基于数据变换和背景值同步优化的GM(1,1)预测模型研究——以安徽省电商交易额预测为例

• 作者: 吴晓兵 李眩 童百利
• 来源期刊: 长春工程学院学报（自然科学版）
• 学科: 数学
• 关键词: 预测 GM(1,1)模型 灰色 光滑度 背景值 优化
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 基础研究
• 页码范围: 106-114
• 页数: 9页
• 分类号: O236|F272.1
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2020.02.025

摘要

首先对传统GM(1,1)模型做了简单介绍,分析了影响模型精度的主要原因.针对当前传统模型在一些情况下存在精度不高以及残差修正方法提升精度有限的情况,提出了改进原始数据光滑度和背景值构造方式的同步优化方法.并将提出的同步优化模型应用于2013年-2018年的安徽省电子商务销售额的拟合和预测中,通过预测结果可知同步优化的模型具有更好的拟合效果以及更高的预测精度,比传统模型和残差修正模型具有更好的适用性.此同步优化预测模型,还可以应用到交通流量、经济规划、物流运输、能源消耗、农业等领域的预测问题中,为管理者提供预测结果和决策支持.