基于Cholesky分解与QR分解的GM(1,1)病态性改进算法

摘要

为更好地解决由于原始数据过大所造成的GM(1,1)模型的病态性问题,以GM(1,1)模型的参数辨识过程为出发点,一方面利用对称正定矩阵的Cholesky分解对原始数据序列进行预处理,从而降低参数求解过程中矩阵的条件数,另一方面,对原始数据矩阵采用QR算法,将大型矩阵进行分块,从而避免在矩阵求逆过程中病态性问题的出现.最后通过实例验证了两种方法都能很好的解决GM(1,1)模型的病态性问题,从而提高模型的预测效果.