TL;DRAbstract
GM(1, 1)模型最主要的缺陷在于其白化方程与灰微分方程无法匹配，传统优化方法往往通过重构其背景值形式达到两者匹配的目的。文章介绍了三种重构的背景值形式，其由原始数据为齐次指数序列推导出，因此可以满足白指数率重合性；指出在原始数据为齐次指数序列时，三种背景值形式完全相同；分析了近似齐次指数序列建模下三种背景值形式的适用性，并对其添加动态修正项以弥补其不足。实例应用结果显示，改进的背景值优化形式提高了预测精度。
Chat with Paper
AI Agents for this Paper
GM(1, 1)模型最主要的缺陷在于其白化方程与灰微分方程无法匹配，传统优化方法往往通过重构其背景值形式达到两者匹配的目的。文章介绍了三种重构的背景值形式，其由原始数据为齐次指数序列推导出，因此可以满足白指数率重合性；指出在原始数据为齐次指数序列时，三种背景值形式完全相同；分析了近似齐次指数序列建模下三种背景值形式的适用性，并对其添加动态修正项以弥补其不足。实例应用结果显示，改进的背景值优化形式提高了预测精度。
Keywords
Computer science
Chat
Click to start Chat