基于初始值和背景值改进的GM(1,1)模型优化与应用

摘要

针对在现实生活中,经典GM(1,1)模型预测精度不稳定,且以往的优化方法大部分具有片面性的缺点,文章对经典GM(1,1)模型背景值与初始值进行改进,提出了一种组合优化方法:根据动态寻优原则,将背景值设为变量,其参数以及时间响应式由MRE取最小值时确定;同时,采用差分方程取代以x(1)(1)为固定点的静态方程.将初始值和背景值看作变量,以系统地减少模型误差.结合国内石油年消费量数据,分别应用经典和改进后的GM(1,1)模型进行计算和误差对比,验证了改进后的模型精度要显著优于经典模型.