动态灰预测模型的缓冲适应性建模方法

发布时间：2024-02-25 23:09

　　提升对数据特征的适应能力是预测建模的关键问题之一.本文融合缓冲算子方法与灰色滚动预测模型构建适应性灰预测模型,即BARGM模型.该方法将原始序列拆分为连续的数据片段,利用缓冲算子和数据片段上的反馈信息调整变权系数.并用GM(1,1)的衍生模型对调整后的片段数据进行逐步建模和外推;缓冲适应性模型相对传统建模方法具有两个特点,即改变灰模型响应式形式的单一性、具有较强的智能化拓展能力:案例研究采用我国能源相关的温室气体排放数据进行建模测试与对比,建模结果显示拟合精度和预测精度均有明显提升,印证了缓冲适应性建模方法的有效性.

【文章页数】：9 页

【部分图文】：

图３灰色模型拟合精度对比图??表２模型计算结果的对比??数据１??数据２??拟合误差??预测误差??拟合误差??顶测误差??

第１（）期??徐宁．等：动态灰预测模型的缓冲适应性建模方法??２６２５??ｍｏｄｅｌ１ｖｓｍｏｄｅｌ５??ｍｏｄｅｌ２ｖｓｍｏｄｅｌ５??ｍｏｄｅｌ３ｖｓｍｏｄｅｌ５??ｍｏｄｅｌ４ｖｓｍｏｄｅｌ５??１００００－??４０００－，??２００４??２００７?２０１０?２０１３?２０....

图1BARGM建模原理示意图

其中为预测数据.3.4变权系数的搜索方法

图2λ与模型精度关系图

本文选取中国能源相关温室提起排放测算数据作为建模案例,温室气体排放属于短期时效性强,支配数据的规律难以系统性把握.本文利用灰色预测模型对数据进行建模预测,其中包括BARGM模型以及其他四种同类模型,主要目的是通过建模的对比严重新模型的特性.原始数据列于表1当中.为了验证本文所构建....

图3灰色模型拟合精度对比图

从拟合精度可以明显发现,本文模型相对原始灰预测模型有较大提升幅度.无论拟合数据和预测数据的精度均高于其他参照模型.模型1即传统GM(1,1)拟合误差为6.24%.模型2则在GM(1,1)基础上进行了背景值优化.所得拟合误差略有下降,而模型3和4则表现出对拟合能力的明显优化;与之对....

本文编号：3910979