孔新海

（广安职业技术学院，四川 广安 638000）

基于随机振荡序列离散灰色模型的优化

孔新海

（广安职业技术学院，四川 广安 638000）

文章探讨了随机振荡序列灰色建模的问题，分析了两种具有代表性的基于振荡序列灰色建模方法，指出了其函数变换的实质以及应用范围。现有实证给出的建模方法其模型输出序列呈现出下凸的（除第一点外）和“Z字型”特点。结合这两种建模方法的优势，提出了另外两种数据变换方法，即加权均值平滑变换和级比调节平滑变换，实例说明了新的两种数据变换方法能有效地提高建模精度。

随机振荡序列；DGM(1，1)模型；平移变换；平滑变换

0 引言

灰色预测模型是灰色系统理论体系的重要内容，针对小样本数据通过累加生成就能有效揭示系统未来发展趋势[1]。由于灰色预测模型对数据没有严格的要求和限制，建模过程简单，受到越来越多学者重视，各种灰色模型不断被提出和优化，经过几十年的快速发展，已经被广泛应用于经济社会各领域，取得了非常好的应用效果[2]。但对随机振荡序列建立灰色模型进行预测时，学者们发现模型的模拟预测精度并不甚理想，原因在于灰色预测模型为指数形式，具有单调性，如果由该指数表达式计算出的模拟序列，其变化规律自然就不符合原始随机振荡序列的特征，导致模拟预测精度较差。为了拓广GM(1，1)模型的应用范围，文献[3]提出了通过加速平移变换将随机振荡序列转化为单调递增序列，再对单调递增序列进行累加均值生成，然后建立GM(1，1)模型。……