×

连续时间灰色模型的统一框架:整体匹配视角。 (英语) Zbl 1481.62066号

摘要:由于灰色预测模型的大部分研究都集中在开发新模型和提高精度上,因此对各种模型之间的建模机制和关系的关注相对较少。本文旨在统一和重构连续时间灰色模型,突出不同模型之间的差异和相似性。首先,提出了灰色预测模型的统一形式,并将其简化为一个降阶常微分方程。然后,提出了由积分算子和最小二乘组成的积分匹配方法,以同时估计结构参数和初始值。累积和算子是灰色建模中的一个基本元素,证明了它是积分算子的离散近似。其次,利用基于积分匹配的常微分方程重构灰色模型。最后,通过大量仿真将现有灰色模型与重建模型进行了比较,并通过一个实际例子说明了如何应用和进一步验证重建模型。

MSC公司:

62米10 统计学中的时间序列、自相关、回归等(GARCH)

软件:

e1071号预测预测
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 邓,J.,灰色系统的控制问题,系统。控制信函。,1288-294年1月5日(1982年)·Zbl 0482.93003号
[2] 邓杰,社会经济系统中的灰色理论与方法(中文),社会科学。中国,647-60(1984)
[3] 刘,S。;Yang,Y。;Forrest,J.,《灰色数据分析:方法、模型和应用》(2017),新加坡施普林格-弗拉格出版社·Zbl 1406.93002号
[4] 谢,N。;王荣,《灰色预测模型的历史回顾》,《灰色系统》。,29, 4, 1-29 (2017)
[5] 李博士。;Chang,C.-J。;陈,W.C。;Chen,C.-C.,考虑数据缺口差异的全方位预测的扩展灰色预测模型,应用。数学。型号。,第35页,第10页,第5051-5058页(2011年)·Zbl 1228.62162号
[6] Nešetřil,J。;Matoušek,J.,《离散数学邀请函》(2009),牛津大学出版社·Zbl 1152.05002号
[7] Xiao,X。;郭,H。;Mao,S.,灰色GM(1,1)模型的建模机理、推广与优化,应用。数学。型号。,38, 5-6, 1896-1910 (2014) ·Zbl 1428.62417号
[8] 杨,X。;方,Z。;Yang,Y。;Mba,D。;Li,X.,一种新的多信息融合灰色模型及其在风力涡轮机磨损趋势预测中的应用,应用。数学。型号。,71, 543-557 (2019) ·Zbl 1481.62127号
[9] 科尔维尔,R.K。;毛,C。;Chang,J.,插值、外推和比较基于事件的物种累积曲线,生态学,85,10,2717-2727(2004)
[10] Chatterjee,S。;邱,P.,《使用基于引导的控制限的无分布累积和控制图》,《Ann.Appl。统计,3,1,349-369(2009)·Zbl 1160.62095号
[11] 赵,Z。;Wang,J。;赵,J。;Su,Z.,利用差分进化算法优化的灰色模型预测中国农村家庭人均年净收入,Omega(Westport),40,5,525-532(2012)
[12] 李博士。;Yeh,C.-W。;Chang,C.J.,《早期制造数据预测的改进灰色方法》,计算。Ind.Eng.,57,41161-1167(2009年)
[13] 李博士。;Chang,C.-J。;陈,C.-C。;Chen,W.C.,使用自适应灰色方法预测短期电力消耗——亚洲案例,Omega(Westport),40,6,767-773(2012)
[14] Chang,C.-J。;李博士。;黄,Y.-H。;Chen,C.-C.,基于盒图的小型制造数据集灰色预测模型,应用。数学。计算。,265, 400-408 (2015) ·Zbl 1410.62166号
[15] 施,C.-S。;徐永通。;Yeh,J。;Lee,P.-C.,使用带累进技术的灰色修正模型进行灰色数预测,应用。数学。型号。,35, 3, 1314-1321 (2011) ·Zbl 1211.62170号
[16] Dang,Y。;刘,S。;Chen,K.,以(x(n))为初值的GM模型,Kybernetes,33,2,247-254(2004)·Zbl 1083.93509号
[17] 徐,J。;Tan,T。;涂,M。;Qi,L.,最小二乘法对灰色模型的改进,专家系统。申请。,38, 11, 13961-13966 (2011)
[18] Wang,Y。;刘,Q。;Tang,J。;曹伟。;Li,X.,提高GM(1,1)模型预测精度的背景值和初始项优化方法,J.Syst。电子工程。,25, 1, 77-82 (2014)
[19] Chen,C.I。;黄世杰,GM(1,1)灰色预测模型的充要条件,应用。数学。计算。,219, 11, 6152-6162 (2013) ·Zbl 06214577号
