期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
全信息变权缓冲算子的构造及应用 被引量:6
1
作者 王正新 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2013年第6期1120-1128,共9页
针对现有变权缓冲算子简单的结构导致其不能充分利用系统行为信息的问题,基于新信息优先原理,构造一类带有权重调节因子的全信息变权弱化缓冲算子和强化缓冲算子.考虑到权重调节因子与预测误差之间的非线性关系,以平均预测误差最小化为... 针对现有变权缓冲算子简单的结构导致其不能充分利用系统行为信息的问题,基于新信息优先原理,构造一类带有权重调节因子的全信息变权弱化缓冲算子和强化缓冲算子.考虑到权重调节因子与预测误差之间的非线性关系,以平均预测误差最小化为优化目标,应用遗传算法在(0,1)区间内搜索权重调节因子的最优值.以我国工业企业总产值和浙江省外商直接投资预测问题为例,分别验证了全信息变权弱化缓冲算子和强化缓冲算子处理小样本扰动数据建模问题的有效性.结果表明:全信息变权缓冲算子对序列的作用过程体现了新信息优先原理,通过优化权重调节因子能够有效地控制算子作用强度,且对冲击扰动系统的预测能力优于传统的高阶缓冲算子. 展开更多
关键词 灰色系统 新信息优先 变权缓冲算子 作用强度 经济预测
在线阅读 下载PDF
数据信息对灰色GM(1,1)模型的影响 被引量:6
2
作者 段辉明 吴雨 龙杰 《统计与决策》 CSSCI 北大核心 2021年第5期54-59,共6页
原始序列初始值对灰色系统GM(1,1)模型值和预测精度不产生任何影响,文章讨论原始序列其他值变化对灰色系统GM(1,1)模型的值和预测精度的有效性问题,从待辨识参数角度求解单个数据的改变对预测结果和预测精度的影响,通过计算第2、第3个... 原始序列初始值对灰色系统GM(1,1)模型值和预测精度不产生任何影响,文章讨论原始序列其他值变化对灰色系统GM(1,1)模型的值和预测精度的有效性问题,从待辨识参数角度求解单个数据的改变对预测结果和预测精度的影响,通过计算第2、第3个信息对待辨识参数的影响公式,得到第m个信息改变影响的通项公式,比较第m-1个数据和第m个数据变化后对预测结果影响的大小,从而得出最新信息与旧信息的优先性对比结果,理论上证实新信息优先理论。最后将GM(1,1)模型应用到实际应用中,通过对比分析发现新信息对结果的影响大于旧信息。 展开更多
关键词 灰色GM(1 1)模型 新信息优先 预测精度 原始序列
在线阅读 下载PDF
反向累加生成绝对灰度性质及其在灾害事件预测中的应用
3
作者 陈紫维 赵守江 +1 位作者 刘军 崔盛 《辽宁工程技术大学学报(自然科学版)》 CAS 北大核心 2024年第3期288-295,共8页
为研究反向累加生成序列绝对灰度的变化规律,基于原始序列与其一次反向累加生成序列的级比关系,推导了整数阶反向累加生成序列绝对灰度的一般表达式及其相关性质。结合实际问题背景,讨论了融合绝对灰度的反向累加灰色模型在突发灾害事... 为研究反向累加生成序列绝对灰度的变化规律,基于原始序列与其一次反向累加生成序列的级比关系,推导了整数阶反向累加生成序列绝对灰度的一般表达式及其相关性质。结合实际问题背景,讨论了融合绝对灰度的反向累加灰色模型在突发灾害事件预测中的应用效果。研究结果表明:当原始序列的绝对灰度大于0.6时,进行反向累加生成变换能够有效降低序列的绝对灰度,当原始序列的绝对灰度小于0.25时,对序列进行反向累加生成变换会增大序列的绝对灰度。研究结论为灰建模的模型选择及序列预处理方式的选择提供参考。 展开更多
关键词 反向累加生成 绝对灰度 灰色模型 新信息优先 突发灾害事件预测
在线阅读 下载PDF
基于差异驱动原理与均值关联度的动态多指标决策模型 被引量:10
4
作者 钱吴永 党耀国 刘思峰 《系统工程与电子技术》 EI CSCD 北大核心 2012年第2期337-341,共5页
针对现有的基于关联分析的动态多指标决策模型存在的不足,根据新信息优先原理,提出了基于矩阵范数的时序权重确定方法,并利用差异驱动原理,提出了指标权重的确定方法。在时序权重和指标权重确定的基础上,建立了基于方案均值关联度的动... 针对现有的基于关联分析的动态多指标决策模型存在的不足,根据新信息优先原理,提出了基于矩阵范数的时序权重确定方法,并利用差异驱动原理,提出了指标权重的确定方法。在时序权重和指标权重确定的基础上,建立了基于方案均值关联度的动态多指标决策模型,并给出了该模型的计算步骤。通过对4种不同型号的武器装备系统的综合效能评估的实例分析,检验了文章所构造的动态多指标决策模型的有效性。 展开更多
关键词 动态多指标决策 新信息优先原理 差异驱动原理 均值关联度
在线阅读 下载PDF
分数阶反向累加GM(1,1)模型及其性质 被引量:12
5
作者 吴利丰 付斌 《统计与决策》 CSSCI 北大核心 2017年第18期33-36,共4页
针对正向序列累加GM(1,1)模型都不满足新信息优先原理的问题,文章从理论上证明了一阶反向累加GM(1,1)模型不能较好地满足新信息优先原理。针对一阶反向累加GM(1,1)模型的不足(只适用于递减序列,没有利用最新消息),提出了分数阶反向累加G... 针对正向序列累加GM(1,1)模型都不满足新信息优先原理的问题,文章从理论上证明了一阶反向累加GM(1,1)模型不能较好地满足新信息优先原理。针对一阶反向累加GM(1,1)模型的不足(只适用于递减序列,没有利用最新消息),提出了分数阶反向累加GM(1,1)模型,将反向序列累加的适用范围扩展到递增序列,充分挖掘了新信息。实例说明分数阶反向累加GM(1,1)模型具有较强的预测能力。 展开更多
关键词 灰色预测模型 新信息优先 分数阶 反向累加
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部