灰色Verhulst型LS-SVM的构建及参数估计方法

为提高灰色Verhulst模型的预测能力,文章用统计学习理论的观点研究灰色Verhulst模型的建立问题。通过两种方式构造了以背景值序列和原始序列为训练样本的灰色Verhulst型LS-SVM,将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型,进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题,实现了小样本体系下灰色Verhulst模型的建立和参数估计。实验结果表明该方法是可行且有效的,可有效提高Verhulst模型的推广性,比传统参数估计方法的预测精度更高。

具自忆性的改进灰色Verhulst模型研究及应用

传统灰色Verhulst模型对于饱和发展状态的S型过程有较好的预测精度,但对于具有随机波动特征的S型过程预测效果并不理想。针对以上问题,为了提高预测精度,本文在传统灰色Verhulst模型及动力系统自忆性原理的基础上,构建了一类改进的灰色Verhulst自忆性模型,新模型充分利用了历史观测数据、克服了传统灰色Verhulst模型无法描述波动特征的局限性。通过实例分析,表明所构建模型能够充分体现S型过程中的随机波动特征,具有理想的拟合预测效果。