謝錦彪，歐毓毅，凌 捷

（廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州510006）

0 引 言

GM（1，1）模型［1－3］本身的預(yù)測(cè)公式存在局限性［4］，且對(duì)于高增長(zhǎng)序列的預(yù)測(cè)精度不高，有許多學(xué)者對(duì)其進(jìn)行了改進(jìn)［5－9］，這些改進(jìn)主要是單一地改進(jìn)模型的背景值或初始（值）條件，或者同時(shí)改進(jìn)模型的背景值和初始條件。近幾年研究的重點(diǎn)逐步偏向于同時(shí)改進(jìn)背景值和初始條件，但是模型的模擬精度和預(yù)測(cè)精度還有待進(jìn)一步提高。

本文在文獻(xiàn) ［10］優(yōu)化傳統(tǒng)GM（1，1）模型的背景值構(gòu)造公式的基礎(chǔ)上，進(jìn)一步優(yōu)化背景值的計(jì)算公式，并基于最小二乘法原理對(duì)預(yù)測(cè)初始條件進(jìn)行改進(jìn)，將背景值的改進(jìn)和最優(yōu)初始條件的選擇結(jié)合在一起，以文獻(xiàn) ［5，10］共同使用的低增長(zhǎng)序列x（0）（k）＝e－ak（k＝1，2，3，4，5）以及文獻(xiàn) ［10］中高增長(zhǎng)序列為例進(jìn)行模擬分析實(shí)驗(yàn)，提出的預(yù)測(cè)模型比文獻(xiàn) ［5，10］具有更高的模擬精度以及預(yù)測(cè)精度。

1 經(jīng)典GM（1，1）預(yù)測(cè)模型及缺陷分析

1.1 經(jīng)典GM（1，1）模型

設(shè)非負(fù)序列X（0）＝ ｛x（0）（k），k＝1，2，3…n｝為原始序列。

（1）對(duì)原始序列X（0）作一次累加生成序列X（1）＝ （x（1）（1），x（1）（2），…，x（1）（n））。即：X（1）（k）＝（i）（k＝1，2，…，n）；

（2）建模。由X（1）得到GM（1，1）模型的背景值Z（1）＝ ｛z（1）（k），k＝1，2，3…n｝，其中Z（1）（k）＝μ （x（1）（k）＋x（1）（k－1））（k＝2，3，…，n），一般μ取0.5。將白化方程＋ax（1）＝b 離散化，由微分變差分，得到GM（1，1）的灰微分方程如下所示

（3）求解發(fā)展系數(shù)a和灰色作用量b。按照最小二乘法原理解式 （1）可得參數(shù)a和b。其中則可得式 （2）

（4）建立預(yù)測(cè)公式。累加序列X（1）的預(yù)測(cè)公式為：（k＋1）＝＊e－ak＋，其中k＝0，1，…，n－1；令C ＝則x.（1）（k ＋1）＝Ce－ak＋，其中C 為待定常數(shù)；由初始條件（1）＝x（1）（1）＝x（0）（1），有C ＝x（0）（1）－，故

根據(jù)式 （3）累減可得原始序列X（0）的預(yù)測(cè)值：（k＋1）＝（x（0）（1）－）（1－ea）e－ak，（k＝1，2，…，n－1），且（1）＝x（0）（1）。

1.2 GM（1，1）模型的缺陷分析

GM（1，1）模型對(duì)白化方程的兩邊在 ［k－1，k］對(duì)t積分，化簡(jiǎn)可得再由式 （1）可得（1，1）模型背景值的構(gòu)造誤差［11］主要因?yàn)橛肸（1）（k）＝0.5（x（1）（k）＋x（1）（k－1））代替了即用圖1中的梯形abcd面積代替了X（1）（t）在區(qū)間 ［k－1，k］與t軸圍成的面積，從而導(dǎo)致了誤差△S。當(dāng)數(shù)據(jù)為高增長(zhǎng)序列時(shí)，誤差就比較大。再者，GM（1，1）模型解白化方程時(shí)，其假設(shè)條件是原始數(shù)據(jù)序列的第一點(diǎn)值等于預(yù)測(cè)數(shù)據(jù)序列的第一點(diǎn)值，即（1）＝x（0）（1），得到的擬合曲線必定經(jīng)過(guò) （1，x（0）（1））。但是按照最小二乘法原理可知，擬合的曲線未必經(jīng)過(guò)原始數(shù)列的第一點(diǎn)。

