针对UBGM(1,1)-Markov模型中存在2个邻近值可能被归属到不同状态,导致预测值产生偏差的问题,结合模糊分类理论,构建基于模糊分类的无偏灰色-马尔科夫模型(unbiased gray-Markov model based on fuzzy classification,FC-UBGM(1,1)-Mark...针对UBGM(1,1)-Markov模型中存在2个邻近值可能被归属到不同状态,导致预测值产生偏差的问题,结合模糊分类理论,构建基于模糊分类的无偏灰色-马尔科夫模型(unbiased gray-Markov model based on fuzzy classification,FC-UBGM(1,1)-Markov)。首先对UBGM(1,1)模型进行残差修正,然后将修正后拟合值的相对残差序列作为Markov链进行区间划分,再结合模糊分类的隶属度函数,计算相对残差的模糊向量,根据隶属度确定其所属的状态。实际算例表明,该模型比传统UBGM(1,1)-Markov模型的预测效果更好。展开更多
文摘针对UBGM(1,1)-Markov模型中存在2个邻近值可能被归属到不同状态,导致预测值产生偏差的问题,结合模糊分类理论,构建基于模糊分类的无偏灰色-马尔科夫模型(unbiased gray-Markov model based on fuzzy classification,FC-UBGM(1,1)-Markov)。首先对UBGM(1,1)模型进行残差修正,然后将修正后拟合值的相对残差序列作为Markov链进行区间划分,再结合模糊分类的隶属度函数,计算相对残差的模糊向量,根据隶属度确定其所属的状态。实际算例表明,该模型比传统UBGM(1,1)-Markov模型的预测效果更好。
