Verhulst優(yōu)化模型與MGM(1,n)組合預(yù)測(cè)模型的研究.pdf

1、隨著科學(xué)技術(shù)的日益發(fā)展，需要管理者決策的事物不斷增多。因此準(zhǔn)確預(yù)測(cè)事物未來(lái)的發(fā)展趨勢(shì)對(duì)管理者做出合理的決策是十分重要的。
　　 灰色預(yù)測(cè)模型是建立在“少數(shù)據(jù)”，“貧信息”的情況下，通過(guò)一次累加變換建模數(shù)據(jù)，將具有不明顯變化趨勢(shì)的原始數(shù)據(jù)經(jīng)過(guò)累加后變得具有明顯變化趨勢(shì)，并用變換后的數(shù)據(jù)結(jié)合灰色差分方程與灰色微分方程建立模型，最后經(jīng)累減還原得到擬合數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)?；疑Ｐ瓦m應(yīng)于平滑數(shù)據(jù)，特別是數(shù)據(jù)呈單調(diào)遞增趨勢(shì)其預(yù)測(cè)效果好，對(duì)于單調(diào)

2、效果不明顯的數(shù)據(jù)其預(yù)測(cè)效果不理想。
　　 經(jīng)過(guò)近三十年發(fā)展灰色模型已經(jīng)廣泛地應(yīng)用在各個(gè)領(lǐng)域中。因此，本文研究了Verhulst模型，多變量MGM(1，n)模型。在Verhulst模型基礎(chǔ)上研究了Verhulst優(yōu)化模型，在灰色多變量模型中研究了以IOWGA算子為工具的組合模型。通過(guò)實(shí)例驗(yàn)證模型的有效性。本文主要的研究?jī)?nèi)容和成果如下：
　　 (1)在Verhulst模型中，針對(duì)Verhulst模型的辨識(shí)參數(shù)和初值對(duì)模型求解

3、擬合值的誤差；首先采用總體最小二乘法改善辨識(shí)參數(shù)，其次將總體最小二乘法(TLS)求出的辨識(shí)參數(shù)結(jié)合遺傳算法求出邊值修正項(xiàng)得到Verhulst優(yōu)化模型。
　　 (2)在多變量灰色預(yù)測(cè)模型中，首先利用灰色關(guān)聯(lián)分析選擇與我國(guó)能源消費(fèi)量關(guān)聯(lián)度較大的影響因素構(gòu)建MGM(1，n)模型。其次用灰色關(guān)聯(lián)分析選擇出來(lái)的與我國(guó)能源消費(fèi)量關(guān)聯(lián)度較大的影響因素構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型。最后以IOWGA算子為工具建立多變量灰色模型與BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)模型