圖1 背景值構(gòu)造公式誤差

2 背景值的優(yōu)化

從模型的預(yù)測(cè)公式可以看出，模擬和預(yù)測(cè)的精度取決于發(fā)展系數(shù)a和灰色作用量b，而a，b的求解取決于背景值。文獻(xiàn) ［10］在對(duì)背景值的優(yōu)化過(guò)程中，在區(qū)間 ［k－1，k］上對(duì)白化方程兩邊求積分，設(shè)x（1）（t）＝BeAt，并記但是對(duì)比假設(shè)的x（1）（t）的表達(dá)式和GM（1，1）的一般過(guò)程中的x.（1）（k ＋1）＝Ce－ak＋表達(dá)式可以發(fā)現(xiàn)文獻(xiàn) ［10］在假設(shè)過(guò)程中做了簡(jiǎn)化，忽略了常數(shù)項(xiàng)，這在一定程度上影響了背景值的逼近效果，從而影響模型的模擬和預(yù)測(cè)精度。為了避免由此引起的誤差，在其假設(shè)的基礎(chǔ)上設(shè)x（1）（t）＝BeAt＋p，x（0）（t）＝beAt。

記

又因?yàn)?/p>

得

且

將式 （6）、式 （7）代入式 （5）可得

由式 （4）及假設(shè)條件x（1）（t）＝BeAt＋p 可得z（1）（k）＝［x（1）（k）－x（1）（k－1）］＋p，由于一次累加序列X（1）累減后有x（0）（k）＝x（1）（k）－x（1）（k－1），故

將式 （7）、式 （9）代入式 （10）可得新的背景值計(jì)算公式

其中 （k＝2，3，…，n）。

3 預(yù)測(cè)初值的優(yōu)化

由以上公式并根據(jù)實(shí)際意義可知，離差平方和S最小時(shí)，其對(duì)G 的導(dǎo)數(shù)為零，故可以解得

4 實(shí)驗(yàn)與結(jié)果分析

根據(jù)以上改進(jìn)的結(jié)果，由式 （2）、式 （11）、式 （12）、式 （13）即可得到本文提出的GM（1，1）模型，記為新模型。記文獻(xiàn) ［5］改進(jìn)的模型為模型1；記文獻(xiàn) ［10］改進(jìn)的模型為模型2。本文實(shí)驗(yàn)仍然采用文獻(xiàn) ［5，10］共同使用的例子，以x（0）（k）＝e－ak（k＝1，2，3，4，5）并分別?。璦＝0.1、0.2、0.4、0.5、0.6、0.8、1.0、1.5、2.0、2.1、2.5、3.0，得到原始序列如下所示：

以上各式，k＝1，2，…，6。

為更清楚表示改進(jìn)后的結(jié)果，新模型得出的數(shù)據(jù)小數(shù)點(diǎn)后保留的位數(shù)以文獻(xiàn) ［5，10］中相應(yīng)的數(shù)據(jù)小數(shù)點(diǎn)后保留的位數(shù)為參考。

實(shí)驗(yàn)1：按照模型1 使用的數(shù)據(jù)，?。璦＝0.1、0.2、0.4、0.6、0.8、1.0、1.5、2.0、2.5、3.0。比較模型1與新模型取不同發(fā)展系數(shù)時(shí)模擬數(shù)據(jù)與原始數(shù)據(jù)的平均相對(duì)誤差和平均絕對(duì)誤差。兩種模型的模擬精度對(duì)比結(jié)果見表1。

