10.3969/j.issn.1672-9722.2020.10.005
基于灰色关联分析和PSO改进的多变量GM(1,N)模型
GM(1,N)模型是一种重要的因果关系预测模型,建模过程充分考虑了相关因素对系统变化的影响,但GM(1,N)模型存在建模机理和模型结构上的不足,因此在实际应用中常常导致模型误差大于GM(1,1)模型.为了解决传统灰色模型预测精度不高的问题,论文以OGM(1,N)预测模型为研究基础,采用灰色关联分析方法计算筛选与参考序列关联度较高的序列组成自变量输入序列,同时根据OGM(1,N)模型预测原理优化模型初始条件,基于PSO算法和变量数目直接对OGM(1,N)模型参数进行优化求解.论文提出的模型将灰微分方程背景值的寻优过程转化为利用PSO寻找最小模型还原值与实际值误差平方和的问题,有效避免了背景值寻优过程或直接定义背景值再对模型参数值进行求解产生的偏差.最后,论文通过在两个预测数据集上的实验证明了所提模型的预测准确性和价值性.
OGM(1,N)模型、灰色关联分析、预测精度、PSO
48
O121(初等数学)
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共6页
2327-2331,2337