李亚男

(广东理工学院基础教学部,广东肇庆526100)

1 引言

针对“小样本、贫信息”的系统序列的预测问题,邓聚龙教授提出了灰色系统理论[1],其中灰色预测是该理论中的核心体系.GM(1,1)模型作为灰色预测模型中的典型代表,已被广泛应用于众多领域[2−4].研究表明,该模型对近似齐次指数律的数据序列的模拟预测具有较高的精度,而对其他一般序列尤其是振荡序列的模拟预测效果并不理想.为拓广灰色预测模型的适用范围,许多学者针对不同类型的序列进行了深入研究,提出了一系列的灰色预测模型.针对非齐次指数律特征的数据序列的预测问题,战立青等[5]提出了NHGM(1,1,k)模型,并将其应用于北京地铁客流量和江苏省财政科技投入预测中;针对部分指数特征并含时间幂次项的数据序列的预测问题,钱吴永等[6]提出了GM(1,1,tα)模型,并将其应用于某省沿海高速公路软土地基沉降预测中;为更好地描述系统的非线性的本质,王正新等[7]提出了GM(1,1)幂模型,并将其应用于南京市水路货运量预测中;为减少以离散形式估计参数且用连续函数模拟预测过程中产生的误差,谢乃明等[8,9]提出了离散灰色预测模型,并将其应用于纯指数序列模拟中;针对振荡序列的预测问题,毛树华等[10]构建了GM(1,1|sin)模型,并将其应用于城市交通流的模拟预测中.相比于传统GM(1,1)模型,以上拓展模型在各自应用中都取得了更好的模拟预测效果,具有一定的实用性.

为充分利用系统的新信……