文献类型：期刊文章

作　　者：杨国华[1,2,3] 颜艳[1,2,3] 杨慧中[4]

Yang Guohua;Yan Yan;Yang Huizhong(Jiangsu Province Business Intelligence Technology Application Engineering Technology Researchand Development Center,Wuxi 214153,China;Jiangsu Province Wireless Sensor SystemApplication Engineering Technology Research and Development Center,Wuxi 214153,China;School of Internet of Things,Wuxi Vocational Institute of Commerce,Wuxi 214153,China;School of Internet of Things,Jiangnan University,Wuxi 214122,China)

机构地区：[1]江苏省商业智能技术应用工程技术研究开发中心,江苏无锡214153 [2]江苏省无线传感系统应用工程技术研究开发中心,江苏无锡214153 [3]无锡商业职业技术学院物联网技术学院,江苏无锡214153 [4]江南大学物联网工程学院,江苏无锡214122

出　　处：《南京理工大学学报》

基　　金：国家自然科学基金(61403166;61773181);江苏省自然科学基金(BK20140164);中央高校基本科研业务费专项资金(JUSRP51733B)。

年　　份：2020

卷　　号：44

期　　号：5

起止页码：575-582

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统GM(1,1)模型预测精度低的问题,采用变权构造背景值,并将模拟拟合的残差构建多项式作为修正值引入模型中,建立改进的GM(1,1)模型。利用该模型对2个实例进行了模拟和预测。结果表明,针对非指数函数特征的数据序列,通过该文改进的GM(1,1)模型预测,在保持模型精度相对稳定的情况下,拟合平均相对误差、残差均方差和预测平均相对误差值都更小。

关 键 词：灰色预测模型  残差 多项式 非指数函数特征  数据序列 平均相对误差  残差均方差  预测平均相对误差  

分 类 号：TP391]