特征自适应型GM（1,1）模型及对中国交通污染排放量的预测建模
发布时间：2021-06-19 19:42
兼顾精度与拟合趋势相似性是预测建模需要深入研究的重要问题.为提高模型对数据特征的适应能力,本文分析了GM（1,1）模型中灰微分方程和白化方程的一致性关系以及响应式还原方法问题,提出构建一种特征自适应型灰预测模型,即CAGM（1,1）模型.该模型采用含可变参数的背景值公式构建灰微分方程,并通过转化模型形式推导了参数估计过程,进而构建以背景值序列为基础的时间响应式;为提高模型预测能力,本文结合灰色关联度构建响应式还原过程中待定变量的适应度函数,采用粒子群算法取得其最优值.最后,案例研究了我国机动车污染排放预测问题,分别构建GM（1,1）和CAGM（1,1）模型对氮氧化合物排放量进行建模,通过比较二者拟合和预测结果验证新模型的改进效果,为管理实践提供有效工具.
【文章来源】：系统工程理论与实践. 2018,38(01)北大核心CSSCIEICSCD
【文章页数】：10 页
【部分图文】：
图１中国机动车ＮＯｘ排放量（２〇０９－２〇１６年）??从数据特征上看，机动车污染数据呈现増速放缓、由饱和趋于下降的趋势，并在一定程度上呈现振??
，从建模效果上来讲，灰色??模型通过从数据本身挖掘规律，在一定程度上避免了高时效性数据导致的建模偏差．而ＣＡＧＭ（１，１）模型通??过提供对数据特征的适应能力进一步提升了模型效果，为交通环境管理的策略制定提供参考依据．??５４０－??？?１?Ｉ?１?Ｉ?１?Ｉ?＇?Ｉ?１?Ｉ?１?Ｉ?１?Ｉ?＇?Ｉ?１?Ｉ??２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??时间／年??一■—原始数据？?ＣＡＧＭ（ｌ，ｌ）＾－ＧＭ（ｌ，ｌ）??图２道路源ＮＯ：，．排放量建模拟合与预测图??５结论与总结??根据上述理论和应用研究可以总结本文的模型研究：１）新模型是灰色ＧＭ（１，１）基础上建立起的拓展模??型．适用于数据发展存在一定不规则特征时，当数据不满足近似指数趋势时ＣＡＧＭ（１，１）模型所得预测效果??明显优于传统模型．基于适用性的理论特征，ＣＡＧＭ（１，１）模型在应用当中主要针对时效性较强的数据末端建??模．能够较为准确的拟合不规则增长趋势或振荡性发展特征．２）从建模思想角度总结，灰预测理论的拓展是??研究管理科学新问题的有效视角．对于解决数据“最后一公里”问题中的小样本建模具有明显优势．道路交??通污染本质上是一个复杂增长型系统，其中大量数据具有较强时效性、变化趋势带有一定振荡特征，导致多??数模型出现精度难以提升或建模结果与定性分析不一致等问题，而灰色模型能够较好的实现对这一类系统的??建模．本文对灰色模型的拓展研究在一定程度上印证了这一观点，同时也期望能够对后续更多的深入５开究有??所参考价值．??参考文献??［１］?Ｌｉｕ?Ｓ?Ｆ，?Ｌｉｎ?Ｙ．?Ｇｒｅｙ?ｓｙｓｔｅｍ
【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]GM（1,1）模型背景值的优化[J]. 江艺羡,张岐山. 中国管理科学. 2015(09)
[3]基于误差最小化的GM（1,1）模型背景值优化方法[J]. 徐宁,党耀国,丁松. 控制与决策. 2015(02)
[4]基于驱动控制的多变量离散灰色模型[J]. 张可. 系统工程理论与实践. 2014(08)
[5]灰色GM（1,1,tα）模型与自忆性原理的耦合及应用[J]. 郭晓君,刘思峰,方志耕,周伟杰. 控制与决策. 2014(08)
[6]GM（1,1）模型的几种基本形式及其适用范围研究[J]. 刘思峰,曾波,刘解放,谢乃明. 系统工程与电子技术. 2014(03)
[7]GM（1,1,α）模型背景值的变化对相对误差的影响[J]. 肖新平,王欢欢. 系统工程理论与实践. 2014(02)
[8]基于傅立叶级数的小样本振荡序列灰色预测方法[J]. 王正新. 控制与决策. 2014(02)
[9]基于GM（1,1|τ,r）模型的城市道路短时交通流预测[J]. 郭欢,肖新平,Jeffrey Forrest. 交通运输系统工程与信息. 2013(06)
[10]广义累加灰色预测控制模型的性质及优化[J]. 肖新平,刘军,郭欢. 系统工程理论与实践. 2014(06)
本文编号：3238422
【文章来源】：系统工程理论与实践. 2018,38(01)北大核心CSSCIEICSCD
【文章页数】：10 页
【部分图文】：
图１中国机动车ＮＯｘ排放量（２〇０９－２〇１６年）??从数据特征上看，机动车污染数据呈现増速放缓、由饱和趋于下降的趋势，并在一定程度上呈现振??
