参数由递推辨识的新型GM(1,2)预测模型  

A novel GM(1,2) forecasting model with parameters identified recursively

作　　者：雷鸣雳[1] 冯祖仁[2] 

机构地区：[1]西安交通大学系统工程研究所,陕西西安710049 [2]机械制造系统工程国家重点实验室,陕西西安710049

出　　处：《控制理论与应用》2013年第2期233-237,共5页Control Theory & Applications

基　　金：国家自然科学基金资助项目(60875043);博士点基金资助项目(20100201110031)

摘　　要：为改善模型预测性能,提出一种GM(1,2)预测新模型.根据模型定义式直接推导获得模型预测值递推表达式,应用粒子群算法对递推表达式参数进行辨识.典型算例表明,新模型收敛速度快,较普通及文献中改进GM(1,2)模型具有更高的预测精度.To improve the prediction performance,we propose a novel GM（1,2） model for prediction.The recursive prediction equations are derived directly from the definition of the model.The parameters of prediction equations are identified by using the particle swarm optimization algorithm（PSO）.Typical numerical examples are given to demonstrate that the novel GM（1,2） model provides faster convergence rate and higher prediction precision than conventional GM（1,2） models and other improved GM（1,2） models mentioned in references.

关 键 词：灰色预测 GM(1 2)模型 参数辨识 粒子群算法 

分 类 号：O242.1[理学—计算数学] N945.1[理学—数学]