基于累积法和背景值优化的改进GOM(1,1)模型  

An Improved GOM(1,1) Model Based on Accumulative Method and Background Value Optimization

作　　者：夏冬雪[1] 陈望明[1] 蒋建兵[1] 周玖[2] 

机构地区：[1]广西工学院计算机工程系,广西柳州545006 [2]重庆师范大学数学学院,重庆400047

出　　处：《广西工学院学报》2011年第4期69-73,共5页Journal of Guangxi University of Technology

基　　金：广西科学研究与开发计划项目(桂科攻0992006-13);广西工学院科学基金项目(院科自0977211)资助

摘　　要：针对影响GOM(1,1)模型预测精度的背景值和模型参数辨识值两个因素,基于一次反向累加序列的指数特性和背景值的几何意义,对GOM(1,1)模型的背景值进行了重新优化并给出了相应的计算方法,同时,运用累积法对模型进行参数辨识.在此基础上,提出了一种改进GOM(1,1)模型,并给出了改进模型时间响应函数的直接预测公式,给出的公式形式简单且易于编程实现.数值精度对比试验结果表明:对于非负单调下降序列的预测,本文的改进GOM(1,1)模型比GM(1,1)模型模拟和预测的精度高,说明改进方法是有效的.The precision of GOM （1,1） model is influenced by the values of background value parameter identification. Based on the exponential feature of accumulated series in opposite direction and the geometric significance of background value, the background value of GOM （ 1,1 ） model is optimized and the corresponding algorithm is presented, and the parameter identification of the model is completed by accumulative method. Thus a new GOM （1,1） is presented with characteristics of simplicity and easiness for programming. Comparison experiment of precision shows that for prediction on non-negative monotone decreasing series, the prediction precision of the presented method is better than GM（ 1, ）, which verifies that our improvements are efficient.

关 键 词：灰色GOM(1  1)模型 背景值 累积法 优化设计 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]