基于离散余弦变换的GM（1,1,d）预测模型

发布时间：2021-05-19 10:42

　　针对实测数据的噪声导致预测模型的预测精度下降问题,利用离散余弦变换对实数具有较强降噪功能的优势,结合灰色系统理论建模机理,构建基于离散余弦变换的GM（1,1,d）模型,并给出了相应的算法和步骤.该模型通过离散余弦变换对数据进行去伪存真的清洗,有效降低了随机扰动误差,提高了预测精度.算例表明,GM（1,1,d）模型能显著提高模型的预测精度. 

【文章来源】：嘉兴学院学报. 2017,29(06)

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于改进灰色模型的能源消费预测研究[J]. 穆海林,王文超,宁亚东,李刚.  大连理工大学学报. 2011(04)
[2]基于灰色理论预处理的神经网络机床热误差建模[J]. 张毅,杨建国.  机械工程学报. 2011(07)
[3]人工神经网络和灰色预测客运量方法的比较[J]. 刘长虹.  上海工程技术大学学报. 2005(01)
[4]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)
[5]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)
[6]优化灰导数白化值的无偏灰色GM（1,1）模型[J]. 穆勇.  数学的实践与认识. 2003(03)
[7]中心逼近式灰色GM（1,1）模型[J]. 宋中民,同小军,肖新平.  系统工程理论与实践. 2001(05)
[8]GM（1,1）模型的背景值构造方法和应用（Ⅲ）[J]. 谭冠军.  系统工程理论与实践. 2000(06)
[9]GM（1,1）模型的背景值构造方法和应用（Ⅱ）[J]. 谭冠军.  系统工程理论与实践. 2000(05)
[10]GM（1,1）模型的背景值构造方法和应用（Ⅰ）[J]. 谭冠军.  系统工程理论与实践. 2000(04)



本文编号：3195637