基于GM(1,1)幂模型的振荡序列建模方法

针对小样本振荡序列的预测问题,提出了基于单变量一阶灰色幂模型(简称GM(1,1)幂模型)的振荡序列建模方法。基于GM(1,1)幂模型中参数之间的关系,构建了一个非线性优化模型来寻求模型参数的最佳值,以此实现对振荡序列的高精度预测。结果表明,建模方法能够较好地体现数据的波动特征,且易于在计算机上实现,进一步拓宽了灰色模型的应用范围。最后以实例验证了所建模方法实用性和有效性。

基于粒子群算法的GM(1，1)幂模型及应用

在灰色Verhulst模型的基础上对等间隔和非等间隔GM(1,1)幂模型进行了研究,讨论了模型的求解过程,分析了模型曲线形状与幂指数、发展系数之间的关系。将平均相对误差看成幂指数、发展系数和灰作用量的函数,同时考虑初始条件对建模精度的影响,利用粒子群算法进行参数辨识,克服了灰色Verhulst模型和最小二乘法参数辨识的缺陷。最后实例表明,基于粒子群算法参数辨识的GM(1,1)幂模型建模精度高于灰色Verhulst模型,同时也表明了该方法的有效性和可行性,具有重要的理论意义。

GM(1,1)幂模型的研究现状及展望

数据由于受外界环境影响多呈现非线性特征,因此GM(1,1)幂模型具有更加广阔的应用前景。文章整理归纳近年来有关GM(1,1)幂模型的论文,发现大部分学者在模型参数优化问题上研究较多,主要考虑改变初始条件、背景值选取、灰导数改进、参数求解等问题,以MLS法、PSO算法为主要研究方法。在未来的研究中,关于GM(1,1)幂模型的应用将会在更大范围展开,伴随新形势下产生的特殊数据,也将会产生更合适的GM(1,1)幂模型的衍生模型。

GM(1,1)幂模型的病态性

针对GM(1,1)幂模型参数辨识过程中可能出现的病态性问题,首先基于矩阵求逆的条件数分析灰色模型病态程度的衡量方法,然后按照GM(1,1)幂模型的背景值和幂指数的不同取值,分三种情形讨论了数据矩阵求逆条件数的取值范围,在此基础上总结影响GM(1,1)幂模型病态性的主要因素,并通过实例加以验证.结果表明,在部分情形下GM(1,1)幂模型的数据矩阵求逆不存在病态性,但在部分情形下可能出现数据矩阵求逆的病态性,其中,背景值和幂指数是影响模型病态性的直接因素.

组合GM(1,1)幂模型及其应用

GM(1,1)幂模型是灰色Verhulst模型的推广.由于初始条件选取影响GM(1,1)幂模型的精度,将平均相对误差函数分别看成是幂指数、发展系数、灰作用量的函数,利用蚁群算法进行参数辨识,从而建立多个单项GM(1,1)幂模型.利用这些单项模型建立了线性组合GM(1,1)幂模型,组合权系数利用最大相对误差最小化原则采用粒子群算法确定.实例表明,组合GM(1,1)幂模型的建模精度高于传统GM(1,1)幂模型,同时也说明方法是有效的和可行的,具有重要的理论意义.

GM(1,1)幂模型的派生模型

为了进一步完善灰色幂模型体系,分析了经典GM(1,1)模型和GM(1,1)幂模型之间的变换关系,在GM(1,1)幂模型的定义型和白化型的基础上,推导了GM(1,1,x^((2)))幂模型、GM(1,1,x^((1)))幂模型、GM(1,1,b)幂模型、GM(1,1,exp)幂模型和GM(1,1,C)幂模型五种派生型GM(1,1)幂模型,构建了GM(1,1)幂模型群.结果表明,GM(1,1)幂模型与GM(1,1)模型的时间响应函数在本质上是一致的,不同的GM(1,1)幂模型派生模型在结构、内涵、解析式、功能方面存在一定的区别,体现了灰色系统解非唯一性原理.在实际应用中,可以依据一定的准则,在默认解群中找出一个最合适的白化解.

灰色多变量GM(1,N)幂模型及其应用

针对多变量少数据的系统建模问题,提出了灰色多变量GM(1,N)幂模型及其派生模型GM(1,N,x(1))幂模型,给出了其参数估计算式和近似时间响应式,在此基础上,分两种情况讨论了模型的参数优化方法,并通过数值模拟和应用实例验证了新模型的有效性.结果表明:传统的GM(1,N)模型是GM(1,N)幂模型的特殊形式,GM(1,N)幂模型能够更好地描述系统特征行为序列与其影响因素序列的非线性关系,从而有效地提高传统灰色多变量系统建模的精度.

具有幂指数律重合性的GM(1,1)幂模型

针对传统GM(1,1)幂模型不具备幂指数律重合性的问题,分别从灰导数和背景值两个方面改进GM(1,1)幂模型的灰色微分方程,提出了两种具有幂指数律重合性的GM(1,1)幂模型并从理论上加以证明.通过变换将两个具有幂指数律的灰色微分方程转化成完全一致的形式,在此基础上进行参数估计.数值模拟和应用实例表明,具有幂指数律重合性的GM(1,1)幂模型能够有效地提高模型的模拟和预测精度.

GM(1，1)幂模型的优化方法及其应用

针对灰色GM(1,1)幂模型存在的缺陷,从背景值和初始条件两个方面对GM(1,1)幂模型进行参数寻优。首先分析传统模型背景值的误差来源,从定义出发,构建优化后的背景值公式;其次指出传统预测公式中默认的已知条件是不合理的,从原始序列与其预测值的误差平方和最小原则出发,建立初始条件的选取方法;最后以等维新息原则对预测模型的构建步骤进行优化改进,并以我国天然原油产量案例验证所述模型的有效性。结果表明,基于背景值、初始条件以及等维新息原则共同改进的优化方法能够有效提高GM(1,1)幂模型的模拟精度和预测精度。

线性时变参数非等间距GM(1,1)幂模型及其应用

针对非线性系统内小样本非等间距数据序列建模、以及建模最后需要对时间响应式还原的问题,建立线性时变参数非等间距GM(1,1)幂模型,推导模型时间响应式,并基于积分原理,使用原始数据序列的1-γ次幂生成序列与其对应的一次累减生成序列构建与模型白化方程参数相匹配的灰色微分方程,研究了模型最优初始条件与非线性参数γ的求解方法。案例分析结果验证了线性时变参数非等间距GM(1,1)幂模型的可行性与有效性。