灰色DGM(2,1)与BP神经网络的组合预测模型研究

针对贫信息、不确定性,以及数据量少的问题,提出了一种灰色DGM(2,1)与BP神经网络组合预测模型。首先将原始数据分组建立灰色DGM(2,1)模型组,并得到每个模型组的拟合值,然后,将拟合值作为BP神经网络的输入样本,以原始数据为导师值训练BP神经网络,最后,使用训练后BP神经网络模型进行预测,从而高效利用数据。在预测养老保险缴费的场景下,灰色DGM(2,1)与BP神经网络的组合预测模型的预测平均误差降低0.012。仿真结果表明,该组合预测模型具有较高的预测精度和较好的稳定性。