一种强兼容性的灰色通用预测模型及其性质研究

doi:10.16381/j.cnki.issn1003-207x.2017.05.018

中国管理科学 ›› 2017, Vol. 25 ›› Issue (5): 150-156.doi: 10.16381/j.cnki.issn1003-207x.2017.05.018

一种强兼容性的灰色通用预测模型及其性质研究

曾波¹, 刘思峰², 曲学鑫³

1. 重庆工商大学商务策划学院, 重庆 400067;
2. 南京航空航天大学经济与管理学院, 江苏南京 210016;
3. 重庆工商大学国家智能制造服务国际科技合作基地, 重庆 400067

收稿日期:2016-01-25 修回日期:2016-05-24 出版日期:2017-05-20 发布日期:2017-08-26
通讯作者: 曾波(1975-),男(汉族),四川威远人,重庆工商大学商务策划学院教授,工学博士,研究方向:预测建模方法的研究,E-mail:zbljh2@163.com. E-mail:zbljh2@163.com
基金资助:
国家自然科学基金资助项目（71271226）；重庆市社科规划委托项目（2016WT37）；重庆市教育科学规划课题（2012-GX-142）；中国科协重大招标项目（2016ZCYJ06）

Researching on A Grey Common Prediction Modeling with Strong Compatibility and Its Properties

ZENG Bo¹, LIU Si-feng², QU Xue-xin³

1. College of business planning, Chongqing Technology and Business University, Chongqing 400067, China;
2. College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China;
3. National Research Base of Intelligent Manufacturing Service, Chongqing Technology and Business University, Chongqing 400067, China

Received:2016-01-25 Revised:2016-05-24 Online:2017-05-20 Published:2017-08-26

摘要/Abstract

摘要： 预测建模对象的复杂性导致了灰色模型形式的多样性与结构的互不兼容性，通过在灰色模型中引入因变量滞后项、线性修正项及常数修正项，构建了一种强兼容性的灰色通用预测模型（CGPM），证明了CGPM模型与多变量GM（1，N）模型与GM（0，N）模型及单变量GM（1，1）模型、DGM（1，1）模型及NDGM（1，1）模型的转换条件与等价性质，最后通过实例对CGPM模型的有效性进行了验证；研究成果对优化灰色模型结构、提高灰色模型通用性与普适性具有积极意义。

关键词: 灰色理论, 预测模型, 强兼容性, 模型转换

Abstract: The complicacy of predictive modeling object gives rise to the diversity of form and mutual non-compatibility of structure of grey models. A grey common prediction modeling with powerful compatibility (CGPM) is established through putting the lagged item of dependent variable, corrective terms of linear and constant into grey model. The transformation conditions and equivalence properties between CGPM model and multivariable grey models which include GM(1, N) and GM(0, N) and single variable grey models including GM(1, 1), DGM(1, 1) and NDGM(1, 1) are proved in this paper. The effectiveness of CGPM model is verified by some calculation examples. The study findings have some positive significance for optimizing the structure of grey model and improving the commonality and universality of grey model.

Key words: grey theory, prediction model, powerful compatibility, model transformation

中图分类号:

N941.5

曾波, 刘思峰, 曲学鑫. 一种强兼容性的灰色通用预测模型及其性质研究[J]. 中国管理科学, 2017, 25(5): 150-156.

ZENG Bo, LIU Si-feng, QU Xue-xin. Researching on A Grey Common Prediction Modeling with Strong Compatibility and Its Properties[J]. Chinese Journal of Management Science, 2017, 25(5): 150-156.

