缓冲算子修正的服装流行色灰色预测

摘要

针对服装流行色震荡数据的冲击扰动问题,提出缓冲算子修正的等维动态递补灰色模型,以还原数据本身特性.在采用弱化缓冲算子对2013—2019年服装流行色原始数据进行处理后,分别建立不同维数的等维动态递补GM(1,1)模型(BOGM),选择最优维数模型进行建模.为验证模型的优越性,以原始数据建立了经典GM(1,1)模型(EGM)、离散GM(1,1)模型(DGM)、等维动态递补GM(1,1)模型(NGM)以及等维动态递补离散GM(1,1)模型(NDGM)作为对比.结果表明,BOGM模型可有效解决震荡数据序列扰动问题,其平均预测误差及平均总误差分别仅为0.845,0.744,较EGM(5.694,4.137),DGM(5.259,3.952),NGM(6.007,4.289)和NDGM(5.743,3.800)模型均有了较大改善,能为服装流行色预测提供参考.