基于复化梯形公式的NGM（1,1,k）模型背景值优化

发布时间：2021-06-08 08:29

　　针对经典NGM（1,1,k）在背景值的影响下模型精度（拟合精度与预测精度）不高这一现状,结合复化求积公式中的复化梯形公式,推导了一种新的背景值优化公式.通过7类测试数据和2类实际数据的验证表明:推导的NGM（1,1,k）背景值优化公式显著地提高了NGM（1,1,k）的模型精度和实用性. 

【文章来源】：数学的实践与认识. 2019,49(02)北大核心

【文章页数】：9 页

【部分图文】：

图３?５种ＮＧＭ（ｌ，ｌ，ｋ）模型的结果数据分布图??

【参考文献】：
期刊论文
[1]无偏非齐次灰色预测模型的直接建模法[J]. 党耀国,刘震,叶璟.  控制与决策. 2017(05)
[2]NGM（1,1,k）模型的背景值及时间响应函数优化[J]. 刘震,党耀国,魏龙.  控制与决策. 2016(12)
[3]基于复合辛普森公式的GM（1,1）模型背景值的优化[J]. 沈艳,张丽玲.  应用科技. 2016(04)
[4]基于复化Simpson公式的GM（1,1）模型背景值优化[J]. 董克,吕文元.  数学的实践与认识. 2015(18)
[5]基于复化梯形公式的GM（1,1）模型背景值的优化[J]. 蒋诗泉,刘思峰,周兴才.  控制与决策. 2014(12)
[6]一种新的灰色预测模型及其建模机理[J]. 崔杰,党耀国,刘思峰.  控制与决策. 2009(11)
[7]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)
[8]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)



本文编号：3218054