尹方平
(广东机电职业技术学院,广州 510515)
影响GM(1,1)模型预测精度的原因有两个,其一是模型中背景值的构造方法;其二是预测公式中初值的选取。经典GM(1,1)模型的初始值选取问题,在原有初始值选取的基础上,出现了多种改进方法的讨论[1-7]。本文对灰色GM(1,1)模型的预测精度进行了分析,提出了一种修正初值法来提高模型的精度,对以x(1)(n)为初始条件的GM模型进行了改进,使所建的模型的精度大为提高,最后通过具体的实例验证了模型的实用性与可靠性。
以x(1)(n)为初始条件的GM模型是根据新信息优先原理和最少信息原理提出的灰色GM模型的一种改进的方法。
定义1 称方程x(0)(k)+az(1)(k)=b为灰色微分方程,此模型为 GM(1,1)模型。
其中a和b为待确定的常数。其中a为发展系数,它的大小及符号反映了x(0)(k)及x(1)(k)的发展态势。如果a为负,那么态势是增长的,a的绝对值越大,增长越快;如果a为正,那么态势是减弱的,a的绝对值越大,衰减越快。b为系统的灰作用量,它是从背景值挖掘出来的数据,反映数据变化的关系。
则GM(1,1)模型x(0)(k)+az(1)(k)=b的最小二乘估计参数列满足
由定理1及白化方程的离散解不难得:
以x(1)(t)为初始条件的GM模型白化方程+ax(1)=b的时间响应函数为:
从上述模型可以看出,GM(1,1)模型的拟合和预测精度不但跟常数a,b有关,还跟x(1)(n)的取值有关。因此合理的选择初值对于提高模型的预测精度有着重要的作用。本文在最小化指定指标函数的情况下,提出了改进x(1)(n)初值的方法。
由于初始条件x(1)(n)是由原始序列X(0)累加生成的,原始序列信息通过x(1)(n)都可以得到充分反映,因此把它作为GM模型的初始条件可以克服GM建模与x(1)(1)的弊端。基于新信息优先原理以及合理的初值选择原理的应用,本文假设模型的初值取αx(1)(1),并把该初值代入
我们采用最小二乘原则的方法,建立一个无约束优化模型,求解x^(1)(k)和x^(1)(k)误差平方和最小,也就是求解优化问题:minJ
为了求出指标函数值最小时的待辨识参数α,先用如下梯度法求取:
发电量是衡量一个国家发展水平和人民生活水平的一个重要指标,所以建立发电量模型并预测其未来的发展趋势具有重要的现实意义。现用本文提出的方法建立1989-1999年我国上海市的发电量《上海统计年鉴-2002》的GM(1,1)模型[8],并预测2000-2002年的上海市发电量。
用传统的GM(1,1)方法建立的模型为:
x^(1)(k)=4927.7le0.058366(k-1)-4652.96,k≥1
表1 模型值比较表 (单位:kw:h)
x^(0)(k+1)=279.49e0.058366,k≥1
x^(0)(k)=278.33
用αx(0)(1)以为初始条件的GM改进模型Ⅰ为:
其中 α=0.99493。
用以αx(1)(n)为初始条件的GM改进模型Ⅱ为:
计算结果如表1所示:
(1)本文对 GM(1,1)模型的预测精度进行了分析,认为初值x(1)(n)的选取对模型的精度有重要的影响,提出了一种修正初值法来提高模型的精度,对以x(1)(n)为初始条件的GM(1,1)模型进行了改进。该方法保留了GM(1,1)模型建模计算简便和易于应用的优点,不存在复杂的计算。
(2)从实例分析上看,该方法能得到比原 GM(1,1)模型和以αx(1)(n)为初始条件的GM改进模型更高的精度和适应性,因而具有重要的理论价值和实践意义。
[1]谭冠军.GM(1,1)模型的背景值构造方法和应用(Ⅰ)[J].系统工程理论与实践,2000,20(5).
[2]宋中民,邓聚龙.反向累加生成及灰色GOM(1,1)模型[J].系统工程,2001,19(1).
[3]罗党,刘思峰,党耀国.灰色模型 GM(1,1)优化[J].中国工程科学,2003,5(8).
[4]Ming Feng Yeh,Hung Ching Lu.A New Modified Grey Model[J].The Journal of Grey System.1996,8(3).
[5]Deng Ju Long,Solution of Grey Differential Equation for in matrix Train[J].The Journal of Grey System.2002,14(1).
[6]王义闹,刘光珍,刘开第.GM(1,1)模型的一种逐步优化直接建模法[J].系统工程理论与实践,2000,20(9).
[7]党耀国,刘思峰,刘斌.以为初始条件的GM模型[J].中国管理科学,2005,13(1).
[8]李俊峰,戴文战.GM(1,1)改进模型的研究及在上海市发电量建模中的应用[J].系统工程理论与实践,2005,3(3).