[20] 刘杰。;Xiao,X.P。;郭建华。;Mao,S.H.,GM(1,1)灰色预测模型解之间的误差及其上界估计,应用。数学。计算。,246,C,648-660(2014)·Zbl 1343.62087号
[21] Tien,T.L.,一种新的灰色预测模型FGM(1,1),数学。计算。型号。,49, 7, 1416-1426 (2009) ·Zbl 1165.62343号
[22] 姚,T。;刘,S。;谢娜,关于GM(1,1)模型的小样本性质,应用。数学。型号。,33, 4, 1894-1903 (2009) ·Zbl 1205.60085号
[23] Wu,L。;刘,S。;姚,L。;Yan,S.,样本大小对灰色系统模型的影响,应用。数学。型号。,第37页,第9页,第6577-6583页(2013年)·Zbl 1426.62279号
[24] 郭,R。;郭,D.,灰色微分方程建模的随机模糊变量基础,软计算。,13, 2, 185-201 (2009) ·Zbl 1158.93300号
[25] 崔,J。;刘,S。;曾,B。;谢娜,一种新的灰色预测模型及其优化,应用。数学。型号。,37, 6, 4399-4406 (2013) ·Zbl 1272.93014号
[26] 陈,P.-Y。;Yu,H.-M.,基于新型NGM模型的地基沉降预测,数学。问题工程,2014,242809(2014)
[27] 丁,S。;李,R。;Wu,S。;周伟,具有可调时间功率项的新型结构自适应灰色模型在核能消耗预测中的应用,应用。能源,298117114(2021)
[28] Luo博士。;魏斌,多项式项灰色预测模型及其优化,灰色系统。,29, 3, 58-69 (2017)
[29] 马,X。;胡,Y。;Liu,Z.,一种新的核正则非齐次灰色模型及其应用,Commun。非线性科学。数字。模拟。,48, 51-62 (2016) ·Zbl 1510.62391号
[30] Evans,M.,估算广义Grey-Verhulst模型参数的另一种方法:应用于英国使用的钢材强度,Expert Syst。申请。,41, 4, 1236-1244 (2014)
[31] 陈,C.-I。;陈,H。;陈世平,利用新型非线性灰色贝努利模型NGBM(1,1)预测台湾主要贸易伙伴的汇率,Commun。非线性科学。数字。模拟。,13, 6, 1194-1204 (2008)
[32] Yang,L。;谢娜,基于积分匹配的非线性灰色贝努利模型在中国煤炭消费预测中的应用,软计算。,25, 7, 5209-5223 (2021) ·Zbl 1498.62178号
[33] Tien,T.-L.,灰色预测模型GM(1,n)的研究,应用。数学。计算。,218, 9, 4903-4916 (2012) ·Zbl 1266.62075号
[34] 曾,B。;罗,C。;刘,S。;Bai,Y。;Li,C.,GM(1,N)模型优化方法的开发,工程应用。人工智能。,55, 353-362 (2016)
[35] 马,X。;Liu,Z.-b.,基于核的非线性多元灰色模型,应用。数学。型号。,56, 217-238 (2018) ·Zbl 1480.62197号
[36] 王,Z.-X。;Ye,D.-J.,使用非线性灰色多变量模型预测中国化石能源消费的碳排放量,J.Clean。生产,142600-612(2017)
[37] Yu,L。;马,X。;Wu,W。;Wang,Y。;Zeng,B.,一种新的基于弹性网络的非线性时间序列预测多目标优化NGBMC(1,n)模型,Commun。非线性科学。数字。模拟。,96, 105696 (2021) ·兹比尔1461.90143
[38] 熊,P。;Zhang,Y。;曾,B。;Yao,T.,基于区间灰数序列的MGM(1,m)模型及其应用,《灰色系统:理论与应用》,7,3,310-319(2017)
[39] 郭,X。;刘,S。;Wu,L。;高,Y。;Yang,Y.,带自记忆成分的多变量灰色模型及其在工程预测中的应用,工程应用。Artif公司。智力。,42, 82-93 (2015)
[40] 郭,X。;刘,S。;Yang,Y.,一种基于自记忆算法的非线性灰色贝努利组合模型预测血浆浓度的方法,计算。生物医学,105,81-91(2019)
[41] Wu,L。;刘,S。;Wang,Y.,Grey-Lotka-Volterra模型及其应用,Technol。预测。社会变革,79,9,1720-1730(2012)
[42] Wang,H.-T。;Wang,T.-C.,灰色Lotka-Volterra模型在预测电视和智能手机行业扩散和竞争分析中的应用,Technol。预测。社会变革,106,37-44(2016)
