基于非线性最小一乘GM（1,1）模型研究

发布时间：2021-04-25 10:55

　　针对灰色GM（1,1）模型参数估计采用的最小二乘法的抗差能力不强,以及原始数据含少量粗差时影响到累加生成的数据进而可能导致参数估计偏差很大,提出对原始数据直接应用具有较强稳健性的最小一乘来估计参数,对非线性的还原函数进行线性化再利用最小一乘来估计参数。实验结果表明对于严格满足纯指数序列的数据,文章提出的算法要优于传统模型和文献提出的FGM（1,1）模型,几乎达到无偏的效果,并且在含少量粗差时不受粗差干扰。 

【文章来源】：东华理工大学学报(自然科学版). 2016,39(S1)

【文章页数】：3 页

【文章目录】：
1 GM（1,1）模型建模机理
2 最小一乘非线性参数估计
3 算例分析
4 结语


【参考文献】：
期刊论文
[1]初始条件改进全概括灰色预测模型研究[J]. 王康,周世健.  测绘科学. 2014(12)
[2]同时利用x（1）（1）和x（1）（n）为GM（1,1）建模初始条件的预测方法研究[J]. 袁德宝,崔希民,高宁.  大地测量与地球动力学. 2013(03)
[3]基于背景值和边值修正的GM（1,1）模型优化[J]. 张彬,西桂权.  系统工程理论与实践. 2013(03)
[4]基于全最小一乘准则的灰色GM（1,1）模型参数估计[J]. 何霞,刘卫锋.  统计与决策. 2012(07)
[5]最小一乘回归系数估计及其MATLAB实现[J]. 王福昌,胡顺田,张艳芳.  防灾科技学院学报. 2007(04)
[6]以x（1）（n）为初始条件的GM模型[J]. 党耀国,刘思峰,刘斌.  中国管理科学. 2005(01)
[7]估计GM（1,1）模型中参数的一族算法[J]. 何文章,宋国乡,吴爱弟.  系统工程理论与实践. 2005(01)
[8]灰色模型GM（1,1）优化[J]. 罗党,刘思峰,党耀国.  中国工程科学. 2003(08)
[9]经典误差理论与抗差估计[J]. 周江文.  测绘学报. 1989(02)



本文编号：3159261