，从建模效果上来讲，灰色??模型通过从数据本身挖掘规律，在一定程度上避免了高时效性数据导致的建模偏差．而ＣＡＧＭ（１，１）模型通??过提供对数据特征的适应能力进一步提升了模型效果，为交通环境管理的策略制定提供参考依据．??５４０－??？?１?Ｉ?１?Ｉ?１?Ｉ?＇?Ｉ?１?Ｉ?１?Ｉ?１?Ｉ?＇?Ｉ?１?Ｉ??２００８?２００９?２０１０?２０１１?２０１２?２０１３?２０１４?２０１５?２０１６?２０１７??时间／年??一■—原始数据？?ＣＡＧＭ（ｌ，ｌ）＾－ＧＭ（ｌ，ｌ）??图２道路源ＮＯ：，．排放量建模拟合与预测图??５结论与总结??根据上述理论和应用研究可以总结本文的模型研究：１）新模型是灰色ＧＭ（１，１）基础上建立起的拓展模??型．适用于数据发展存在一定不规则特征时，当数据不满足近似指数趋势时ＣＡＧＭ（１，１）模型所得预测效果??明显优于传统模型．基于适用性的理论特征，ＣＡＧＭ（１，１）模型在应用当中主要针对时效性较强的数据末端建??模．能够较为准确的拟合不规则增长趋势或振荡性发展特征．２）从建模思想角度总结，灰预测理论的拓展是??研究管理科学新问题的有效视角．对于解决数据“最后一公里”问题中的小样本建模具有明显优势．道路交??通污染本质上是一个复杂增长型系统，其中大量数据具有较强时效性、变化趋势带有一定振荡特征，导致多??数模型出现精度难以提升或建模结果与定性分析不一致等问题，而灰色模型能够较好的实现对这一类系统的??建模．本文对灰色模型的拓展研究在一定程度上印证了这一观点，同时也期望能够对后续更多的深入５开究有??所参考价值．??参考文献??［１］?Ｌｉｕ?Ｓ?Ｆ，?Ｌｉｎ?Ｙ．?Ｇｒｅｙ?ｓｙｓｔｅｍ
【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]GM（1,1）模型背景值的优化[J]. 江艺羡,张岐山. 中国管理科学. 2015(09)
[3]基于误差最小化的GM（1,1）模型背景值优化方法[J]. 徐宁,党耀国,丁松. 控制与决策. 2015(02)
[4]基于驱动控制的多变量离散灰色模型[J]. 张可. 系统工程理论与实践. 2014(08)
[5]灰色GM（1,1,tα）模型与自忆性原理的耦合及应用[J]. 郭晓君,刘思峰,方志耕,周伟杰. 控制与决策. 2014(08)
[6]GM（1,1）模型的几种基本形式及其适用范围研究[J]. 刘思峰,曾波,刘解放,谢乃明. 系统工程与电子技术. 2014(03)
[7]GM（1,1,α）模型背景值的变化对相对误差的影响[J]. 肖新平,王欢欢. 系统工程理论与实践. 2014(02)
[8]基于傅立叶级数的小样本振荡序列灰色预测方法[J]. 王正新. 控制与决策. 2014(02)
[9]基于GM（1,1|τ,r）模型的城市道路短时交通流预测[J]. 郭欢,肖新平,Jeffrey Forrest. 交通运输系统工程与信息. 2013(06)
[10]广义累加灰色预测控制模型的性质及优化[J]. 肖新平,刘军,郭欢. 系统工程理论与实践. 2014(06)
本文编号：3238422
本文链接：https://www.wllwen.com/projectlw/xtxlw/3238422.html
