留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

线性组合背景值构造在GM(1,1)模型中的优越性分析

上一篇

下一篇

陈鹏宇,郎林智. 线性组合背景值构造在GM(1,1)模型中的优越性分析[J]. 西南师范大学学报(自然科学版), 2010, 35(6).
引用本文: 陈鹏宇,郎林智. 线性组合背景值构造在GM(1,1)模型中的优越性分析[J]. 西南师范大学学报(自然科学版), 2010, 35(6).
Advantage Analysis of Linear Combination Construction of Background Value in GM(1,1)Model[J]. Journal of Southwest China Normal University(Natural Science Edition), 2010, 35(6).
Citation: Advantage Analysis of Linear Combination Construction of Background Value in GM(1,1)Model[J]. Journal of Southwest China Normal University(Natural Science Edition), 2010, 35(6).

线性组合背景值构造在GM(1,1)模型中的优越性分析

Advantage Analysis of Linear Combination Construction of Background Value in GM(1,1)Model

  • 摘要: 在假设原始数据为齐次指数序列的前提下,基于3种GM(1,1)模型缺陷分析理论,以灰微分方程和白化方程匹配为目标得出权值完全相同的线性组合背景值构造,指出原始数据为近似齐次指数序列时需要重新确定权值.仍以灰微分方程和白化方程匹配为目标得出新的权值求解方法.实例应用结果显示线性组合背景值构造形式预测精度最高.
  • 加载中
  • 加载中
计量
  • 文章访问数:  5268
  • HTML全文浏览数:  5166
  • PDF下载数:  0
  • 施引文献:  0
出版历程

线性组合背景值构造在GM(1,1)模型中的优越性分析

  • 中国地质大学,工程学院,武汉,430074

摘要: 在假设原始数据为齐次指数序列的前提下,基于3种GM(1,1)模型缺陷分析理论,以灰微分方程和白化方程匹配为目标得出权值完全相同的线性组合背景值构造,指出原始数据为近似齐次指数序列时需要重新确定权值.仍以灰微分方程和白化方程匹配为目标得出新的权值求解方法.实例应用结果显示线性组合背景值构造形式预测精度最高.

English Abstract

参考文献 (0)

目录

/

返回文章
返回