参考文献

[1] Deng Julong. Control problem of grey systems[J]. System Control Letter, 1982, 1(5):288-294.
[2] Liu Sifeng, Lin Y. Grey system theory and applications[M]. Berlin Heidelberg:Springer-Verlag, 2010.
[3] Xia Min, Wong W K. A seasonal discrete grey forecasting model for fashion retailing[J].Knowledge-based Systems, 2014, 57:119-126.
[4] 姚天祥, 刘思峰, 党耀国. 初始值优化的离散灰色预测模型[J]. 系统工程与电子技术, 2009, 31(10):2394-2398.
[5] 戴文战. 基于函数基于函数cot(x^α)变换及背景值优化的灰色建模[J]. 浙江大学学报(工学版), 2010, 44(7):1368-1372.
[6] Wei Yong, Zhang Yi. A criterion of comparing the function transformations to raise the smooth degree of grey modeling data[J]. The Journal of Grey System.2007, 19(1):91-98.
[7] 熊萍萍, 党耀国, 姚天祥,等. 灰色Verhulst模型背景值优化的建模方法研究[J]. 中国管理科学, 2012, 20(6):155-159.
[8] Wei Yong, Zhang Yi. An essential characteristic of the discrete function transformation to increase the smooth degree of data[J]. The Journal of Grey System, 2007, 19(3):293-300.
[9] Zeng Bo, Chen Guo, Liu Sifeng. A novel interval grey prediction model considering uncertain information[J]. Journal of the Franklin Institute, 2013,350(10):3400-3416.
[10] Xie Nainming, Liu Sifeng. Interval grey number sequence prediction by using non-homogenous exponential discrete grey forecasting model[J]. Journal of Systems Engineering and Electronics, 2015, 26(1):96-102.
[11] 曾波,刘思峰,孟伟. 具有主观取值倾向的离散灰数预测模型及其应用[J]. 控制与决策, 2012, 27(9):1359-1364.
[12] Xie Naiming, Liu Sifeng. Discrete grey forecasting model and its optimization[J]. Applied Mathematical Modeling, 2009,33(2):1173-1186.
[13] 曾波, 孟伟, 刘思峰,等. 面向灾害应急物资需求的灰色异构数据预测建模方法[J]. 中国管理科学, 2015, 23(8):85-91.
[14] 孟庆良, 何林, 朱慧明,等. 基于GM(1,1)模型的Kano质量要素分类动态预测方法[J]. 中国管理科学, 2015, 23(9):140-145.
[15] Liu Jun, Xiao Xinping. The relationship of discrete grey forecasting model DGM and GM(1,1) model[J]. Journal of Grey System, 2014, 26(4):14-31.
[16] Xie Naiming, Zhu Chaoyu, Zheng Jing. Expansion modeling of discrete grey model based on multi-factor information aggregation[J]. Journal of Systems Engineering and Electronics, 2014, 25(5):833-839.
[17] Xiao Xinping, Guo Huan, Mao Shuhua. The modeling mechanism, extension and optimization of grey GM(1,1) model[J]. Applied Mathematical Modeling, 2014, 38(5-6):1896-1910.
[18] Chen C I, Huang S J. The necessary and sufficient condition for GM(1,1) grey prediction model[J]. Applied Mathematics and Computation, 2013, 219(11):6152-6162.
[19] Zeng Bo, Li Chuan, Chen Guo,et al. Equivalency and unbiasedness of grey prediction models[J]. Journal of Systems Engineering and Electronics, 2015, 26(1):110-118.
[20] 肖新平, 毛树华. 灰预测与决策方法[M]. 北京:科学出版社, 2013.
[21] 郭晓君, 刘思峰, 杨英杰. 基于自忆性原理的多变量MGM(1,m)耦合系统模型构建及应用[J]. 中国管理科学, 2015, 23(11):113-118.
[22] 于志军, 杨善林,章政,等. 基于误差矫正的灰色神经网络股票收益率预测[J].中国管理科学,2015, 23(12):21-26.

一种强兼容性的灰色通用预测模型及其性质研究

Researching on A Grey Common Prediction Modeling with Strong Compatibility and Its Properties

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

Metrics

本文评价

推荐阅读 10

[1]	熊涛, 鲍玉昆. 基于动态模型平均的大豆期货价格预测研究[J]. 中国管理科学, 2020, 28(5): 79-88.
[2]	黄星, 袁明, 王绍玉. 基于Mexican Wv-SVM的震灾人员存活量模型[J]. 中国管理科学, 2016, 24(9): 140-146.
[3]	曾波, 孟伟, 刘思峰, 李川, 崔杰. 面向灾害应急物资需求的灰色异构数据预测建模方法[J]. 中国管理科学, 2015, 23(8): 84-91.
[4]	曾波, 刘思峰, 方志耕, 谢乃明. 灰色组合预测模型及其应用[J]. 中国管理科学, 2009, 17(5): 150-155.
[5]	孔玉生, 王忠杰. 新股上市首日定价预测模型研究[J]. 中国管理科学, 2003, (1): 6-9.
[6]	程发新, 李怀祖. 市场预测支持系统的预测模型研究[J]. 中国管理科学, 2002, (5): 35-38.
[7]	邹新月. 深圳综合指数长程相关性特征分析及其预测[J]. 中国管理科学, 2002, (2): 96-100.
[8]	王广成, 徐建培. 国际煤炭市场价格的预测模型[J]. 中国管理科学, 1999, (4): 35-40.