论文部分内容阅读
研究了现有的传统GM(1,1)(简称GM(1,1))、基于缓冲算子和时间响应函数优化的GM(1,1)、首输入GM(1,1)(简称FGM(1,1))、变权缓冲GM(1,1)(简称VWGM),针对它们存在的问题,提出了一种新的预测模型——混合GM(1,1)(Hybrid GM(1,1),简称HGM(1,1)).该模型引入了粒子群优化算法、变权缓冲算子以及FMG(1,1)模型,并以拟合值与实际值的灰色关联度最大为目标进行参数优选.结果显示,改进后的模型增强了适应性,能够充分利用原始数据信息,提高模型的预测精度,并更好地处理灰色数据.该模型可用于实验数据处理、环境管理、资源管理、城市规划等领域.