• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于新息優(yōu)先累積法的GM(0,N)模型及其應(yīng)用

    2018-07-12 08:36:16曾祥艷
    統(tǒng)計(jì)與決策 2018年12期
    關(guān)鍵詞:新息參數(shù)估計(jì)水電

    袁 泉,曾祥艷

    (桂林電子科技大學(xué) 數(shù)學(xué)與計(jì)算科學(xué)學(xué)院,廣西 桂林 541004)

    0 引言

    GM(0,N)模型考慮了多個相關(guān)因素對預(yù)測序列的影響,并且需要的樣本數(shù)據(jù)量小,彌補(bǔ)了線性回歸模型樣本容量需求較大的不足,因此在預(yù)測和決策領(lǐng)域得到廣泛應(yīng)用[1,2]。GM(0,N)模型常用的參數(shù)估計(jì)法為最小二乘法[3]:通過誤差平方和的最小化,尋找數(shù)據(jù)的最佳函數(shù)匹配,但是這種對誤差的假設(shè)會造成預(yù)測模型的結(jié)構(gòu)參數(shù)與估值之間的偏離或不一致。

    1778年,意大利數(shù)學(xué)家P.Marchsi提出累積法:利用樣本數(shù)據(jù)的加權(quán)累加直接估計(jì)模型參數(shù),不需對誤差進(jìn)行假設(shè),其幾何意義是尋找樣本點(diǎn)的一條重心線,能保證預(yù)測誤差和趨于零[4]。累積法在經(jīng)濟(jì)計(jì)量和工程技術(shù)模型的結(jié)構(gòu)參數(shù)估算中已經(jīng)得到廣泛應(yīng)用[5-7]。李鋒等已將累積法引入GM(0,N)模型中,提高了模型的預(yù)測精度[8]。但是普通累積法存在越老的數(shù)據(jù)占的權(quán)重越大,越新數(shù)據(jù)占的權(quán)重越小的問題,這與實(shí)際情況相悖,在現(xiàn)實(shí)中,新的信息對未來發(fā)展趨勢的影響更大,所以,本文將基于新息優(yōu)先的原則,改變累積法的累加順序,使越新的數(shù)據(jù)占的權(quán)重越大,并將其引入GM(0,N)模型的參數(shù)估計(jì)中,提高模型的預(yù)測精度。

    1 新息優(yōu)先累積法

    在實(shí)際情況中,預(yù)測需要更多地考慮最新的發(fā)展動態(tài),新的信息對未來的影響大于舊的信息[9,10]。新息優(yōu)先累積法就是基于越新的數(shù)據(jù)的權(quán)重越大,越老的數(shù)據(jù)的權(quán)重越小的原則。

    設(shè)原始序列為:X={x1,x2,…,xn},定義各階新息優(yōu)先累積和如下:

    依此類推,對任意自然數(shù)r,有:

    特別地,對序列長度為n的X={1,1,…,1},稱D(r)1為r階基本新息優(yōu)先累積和,其計(jì)算通式為:

    2 基于新息優(yōu)先累積法的GM(0,N)模型

    GM(0,N)模型是變量導(dǎo)數(shù)階數(shù)為0的靜態(tài)灰色模型,基于原始數(shù)據(jù)的一次累加生成序列進(jìn)行建模,一次累加生成可將非負(fù)序列生成為遞增序列,從而增加序列的規(guī)律性。GM(0,N)模型含有多個變量,能反映多個相關(guān)因素對系統(tǒng)行為的影響。

    對上述N個序列分別做一次累加生成(1-AGO):

    并設(shè)Xi(1)為Xi(0)的一次累加生成序列,即:

    GM(0,N)模型的定義型方程為:

    其中,a,b2,b3…,bN為模型參數(shù)。

    下面,將新息優(yōu)先累積法引入GM(0,N)模型的參數(shù)估計(jì),假設(shè)新息優(yōu)先累積算子的最高階數(shù)為r,由GM(0,N)模型的參數(shù)有N個,因此r≥N,對GM(0,N)模型方程(4)兩邊施加1至r階新息優(yōu)先累積算子,得下列方程組:

    其中:

    則方程組可以寫為矩陣形式:

    對a?的估計(jì)分為以下三種情況:

    (1)若r=N,A是非奇異矩陣。此時A-1存在,參數(shù)估計(jì)式為:a?=A-1Y;

    (2)若r=N,A是奇異矩陣,且存在r>N使得A是非奇異矩陣。此時取滿足條件最小的r,參數(shù)估計(jì)為:

    a?=(ATA)-1ATY;

    (3)若對任意r≥N,A均為奇異矩陣。此時更換原始數(shù)據(jù)的選取方式即可轉(zhuǎn)換為情況(1)或情況(2)。

    在實(shí)際應(yīng)用中,一般A-1存在,所以,取r=N,參數(shù)a,b2,b3…,bN的估計(jì)為:

    參數(shù)估計(jì)后,由基于新息優(yōu)先累積法的GM(0,N)模型的定義型方程(4)即可得到系統(tǒng)行為特征數(shù)據(jù)序列的預(yù)測值

