灰色模型的预测精度研究及其在百里香枝条长度预测中的应用

摘要

在灰色系统理论中灰色预测指的是对历史原数据信息通过建立灰色模型的方式，掌握对系统的未来发展趋势，使其能在对未来事物的预测中进行科学推测。它的核心思想为：通过对系统中含有价值信息较少的数据创建微分预测模型，进一步对杂乱数据、表述内容模糊的系统进行持续、稳定的描述。该模型偏重研究“贫信息、少数据、不确定”的问题。百里香的花朵不仅小而且很密集，在开放时能散发芬芳，它的植株矮小，形成的地被层通常厚实且富有弹性。因此，通过运用连续空间蚁群算法来优化灰色模型参数的方法实现提高灰色模型预测精度，并将所研究的模型应用于百里香枝条长度预测问题中，使该模型今后能为内蒙古地区的城市园林项目建设添砖加瓦。
　　本研究主要内容包括：⑴对传统GM(11)，模型的缺陷问题进行认真分析，从GM(11)，模型的背景值几何意义角度切入，通过构造新的背景值公式实现提高模型预测精度的目标。改进后的IGM(11)，模型在对系统进行预测时精度得到改善。⑵通过使用连续空间蚁群算法实现对IGM(11)，模型参数求解的改进。该方法是利用了连续空间蚁群算法的全局搜索和局部搜索操作限定最优解范围，从而提出基于蚁群算法理论的(11)，ACOGM模型。⑶将三种模型分别应用到呼朔高速公路护坡上的百里香枝条长度预测问题中，经过仿真实验验证了论文中提出的IGM(11)，模型和(11)，ACOGM模型的有效性。仿真结果显示的数据表明，经过模型精度改进后的新模型预测精度好于传统GM(11)，模型。

目录

声明

1 绪论

1.1 论文的研究背景、目的及意义

1.2 国内外研究现状

1.3 论文的主要创新点

1.4 论文研究内容与组织结构

1.5 本章小结

2 灰色系统与连续空间蚁群算法基本理论

2.1 灰色系统理论

2.2 蚁群算法基本理论

2.3 本章小结

3 基于背景值对GM（1,1）模型预测精度的改进

3.1 传统GM（1,1）模型建模过程

3.2 对传统GM(1，1)模型背景值产生误差的原因分析

3.3 基于改进背景值的IGM(1，1)模型构建

3.4 本章小结

4 基于连续空间蚁群算法对IGM(1，1)模型参数的改进

4.1 改进灰色模型的基本思路

4.2 传统GM(1，1)模型参数缺陷分析

4.3 基于蚁群算法的ACOGM(1，1)建模过程

4.4 本章小结

5 ACOGM(1，1)模型在植物百里香枝条长度预测中的应用

5.1 内蒙古地区百里香生长的现状分析

5.2 百里香的应用价值

5.3 常用预测方法的介绍

5.4 仿真实验

5.5 仿真实验结果对比分析

5.6 本章小结

6 总结与展望

6.1 总结

6.2 展望

6.3 本章小结

致谢

参考文献

作 者 简 介