分享到:

反向累加生成及灰色GOM(1,1)模型

灰色系统理论以研究少数据、不确定性问题为己任 ,其最基本的工具是灰色生成 .系统的行为数据可能是杂乱无章、错综复杂的 ,但它们之间总存在着某种规律 .灰色生成就是从这些行为数据中寻找规律 ,然后依据这种规律建立灰色模型 ,通过模型的求解对系统进行预测 ,因此 ,生成是建立灰色模型的基础 [1 ,2 ] .1 反向累加生成及建模原理定义 1 设 x( 0 ) =(x( 0 ) (1 ) ,x( 0 ) (2 ) ,… ,x( 0 ) (n) )为原始序列 ,令x( 1 ) (k) =∑ni=kx( 0 ) (i)  k =1 ,2 ,… ,n称 x( 1 ) =(x( 1 ) (1 ) ,x( 1 ) (2 ) ,… ,x( 1 ) (n) )为 x( 0 ) 的一次反向累加生成序列 .定义 2 设 x( 0 ) =(x( 0 ) (1 ) ,x( 0 ) (2 ) ,… ,x( 0 ) (n) )为原始序列 ,取x( - 1 )...  (本文共3页) 阅读全文>>

《系统工程》2001年01期
系统工程

反向累加生成及灰色GOM(1,1)模型

1 引言灰色系统理论以研究少数据、不确定性问题为己任 ,其最基本的工具是灰色生成。系统的行为数据可能是杂乱无章、错综复杂的 ,但它们之间总存在着某种规律。灰色生成就是从这些行为数据中寻找规律 ,然后依据这种规律建立灰色模型 ,通过模型的求解对系统进行预测 [1 ] ,因此 ,生成是建立灰色模型的基础。在建立模型时 ,最常用的就是传统的累加、累减生成 ,概括如下 :定义 1 .1 设 x(0 ) =(x(0 ) (1 ) ,x(0 ) (2 ) ,… ,x(0 ) (n) )为原始序列 ,令x(1 ) (k) =∑ki=1x(0 ) (i) ,  k =1 ,2 ,… ,n则 x(1 ) =(x(1 ) (1 ) ,x(1 ) (2 ) ,… ,x(1 ) (n) )称为 x(0 ) 的一次累加生成序列。定义 1 .2 设 x(0 )为原始序列 ,取 x(- 1 ) (k) =x(0 ) (k) - x(0 ) (k...  (本文共4页) 阅读全文>>

《杭州师范大学学报(自然科学版)》2010年01期
杭州师范大学学报(自然科学版)

GOM(1,1)模型背景值构造的重新改进

灰色预测模型是灰色理论的重要组成部分,而GM(1,1)模型是灰色预测模型中最基本的预测模型,已经在许多领域得到了广泛应用[1-3].传统GM(1,1)模型以正向累加生成为基础,相对于正向累加生成,一种反向累加生成定义被提出.灰色GOM(1,1)模型正是基于反向累加生成得出的一种灰色预测模型[4-5].杨知等[6]分析反向累加生成的特点,并从背景值的几何意义出发,对GOM(1,1)模型进行了改进.文献[6]中虽然认识到了GOM(1,1)模型的缺陷,但却忽略了改进背景值的建模适应性问题,该文仍从文献[6]中提到的背景值几何意义出发,分析文献[6]中改进背景值形式的不足,建立新的具有更强建模适应性的背景值形式.1反向累加生成及GOM(1,1)模型n设原始序列为x(0)=(x(0)(1),x(0)(2),…,x(0)(n)),令x(01)(k)=∑i=kx(0)(i),k=1,2,…,n,称x0(1)(k)=(x0(1)(1),x0(1...  (本文共4页) 阅读全文>>

《广西工学院学报》2011年04期
广西工学院学报

基于累积法和背景值优化的改进GOM(1,1)模型

0引言GM(1,1)模型[1]是灰色理论中使用最广泛的模型之一,已被大量应用在农业、交通、气象和地质勘探等领域的预测,随着国内外学者对GM(1,1)模型的深入研究,发现其存在诸多不足.为此,学者们相继提出了一系列修正模型,这些问题可以归结为以下几个方面:1)针对GM(1,1)模型背景值的改进问题[2-3];2)针对GM(1,1)模型的参数估计问题[3-4];3)GM(1,1)模型适用范围的讨论[5-6];4)GM(1,1)模型时间响应函数初始值的选取问题等[3,7].文献[8]研究指出,当原始数据序列为单调增加时,应用GM(1,1)模型[1]能取得较好的预测效果,然而,对于单调下降的序列其预测精度则不理想,于是,提出了反向累加GOM(1,1)灰色模型,并取得了比GM(1,1)模型更好的预测精度.基于反向累加GOM(1,1)灰色模型,一系列改进反向GOM(1,1)灰色模型被相继提出[9-11].然而,这些模型都存在参数估计或背景值...  (本文共5页) 阅读全文>>

《河南大学学报(医学科学版)》2004年01期
河南大学学报(医学科学版)

快速推注药物动力学的灰色GOM(1,1)模型及应用

1 引言灰色系统是指既含已知信息又含未知信息的或非确知信息的系统。灰色预测的过程是对灰色数列的处理不是用概率分布或求统计规律 ,而是用数据处理的方法揭示数据间的联系[1] 。文章[2 ] 用倒数累加生成的方法建立了静脉注射药物动力学的灰色模型。本文介绍应用反向累加生成及灰色GOM(1,1)模型原理 ,建立静脉注射药物动力学的灰色模型 ,经初步应用表明 ,该方法有很好的拟合效果 ,并为GOM(1,1)模型的进一步应用于药物动力学提供理论依据。2 灰色GOM( 1 ,1 )模型建模方法[3]2 .1 反向累加生成对原始数据进行处理 ,以便使其随机性弱化和规律性增强。对于单调递减的等间距间数据列 x( 0 ) =(x0 (1) ,x( 0 ) (2 ) ,… ,x( 0 ) (n) )x( 1) (k) =∑ni=kx( 0 ) (i) k =1,2 ,…n- 1(1)  则称x( 1) =(x( 1) ,x( 1) (2 ) ,… ...  (本文共4页) 阅读全文>>

《计算机学报》1998年01期
计算机学报

面向图结构的分布式程序设计模型GOM

1引言分布式系统为我们提供了大量信息、资源共享、计算加速和可靠性.它是当今解决计算密集型问题、提高计算速度的一项重要技术,也是建立高可靠性应用以及本质上是分布处理的程序的有效方法.但是编写一个分布式系统要比编写一个集中式系统困难得多,因为必须考虑到并行执行、任务匹配、进程间通信、同步、重构等诸多方面.解决此问题的一个途径是研制并行和分布式程序的开发工具来简化这一工作.但是绝大多数分布式程序开发工具使用图来辅助开发,如CASE,CODE['''j,HeNCE['"1,Meander[']等却没有把图本身作为语言的一个成分,提供给用户一个清晰的逻辑图结构,使用户在此逻辑结构的基础上编写程序.一个分布式程序通常由若干个相互关联的并发执行的模块组成.这些模块可能在不同的处理器上.它们之间的逻辑关系可以图的形式形象表现.因此,从这个意义上讲分布式程序是一个图['j.本文提出了一个面向图结构的模型GOM,它充分利用分布式程序的这一特性,提供...  (本文共8页) 阅读全文>>