從表1可以看出，－a從0.1到0.4，新模型的平均相對(duì)誤差整體在增加，－a＞0.6以后，相對(duì)誤差在逐漸減小，但是新模型的平均絕對(duì)誤差以及平均相對(duì)誤差都要小于模型1，從表1對(duì)比的結(jié)果可以得出新模型比模型1具有更好的模擬效果。

表1 新模型與模型1模擬精度比較

實(shí)驗(yàn)2：按照模型2 使用的數(shù)據(jù)，?。璦＝0.1，0.5，1.0，2.1。比較模型2與新模型取不同發(fā)展系數(shù)時(shí)模擬數(shù)據(jù)與原始數(shù)據(jù)的平均相對(duì)誤差S以及k＝6時(shí)的預(yù)測(cè)精度。兩種模型的模擬精度對(duì)比結(jié)果見表2。k＝6時(shí)，模型2和新模型得出的模擬值序列以及對(duì)應(yīng)的相對(duì)誤差分別為X模型2，X新，S模型2，S新，兩種模型的預(yù)測(cè)精度對(duì)比結(jié)果見表3。

表2 新模型與模型2模擬精度比較

表3 新模型與模型2預(yù)測(cè)精度比較

通過(guò)表2的數(shù)據(jù)可以看出，無(wú)論是發(fā)展系數(shù)小還是發(fā)展系數(shù)比較大時(shí)，新模型的模擬精度始終高于模型2的模擬精度，而且隨著模擬精度的提高，新模型的預(yù)測(cè)精度也同樣高于模型2的預(yù)測(cè)精度，兩種模型預(yù)測(cè)精度的對(duì)比結(jié)果見表3。

實(shí)驗(yàn)3：取模型1的高增長(zhǎng)序列的前5個(gè)數(shù)據(jù)預(yù)測(cè)后2個(gè)數(shù)據(jù)。原始序列 X（0）＝ （2.718，7.389，20.086，54.598，148.41，403.43，1096.6）。由序列的前5個(gè)數(shù)據(jù)并結(jié)合本文提出的改進(jìn)模型，得到時(shí)間響應(yīng)函數(shù)如下

模型1和新模型關(guān)于此高增長(zhǎng)序列的模擬精度以及預(yù)測(cè)精度對(duì)比結(jié)果見表4，其中S為平均相對(duì)誤差。

由表4可以清晰地看出，對(duì)于高增長(zhǎng)的序列，新模型的模擬和預(yù)測(cè)精度都比模型1有顯著的提高。

表4 高增長(zhǎng)序列模擬精度及預(yù)測(cè)精度比較

5 結(jié)束語(yǔ)

本文提出了一種改進(jìn)的GM（1，1）預(yù)測(cè)模型，進(jìn)一步地優(yōu)化了預(yù)測(cè)模型的背景值構(gòu)造公式并改進(jìn)了模型初始值參數(shù)的選取策略。分別以低增長(zhǎng)序列和高增長(zhǎng)序列為例進(jìn)行了模擬分析實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的模型同時(shí)適用于低增長(zhǎng)序列和高增長(zhǎng)序列建模，不管是在發(fā)展系數(shù)較小時(shí)還是當(dāng)發(fā)展系數(shù)超過(guò)經(jīng)典GM（1，1）方法的適用范圍（－2，2）時(shí)，都具有很高的模擬精度和預(yù)測(cè)精度。

［1］Wang Zi，Dang Yaoguo.Research on carbon emission prediction in Jiangsu Province based on an improved GM （1，1）model［C］//IEEE International Conference on Grey Systems and Intelligent Services，2013：93－97.