    3 實(shí)例分析

    3.1 實(shí)例一:水電發(fā)電量

    取2009—2012年我國的年水電發(fā)電量作為模型的行為特征數(shù)據(jù)序列,相應(yīng)年份的水電裝機(jī)容量與國內(nèi)生產(chǎn)總值作為模型的相關(guān)因素序列。相關(guān)數(shù)據(jù)見表1所示。其中國內(nèi)生產(chǎn)總值水電發(fā)電量與國內(nèi)生產(chǎn)總值的數(shù)據(jù)來源為《中國統(tǒng)計(jì)年鑒》,水電裝機(jī)容量的數(shù)據(jù)來源為《全國電力工業(yè)統(tǒng)計(jì)數(shù)據(jù)》。

    表1 2009—2012年我國的水電發(fā)電量及相關(guān)因素

    原始數(shù)據(jù)包含一個系統(tǒng)行為特征數(shù)據(jù)序列與兩個系統(tǒng)相關(guān)因素序列:

    建立GM(0,3)模型:

    基于新息優(yōu)先累積法估計(jì)模型參數(shù)有:

    可得:

    則模型的預(yù)測公式為:

    由式(8)計(jì)算可得模型預(yù)測值,對2013—2015年我國水電發(fā)電量進(jìn)行預(yù)測,并與基于最小二乘法和基于文獻(xiàn)[9]給出的累積法建立的GM(0,3)模型的預(yù)測結(jié)果進(jìn)行對比,見表2所示。

    表2 三種參數(shù)估計(jì)法的GM(0,3)模型的預(yù)測結(jié)果比較

    顯然基于新息優(yōu)先累積法的GM(0,3)模型的預(yù)測值更接近于實(shí)際值,預(yù)測精度更高。

    3.2 實(shí)例二:社會消費(fèi)品零售總額

    取2008—2012年我國的社會消費(fèi)品零售總額作為行為特征數(shù)據(jù)序列,選取國內(nèi)生產(chǎn)總值、年末總?cè)丝谂c貨幣供應(yīng)量這3個因素,作為模型的相關(guān)因素序列。相關(guān)數(shù)據(jù)見表3所示。數(shù)據(jù)來源為《中國統(tǒng)計(jì)年鑒》。

    表3 2008—2012年我國的社會消費(fèi)品零售總額及相關(guān)因素

    建立基于新息優(yōu)先累積法的GM(0,4)模型,模型的預(yù)測公式為:

    由式(9)計(jì)算得模型預(yù)測值,對2013—2015年我國的社會消費(fèi)品零售總額進(jìn)行預(yù)測,并與基于最小二乘法和文獻(xiàn)[9]給出的累積法GM(0,4)模型的預(yù)測結(jié)果比較,見表4所示。

    表4 三種參數(shù)估計(jì)法的GM(0,4)模型的預(yù)測結(jié)果比較

    由表4可看出基于新息優(yōu)先累積法的GM(0,4)模型的預(yù)測結(jié)果優(yōu)于另兩個模型,而且短期預(yù)測的精度更高。

    4 結(jié)束語

    本文改進(jìn)了普通累積法,提出以越新的數(shù)據(jù)的權(quán)重越大為原則的新息優(yōu)先累積法,并建立了基于新息優(yōu)先累積法的GM(0,N)模型。兩個實(shí)例驗(yàn)證的結(jié)果表明新息優(yōu)先累積法GM(0,N)模型的預(yù)測精度相對于最小二乘法及普通累積法有了很大的提升。

    猜你喜歡
    新息參數(shù)估計(jì)水電
    基于新型DFrFT的LFM信號參數(shù)估計(jì)算法
    傳遞函數(shù)辨識(21):線性回歸系統(tǒng)的遞階遞推參數(shù)估計(jì)
    M估計(jì)的強(qiáng)跟蹤SVD-UKF算法在組合導(dǎo)航中的應(yīng)用
    電子科技(2018年7期)2018-07-23 05:30:32
    央企剝離水電資產(chǎn)背后
    能源(2017年7期)2018-01-19 05:05:02
    水電:全力消納富余水電 更重生態(tài)環(huán)保
    能源(2018年7期)2018-01-15 22:51:08
    Logistic回歸模型的幾乎無偏兩參數(shù)估計(jì)
    基于向前方程的平穩(wěn)分布參數(shù)估計(jì)
    自適應(yīng)卡爾曼濾波在航空重力異常解算的應(yīng)用研究
    基于競爭失效數(shù)據(jù)的Lindley分布參數(shù)估計(jì)
    長江水電之歌
    班玛县| 阳谷县| 西华县| 亚东县| 荆门市| 鄄城县| 平山县| 白银市| 泰来县| 香格里拉县| 田阳县| 濮阳市| 内江市| 永州市| 巴马| 志丹县| 铅山县| 成武县| 通州区| 通辽市| 青冈县| 三原县| 龙井市| 宁城县| 馆陶县| 枣阳市| 明水县| 昌都县| 佛学| 九龙城区| 建水县| 青海省| 乐山市| 遵义市| 阳朔县| 南昌县| 凤台县| 阿图什市| 龙州县| 万荣县| 罗定市|