带遗忘因子的递推GM（1,1）预测模型

发布时间：2022-01-24 13:09

　　针对有新信息逐步引入的灰色预测模型,为区分新旧数据对模型的贡献度,提出一种带遗忘因子的递推灰色预测模型.通过在目标函数中增加遗忘因子,实现新旧建模数据的动态加权,达到逐步遗忘旧信息的目的.给出了灰色预测模型参数的递推估计算法,将新获信息实时加入,以提升模型预测精度.网络流量的递推GM（1,1）预测模型建立及数值仿真,验证了改进算法的有效性. 

【文章来源】：数学的实践与认识. 2019,49(24)北大核心

【文章页数】：6 页

【参考文献】：
期刊论文
[1]灰色GM（1,1）模型研究综述[J]. 吴利丰,高晓辉,付斌,龙清涵,文朝霞.  数学的实践与认识. 2017(15)
[2]近似非齐次指数递减序列NGOM（1,1）模型的构建与优化[J]. 丁松,党耀国,徐宁,魏龙.  控制与决策. 2017(08)
[3]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)
[4]基于初始条件优化的一种非等间距GM（1,1）建模方法[J]. 熊萍萍,党耀国,姚天祥.  控制与决策. 2015(11)
[5]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)
[6]反向累加生成的特性及GOM（1,1）模型的优化[J]. 练郑伟,党耀国,王正新.  系统工程理论与实践. 2013(09)



本文编号：3606630