基于遗传算法估计灰色模型中的参数

研究表明,GM(1,1)模型中的背景值参数λ和边值对模型的预测精度均有影响,进而分别以平均相对误差达到最小或最大相对误差达到最小为极小化准则,提出了基于遗传算法求解最佳背景值参数λ和最佳边值修正项ε的方法,并且可以确保在相应的模型检验准则下预测的误差达到最小.数值结果表明,采用遗传算法确定最佳的λ、ε可大大地提高模型的预测精度.

最小一乘准则GM(1,1)模型

针对相关文献的边值修正GM(1,1)模型中,边值修正项和模型检验均采用最小一乘准则,而模型参数估计采用最小二乘准则的不协调性,将最小一乘准则应用到模型参数估计中,统一了模型参数、边值修正项和模型精度检验的准则,得到了真正意义上的最小一乘准则GM(1,1)模型。计算实例说明,最小一乘准则GM(1,1)模型具有很好的精度和稳健性。