GM(1,1),GM(2,1)模型应用的时候有什么区别?灰色预测模型有没有什么局限性?
发布网友
发布时间：2022-05-11 00:14
我来回答
共1个回答
热心网友
时间：2023-11-18 07:44
灰色预测模型GM(1，1)的修正吴强(中国人民*长沙工程兵学院数学教研室，长沙，410072)摘要应用样条函数对灰色预测模型GM(1，1)的残差序列进行插值，将插值后的残差表示式作用于微分动态模型，用最小二乘法则进行参数辨识，从而建立残差的时间响应式，并以此修正GM(1，1)模型。经实例检验，修正后的模型精度有显著提高。关键词灰色，预测，GM(1，1)中国分类号O174.42，N94对于只随时间变化的系统，给出一组原始数据，在贫信息的。情况下，人们仍希望能得到一个简便实用、精度较高的预测模型。1982年，邓聚龙教授提出的GM(l，l)模型\\“’当原始数据满足一定的条件时，就具备这样的优点。由于有处理的实用性，在短短的几年里，发展极为迅速，应用成果累累。一般认为，用GM(l，l)模型来预测获得较高精度的必要条件是:1.等时距;2.非负;3.单调性。因此，对任意存在的原始数据列来预测未来的动态变化时，经检验自然有可能出现精度不高的情形，一般的补救方法是作残差辨识模型来修正。在建立残差GM(l，1)模型时，残差亦必须满足上面的三个条件。 国际上没官方申明过 但是在应用领域在用的 很多学校都实验过的