[43] 魏,B。;谢,N。;胡,A.,新型灰色多项式预测模型的最优解,应用。数学。型号。,62, 717-727 (2018) ·Zbl 1462.62571号
[44] 丁,S。;李,R。;Wu,S.,新能源汽车销售自适应数据预处理和优化非线性灰色贝努利模型的新型组合预测框架,Commun。非线性科学。数字。模拟。,99, 105847 (2021) ·Zbl 1466.62431号
[45] 曾,B。;Li,C.,改进的动态背景值系数多变量灰色预测模型及其应用,计算。工业工程,118278-290(2018)
[46] 科默特,G。;北卡罗来纳州贝加肖。;Huynh,N.,预测交通参数的改进灰色系统模型,专家系统。申请。,177, 114972 (2021)
[47] 林,Y.-H。;Lee,P.-C.,新型高精度灰色预测模型,Autom。施工图。,16, 6, 771-777 (2007)
[48] 林,Y.-H。;李,P.-C。;Chang,T.-P.,自适应高精度灰色预测模型,专家系统。申请。,36, 6, 9658-9662 (2009)
[49] Kayacan,E。;尤卢塔斯,B。;Kaynak,O.,《时间序列预测中基于灰色系统理论的模型》,专家系统。申请。,37, 2, 1784-1789 (2010)
[50] 熊,P。;Dang,Y。;姚,T。;王忠,《中国能源消费与生产的优化建模与预测》,能源,77,623-634(2014)
[51] 孔,L.-M。;Yu,S.-W.,《指数期货收益预测和金融溢出分析——GARCH与灰色定理的比较》,欧洲期刊Oper。研究,186,3,1184-1200(2008)·Zbl 1134.91032号
[52] 熊,P。;黄,S。;彭,M。;Wu,X.,使用基于区间数序列的多变量灰色模型检验和预测雾和霾污染,应用。数学。型号。,77, 1531-1544 (2020) ·Zbl 1481.91147号
[53] 熊,P。;Dang,Y。;吴,X。;Li,X.,基于优化多变量灰色模型和多元线性回归的组合模型,J.Syst。电子工程。,2011年4月22日,615-620
[54] 达特纳,I。;Klaassen,C.A.,参数函数线性常微分方程组中直接估计的最佳速率,电子。J.Stat.,9,2,1939-1973(2015)·兹比尔1327.62120
[55] Dattner,I.,用于估计常微分方程系统参数的基于模型的初始猜测,生物统计学,71,4,1176-1184(2015)·Zbl 1419.62083号
[56] 魏,B。;谢,N。;Yang,L.,理解积分匹配灰色预测模型中的累积和算子,Commun。非线性科学。数字。模拟。,82, 105076 (2020) ·Zbl 1451.93211号
[57] 丁,S。;Li,R.,使用新型自适应优化灰色模型预测电动汽车的销售和库存,工程应用。Artif公司。智力。,100, 104148 (2021)
[58] Van Loan,C.F。;Golub,G.H.,《矩阵计算》(2013),约翰·霍普金斯大学出版社·Zbl 1268.65037号
[59] 魏,B。;谢,N。;Yang,Y.,统一离散灰色预测模型的基于数据的结构选择,专家系统。申请。,136, 264-275 (2019)
[60] 杨,P.C。;佩德雷格尔,D.J。;Tych,W.,动态调和回归,J.Forecast,18,6,369-394(1999)
[61] Tych,W。;佩德雷格尔,D.J。;杨,P.C。;Davies,J.,用于电话呼叫需求的多速率预测的未观测组件模型:预测支持系统的设计,Int.J.Forecast,18,4673-695(2002)
[62] Young,P.C.,《基于数据的机械建模和全球平均地表温度预测》,《国际预测杂志》。,34, 315-334 (2018)
[63] Famiglietti,J.S.,《全球地下水危机》,《自然气候》。青稞酒。,4, 11, 945 (2014)
[64] 杨,P。;帕金森氏症。;Lees,M.,《环境建模的复杂性中的简单性:重新审视Occam的剃须刀》,J.Appl。《统计》,23,2-3,165-210(1996)
[65] Hyndman,R.J。;Khandakar,Y.,《自动时间序列预测:R,J.Stat.Softw的预测包》。,27, 3, 1548-7660 (2008)
[66] D.Meyer,E.Dimitriadou,K.Hornik,A.Weingessel,F.Leich,e1071:概率理论小组统计系的杂项功能(原名:e1071),TU Wien,2021年。R软件包版本1.7-7。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。