基于 Markov 理论的加权非等距GM（1，1）预测优化模型

• 作者: 李克昭 李志伟
• 来源期刊: 测绘工程
• 学科: 工学
• 关键词: 加权非等距GM (1 ,1)模型 背景值 等分函数法 新陈代谢 变形监测
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 学术研究
• 页码范围: 38-43
• 页数: 6页
• 分类号: TU196
• 字数: 3509字
• 语种: 中文
• DOI: 10.19349/j.cnki.issn1006-7949.2016.12.008

摘要

背景值的构造方法是影响加权非等距GM （1，1）预测模型的精度和适应性的关键因素。文中通过等分函数法构造新的背景值对传统的加权非等距GM （1，1）模型进行优化，优化后的模型使其同时适应于高增长指数序列和低增长指数序列，提高传统模型的预测精度和适应性能力。但是优化后的模型依然易受建模数据随机扰动影响。马尔科夫（Markov）模型具有削弱建模数据的随机扰动性的优势。基于此，将优化的加权非等距GM （1，1）模型和Markov理论有机结合，构建优化的加权非等距Markov‐GM （1，1）预测模型。最后，结合秀山湖二期工程的变形实测数据，运用新陈代谢的计算模式进行预测验证。结果表明：优化的加权非等距Markov‐GM （1，1）预测模型的拟合和预测精度都优于传统的加权非等距GM （1，1）预测模型，新的预测模型的适用性更强，具有实际的参考价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李克昭	河南理工大学测绘与国土信息工程学院	28	160	7.0	11.0
3	李志伟	河南理工大学测绘与国土信息工程学院	10	69	5.0	8.0