灰色布谷鸟搜索算法之Markov模型预测方法与应用*

2021-03-20 10:58:32冯文健
南宁师范大学学报(自然科学版) 2021年4期
关键词:模型

冯文健

(柳州铁道职业技术学院,广西 柳州 545616)

0 引言

时间序列预测是系统建模中重要且研究广泛的课题,在现实生活中,时间序列通常是由一个随机过程产生,该过程常用于时间序列数据的建模。概率统计通常用于处理这类数据,它需要大量的数据,因此在处理有限的数据时很难得到准确的结果。灰色模型(Grey Model,GM(1,1))是邓聚龙[1]教授提出的,主要用来解决数据有限的不确定问题,适合少样本且单调性数据。传统的模型预测精度较低、误差较大。如何进一步提高预测精度是研究者感兴趣,同时也是最困难的问题。不少研究者对GM(1,1)模型进行改进,如文献[2]对初始值条件进行改进提出以x(1)(n)为初始条件的GM模型;文献[3]提出基于粒子群算法的变权累加生成的GM模型提高了预测精度;文献[4] 提出基于反向累加灰色模型的铅酸电池剩余容量预测;文献[5,6]用粒子群算法优化灰色模型的参数a和b提高预测精度;文献[7,8]从模型背景值的构造式出发改进GM模型优化算法及应用;文献[9-11]将GM模型与Markov模型结合提高预测精度。

上述文献在不同程度上提高了预测精度,但很少同时考虑参数a、b和初始值s的选择对灰色系统的影响,又回避了背景值的构造,本研究提出一种灰色布谷鸟搜索算法直接计算参数a、b和初始值s,然后利用GM(1,1)模型预测,最后用Markov模型修正预测值以此提高精度。

1 基础研究

1.1 原始的GM(1,1)模型

传统的GM(1,1)预测模型描述如下:

1)假定非负的原始数据序列为x(0)={x(0)(1),x(0)(2),…,x(0)(n)},在其序列上的一阶累加……

登录APP查看全文

猜你喜欢
模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用