J]. 余泳,吴琼,丁冰清.  项目管理技术. 2017(03)
[6]火灾损失预测的改进GM（1,1）模型[J]. 吴天魁,王波,周晓辉,赵旖旎.  数学理论与应用. 2014(01)

硕士论文
[1]GM（1,1）模型的优化研究[D]. 王换鹏.燕山大学 2012



本文编号：3595226