灰色預(yù)測模型的優(yōu)化研究

前言
1 緒論
1.1 研究背景
1.2 研究目的和意義
1.3 國內(nèi)外研究現(xiàn)狀
1.3.1 區(qū)間灰數(shù)預(yù)測模型研究現(xiàn)狀
1.3.2 單□量灰色預(yù)測模型研究現(xiàn)狀
1.3.3 非線性灰色預(yù)測模型研究現(xiàn)狀
1.3.4 季節(jié)灰色模型的研究現(xiàn)狀
1.3.5 多□量灰色預(yù)測模型研究現(xiàn)狀
1.4 研究內(nèi)容和技術(shù)路線
1.4.1 主要研究內(nèi)容
1.4.2 研究框架
1.5 創(chuàng)新點
2 基礎(chǔ)理論知識
2.1 區(qū)間灰數(shù)相關(guān)知識
2.1.1 區(qū)間灰數(shù)
2.1.2 白化權(quán)函數(shù)
2.1.3 三參數(shù)區(qū)間灰數(shù)
2.1.4 可能度函數(shù)
2.2 遺傳算法
2.2.1 遺傳算法原理
2.2.2 遺傳算法操作
2.2.3 遺傳算法流程
2.3 本章小結(jié)
3 灰色預(yù)測模型經(jīng)典方法
3.1 單□量灰色預(yù)測模型
3.1.1 GM(1,1)模型
3.1.2 DGM(1,1)模型
3.1.3 NGM(1,1)模型
3.1.4 NGM(1,1,k)模型
3.1.5 灰色Verhulst模型
3.2 非線性灰色預(yù)測模型
3.2.1 FGM(1,1)模型
3.2.2 NGBM(1,1)模型
3.2.3 GM(1,1,ta)模型
3.3 多□量灰色預(yù)測模型
3.3.1 GM(1,N)模型
3.3.2 DGM(1,N)模型
3.3.3 MGM(1,m)模型
3.4 模型評估標(biāo)準(zhǔn)
3.5 本章小結(jié)
4 區(qū)間灰數(shù)預(yù)測模型的優(yōu)化研究
4.1 基于核和認(rèn)知程度的區(qū)間灰數(shù)Verhulst模型
4.1.1 核序列Verhulst模型
4.1.2 認(rèn)知程度序列Verhulst模型
4.1.3 基于核和認(rèn)知程度的區(qū)間灰數(shù)Verhulst模型的構(gòu)建
4.1.4 算例分析
4.2 考慮白化權(quán)函數(shù)的區(qū)間灰數(shù)模型
4.2.1 基于白部和灰部的DGM(1,1)模型的構(gòu)建
4.2.2 基于核和面積的DGM(1,1)模型的構(gòu)建
4.2.3 算例分析
4.3 初始條件優(yōu)化的正態(tài)分布區(qū)間灰數(shù)NGM(1,1)模型
4.3.1 NGM(1,1)模型初始條件的優(yōu)化分析
4.3.2 初始條件優(yōu)化的正態(tài)分布區(qū)間灰數(shù)NGM(1,1)模型的構(gòu)建
4.3.3 算例分析
4.4 基于區(qū)間灰數(shù)序列的NGM(1,1)直接預(yù)測模型(IGNGM(1,1))
4.4.1 IGNGM(1,1)模型的構(gòu)建及參數(shù)估計
4.4.2 IGNGM(1,1)模型的權(quán)重系數(shù)求解
4.4.3 IGNGM(1,1)模型的殘差序列優(yōu)化
4.4.4 算例分析
4.5 新信息優(yōu)先的無偏區(qū)間灰數(shù)預(yù)測模型
4.5.1 基于Cramer法則的參數(shù)估計
4.5.2 新信息優(yōu)先的時間響應(yīng)式推導(dǎo)
4.5.3 算例分析
4.6 本章小結(jié)
5 三參數(shù)區(qū)間灰數(shù)預(yù)測模型的優(yōu)化研究
5.1 基于核和雙信息域的三參數(shù)區(qū)間灰數(shù)預(yù)測模型
5.1.1 核序列GM(1,1)模型
5.1.2 上、下信息域序列GM(1,1)模型
5.1.3 基于核和雙信息域的三參數(shù)區(qū)間灰數(shù)預(yù)測模型的構(gòu)建
5.1.4 算例分析
5.2 基于可能度函數(shù)的三參數(shù)區(qū)間灰數(shù)預(yù)測模型
5.2.1 面積序列DGM(1,1)模型
5.2.2 幾何中心序列和核序列DGM(1,1)模型
5.2.3 基于可能度函數(shù)的三參數(shù)區(qū)間灰數(shù)預(yù)測模型的構(gòu)建
5.2.4 算例分析
5.3 本章小結(jié)
6 FGM(1,1)模型的優(yōu)化研究
6.1 分?jǐn)?shù)階時滯多項式離散灰色模型(FTDP-DGM(1,1))
6.1.1 FTDP-DGM(1,1)模型的構(gòu)建與求解
6.1.2 FTDP-DGM(1,1)模型的參數(shù)估計
6.1.3 FTDP-DGM(1,1)模型的性質(zhì)
6.1.4 案例分析
6.2 本章小結(jié)
7 NGBM(1,1)模型的優(yōu)化研究
7.1 含虛擬□量的時滯灰色伯努利模型(DTD-NGBM(1,1))
7.1.1 DTD-NGBM(1,1)模型的構(gòu)建與求解
7.1.2 DTD-NGBM(1,1)模型參數(shù)估計
7.1.3 案例分析
7.2 含三角函數(shù)的灰色伯努利模型(SNGBM(1,1,sin))
7.2.1 SNGBM(1,1,sin)模型的構(gòu)建與求解
7.2.2 SNGBM(1,1,sin)模型的參數(shù)估計
7.2.3 案例分析
7.3 本章小結(jié)
8 GM(1,1,ta)模型的優(yōu)化研究
8.1 含三角函數(shù)的時間冪次灰色模型(SGM(1,1,ta|sin))
8.1.1 SGM(1,1,ta|sin)模型的構(gòu)建與求解
8.1.2 SGM(1,1,ta|sin)模型的參數(shù)估計
8.1.3 案例分析
8.2 含延遲時間冪次項的離散灰色模型(TDDGM(1,1,ta))
8.2.1 TDDGM(1,1,ta)模型的構(gòu)建與求解
8.2.2 TDDGM(1,1,ta)模型的參數(shù)估計
8.2.3 案例分析
8.3 本章小結(jié)
9 GM(1,N)模型的優(yōu)化研究
9.1 考慮未知因素作用的多□量灰色模型(GMU(1,N))
9.1.1 GMU(1,N)模型的構(gòu)建
9.1.2 GMU(1,N)模型的派生模型
9.1.3 GMU(1,N)模型的參數(shù)估計及求解
9.1.4 GMU(1,N)模型的性質(zhì)
9.1.5 算例分析
9.2 優(yōu)化的多□量灰色伯努利模型(ONGBM(1,N))
9.2.1 ONGBM(1,N)模型的構(gòu)建與求解
9.2.2 ONGBM(1,N)模型的參數(shù)估計
9.2.3 ONGBM(1,N)模型的性質(zhì)
9.2.4 算例分析
9.3 本章小結(jié)
10 DGM(1,N)模型的優(yōu)化研究
10.1 基于交互作用的非線性灰色模型(INDGM(1,N))
10.1.1 INDGM(1,N)模型的構(gòu)建與求解
10.1.2 INDGM(1,N)模型的參數(shù)估計
10.1.3 算例分析
10.2 含有時間多項式的多□量灰色模型(DGMTP