论文部分内容阅读
随着社会经济的发展,现代社会生产力得到了很大的提高,科学预测逐步取代迷信和经验的预测,并发展成为一门预测学科。预测学科的出现,适应了现代经济的发展需求。传统的预测方法是人们根据系统的特点和规律,研究出来的预测模型,而这些预测模型针对的是“大数据”、“系统信息明确”的问题。对于“少数据”、“贫信息”的不确定性问题,研究学者提出了灰色预测模型。灰色预测模型使用的数据少,原理简单,可以用于检验测试。然而,它的预测能力具有一定的局限性,其长期预测精度较低。为了避免灰色预测模型的局限性,人们尝试将其与其它模型相结合,构成组合预测模型。组合预测模型可以实现不同模型之间功能和优势互补,避免单一模型的局限性,增强了预测的能力,提高了预测精度。本文主要研究工作如下:第一部分阐述了灰色系统的基本理论、主要概念和基本原理,并对基本原理做出了详细的分析及证明;第二部分介绍了灰色系统的基础模型——GM(1,1)模型,对其构建思想进行了阐述,并对建模原理进行了详细的证明。第三部分建立了MSR-GM(1,1)预测模型,即GM(1,1)预测模型与多元逐步回归模型相组合而形成的组合预测模型。首先,利用灰色关联度筛选出与因变量具有很大灰相关度的自变量,做为预自变量集;其次,为了进一步简化模型,运用逐步回归方法,对所选择出的预自变量集进行进一步的筛选,从而筛选出更为精确的相关因子作为最终的自变量集。再次,根据所筛选出的自变量集建立多元回归模型。同时,对筛选出的自变量分别建立灰色GM(1,1)预测模型,对其进行预测,将所得预测值代入建立的回归模型中,从而求得因变量的预测值;最后,运用案例对所建立的MSR-GM(1,1)预测模型进行检测,结果显示该组合模型的预测精度较高,从而证明了此组合模型的合理性。第四部分构建了GM(1,1)-MA预测模型,即GM(1,1)预测模型与时间序列模型相结合而形成的组合预测模型。首先,利用灰色GM(1,1)预测模型对所研究的系统体系进行合理的中期预测;其次,对预测所产生的残差序列,选择出合适的平滑周期M,建立合理的简单滑动平滑模型,进而使用此模型对残差序列进行平滑、分析和预测,对预测模型的残差进行修正,从而得出精确度更高的组合预测模型;最后,通过实例验证了GM(1,1)-MA预测模型的有效性。第五部分利用所建立的MSR-GM(1,1)预测模型和GM(1,1)-MA预测模型,分别对不同条件下的某城市总用水量进行模拟和预测,其结果表明,组合的预测模型精度高于单一预测模型,其预测结果更具有参考价值。