GM(1,1)灰色模型优化方法研究

基于传统GM(1,1)灰色模型适用范围有限和预测精度较低的问题,提出了实测数据恒正凹化处理和相邻均值法(序列相邻数值取平均值)结合建模的新方法。该方法能够将原始数据序列转化为指定形式,利用数据相邻均值与时区长度。应用结果表明:优化后的GM(1,1)模型对数据兼容能力更强,对于发展速度"先快后慢"且波动性较小的稳定序列,该模型能够提高数值拟合精度,延长预估范围,可用于中长期预测,并且优化模型数值还原无需迭代累减,计算过程更加简便,为灰色模型的改进提供一定的参考价值。

基于积分求导还原思想的新型边坡变形预测UGM(1,1)建模方法

文章通过研究传统预测模型的误差来源和传统UGM(1,1)灰色预测模型建模原理,提出一种基于积分求导还原思想构建的新UGM(1,1)模型,并以某高速公路一段路基边坡实测数据为依据,验证新型UGM(1,1)灰色预测模型的可行性及其预测结果的可靠性。算例预测结果表明:新UGM(1,1)模型的拟合和预测精度误差均达到合理范围5%以内,对非等时距灰色预测模型数值预测具有一定的参考价值。