［2］XIE Weiguo，SHI Huaji.Demand forecasting with GM（1，1）optimized by game theory in supply chain ［J］.Computer Engineering and Applications，2013，49 （9）：243－246 （in Chinese）.［謝偉國(guó)，施化吉.博弈改進(jìn)的GM（1，1）在供應(yīng)鏈需求預(yù)測(cè)中的應(yīng)用 ［J］.計(jì)算機(jī)工程與應(yīng)用，2013，49 （9）：243－246.］

［3］SUN Qiang，WANG Qiuping.Water supply quantity forecast of Xi’an via combination rough sets with GM（1，N）model［J］.Computer Engineering and Applications，2013，49 （11）：237－240 （in Chinese）. ［孫強(qiáng)，王秋萍.融合粗糙集和灰色GM（1，N）的西安市供水量預(yù)測(cè) ［J］.計(jì)算機(jī)工程與應(yīng)用，2013，49 （11）：237－240.］

［4］YU Huafeng，CHEN Pengyu.Based on pattern search method optimized GM（1，1）model［J］.Statistics and Decision，2010（7）：154－155 （in Chinese）.［俞華鋒，陳鵬宇.基于模式搜索法優(yōu)化的GM（1，1）模型 ［J］.統(tǒng)計(jì)與決策，2010 （7）：154－155.］

［5］HU Yanbing，CHEN Yongming，ZHAO Yue，et al.Iterative optimal background value of GM（1，1）model［J］.Statistics and Decision，2013 （21）：34－36 （in Chinese）. ［胡炎丙，陳勇明，趙月，等.迭代優(yōu)化背景值的GM（1，1）模型改進(jìn)［J］.統(tǒng)計(jì)與決策，2013 （21）：34－36.］

［6］XU Huafeng，F(xiàn)ANG Zhigeng.GM（1，1）model with optimization winterization equation ［J］.Mathematics in Practice and Theory，2011，41 （7）：163－167 （in Chinese）.［徐華鋒，方志耕.優(yōu)化白化方程的GM（1，1）模型 ［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2011，41 （7）：163－167.］

［7］LI Weihua，WANG Shujuan.The initial value based optimization GM（1，1）model in dam deformation monitoring ［J］.Guangdong Water Resources and Hydropower，2010 （8）：40－42 （in Chinese）. ［李衛(wèi)華，王淑娟.基于優(yōu)化初始值的GM（1，1）模型在大壩變形監(jiān)測(cè)中的應(yīng)用 ［J］.廣東水利水電，2010 （8）：40－42.］

［8］LI Wei.GM（1，1）model with optimal parameters［J］.Computer Engineering and Applications，2011，47 （14）：25－27（in Chinese）.［李蔚.參數(shù)最優(yōu)化的GM（1，1）模型 ［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47 （14）：25－27.］

［9］ZHANG Bing，XI Guiquan.GM（1，1）model optimization based on the background value and boundary value correction［J］.Systems Engineering Theory and Practice，2013，33（3）：682－688 （in Chinese）.［張彬，西桂權(quán).基于背景值和邊值修正的GM（1，1）模型優(yōu)化 ［J］.系統(tǒng)工程理論與實(shí)踐，2013，33 （3）：682－688.］

［10］LUO Gongzhi，CUI Jie，XIE Naiming.A new improved method of grey GM（1，1）model［J］.Statistics and Decision，2008 （22）：11－13 （in Chinese）. ［駱公志，崔杰，謝乃明.灰色GM（1，1）模型新的改進(jìn)方法 ［J］.統(tǒng)計(jì)與決策，2008（22）：11－13.］

［11］WANG Zhengxin，DANG Yaoguo，LIU Sifeng.An optimal GM（1，1）based on the discrete function with exponential law［J］.Systems Engineering Theory and Practice，2008 （2）：61－67 （in Chinese）.［王正新，黨耀國(guó)，劉思峰.基于離散指數(shù)函數(shù)優(yōu)化的GM（1，1）模型 ［J］.系統(tǒng)工程理論與實(shí)踐，2008 （2）：61－67.］