基于Laplace变换与模式搜索法改进的GM（2,1）模型

发布时间：2022-07-02 10:47

　　通过查阅相关的资料了解到GM（2,1）模型主要存在的缺陷是强行定义边界以及紧邻均值序列预测公式和累加生成序列预测公式相互混淆。针对GM（2,1）模型存在的这两大缺陷提出相应的改进措施;同时对传统的GM（2,1）模型中求解白化方程的方法进行了改进,提出利用Laplace变换求解白化方程,这样可以省去对微分方程的特征值进行分类判断的繁琐步骤。在MATLAB上进行的数值试验表明改进后的GM（2,1）模型可以提高预测精度。 

【文章页数】：2 页

【文章目录】：
0 引言
1 Laplace变换以及模式搜索法简介
2 传统GM(2,1)的构造原理及一般步骤
    2.1 原始数据处理
        2.1.1 累加生成
        2.1.2 累减生成
    2.2 模型建立
    2.3 求解参数a1,a2,b
    2.4 微分方程的求解
    2.5 建立预测公式
3 传统GM(2,1)模型的缺陷
4 改进措施
5 数值实验
6 结论


【参考文献】：
期刊论文
[1]基于加权组合和最小二乘法改进的GM（2,1）模型[J]. 牛思先,陈鹏宇,苏玉刚.  统计与决策. 2010(22)
[2]GM（2,1）模型预测公式的改进研究[J]. 赵新蕖,陈红林.  武汉理工大学学报. 2006(10)
[3]利用最小二乘法改进GM（2,1）模型[J]. 沈继红,赵希人.  哈尔滨工程大学学报. 2001(04)
[4]实现模式搜索法快速收敛和全域最优解的方法[J]. 吴贤华.  温州师范学院学报(自然科学版). 1994(06)



本文编号：3654226