PSO-GM(1, 1, N , p , ξ)模型在变形预测中的应用

Abstract

通过对传统GM(1, 1)缺陷分析和改进的基于权的PGM(1, 1)建模机理描述，顾及PGM(1, 1)中背景值构造时取相同的参数不能充分降低模型的预测误差，对不同的时刻引入不同的参数来改进GM(1, 1)背景值序列的计算公式，将这种背景值构造方法和灰元N引入GM(1, 1)建立了新的白化方程。在建立的新的白化方程基础上，用龙格-库塔法以修正的初始值计算累加值的模拟序列。针对引入的参数较多问题，采用粒子群算法寻找满足相对误差均值最优的参数，从而建立了基于粒子群优化算法和加权灰色组合的PSO-GM模型。工程实例应用表明，新模型的拟合精度高，预测效果好，相对其他两种原有模型预测精度有明显提高。