灰色組合預(yù)測模型研究.pdf_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、社會經(jīng)濟系統(tǒng)的研究離不開預(yù)測理論的支持,本文通過對歷史數(shù)據(jù)的分析,建立反映系統(tǒng)發(fā)展規(guī)律的定量模型,為分析系統(tǒng)的特征、發(fā)展趨勢提供強有力的分析工具。不同的預(yù)測方法能夠提供不同的信息,如果簡單地將預(yù)測誤差較大的一些方法舍去,將會失去一些有用的信息。一種較科學(xué)的方法就是進行組合預(yù)測。組合預(yù)測能夠較大限度地利用各種預(yù)測樣本信息,比單個預(yù)測模型考慮問題更系統(tǒng)全面,能夠有效的減少單個預(yù)測模型中一些隨機因素的影響,從而提高預(yù)測精度。目前,組合預(yù)測模型

2、在很多領(lǐng)域中都已經(jīng)獲得了應(yīng)用。GM(1,1)模型因其“小樣本”和“貧信息”的研究特質(zhì)和簡單實用的優(yōu)點而在灰色預(yù)測中占有重要地位。由于將灰色模型與其他模型結(jié)合進行分析和預(yù)測,可以實現(xiàn)不同模型之間的功能和優(yōu)勢互補。
   本文的主要創(chuàng)新點和貢獻有:⑴研究了廣義對數(shù)平均組合預(yù)測模型的數(shù)學(xué)性質(zhì)。針對組合預(yù)測模型能夠充分利用各個預(yù)測方法提供的信息,從而具有模擬和預(yù)測精度較高的優(yōu)點,研究和探討了廣義加權(quán)對數(shù)平均組合預(yù)測模型的最優(yōu)化理論基礎(chǔ)及

3、其數(shù)學(xué)性質(zhì),在組合預(yù)測模型預(yù)測值與單項預(yù)測方法預(yù)測值的P 次冪誤差平方和最小的基礎(chǔ)上建立了廣義加權(quán)對數(shù)平均組合預(yù)測模型,并推導(dǎo)出最優(yōu)權(quán)的計算公式。最后通過實例證明了該模型的有效性和實用性。⑵構(gòu)建了灰色-指數(shù)曲線組合預(yù)測模型?;诨疑A(yù)測模型和指數(shù)曲線模型的建模機理,針對組合預(yù)測模型能夠充分利用各種單項預(yù)測方法提供的信息,從而具有模擬和預(yù)測精度較高的優(yōu)點,在組合預(yù)測模型預(yù)測值與實際值的誤差平方和最小的基礎(chǔ)上將GM(1,1)模型與指數(shù)曲線模

4、型結(jié)合,建立新的組合模型:灰色-指數(shù)曲線模型,提高了預(yù)測的精度。最后通過實例證明了該模型的有效性和實用性。⑶構(gòu)建了基于灰色相對關(guān)聯(lián)度的組合預(yù)測模型。基于灰色關(guān)聯(lián)度的組合預(yù)測模型是研究組合預(yù)測方法的一個新思路,本文針對組合預(yù)測模型能夠充分利用各種單向預(yù)測方法提供的信息,從而具有模擬和預(yù)測精度較高的優(yōu)點,構(gòu)造出組合預(yù)測的新方法:基于灰色相對關(guān)聯(lián)度的組合預(yù)測模型,提出了非劣性組合預(yù)測、優(yōu)性組合預(yù)測、劣性組合預(yù)測等概念,證明了優(yōu)性組合預(yù)測存在的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論