基于直接估计法的NGM(1,1) 模型拓展
CSTR:
作者:
作者单位:

1. 重庆大学经济与管理学院,重庆400040;
2. 重庆师范大学图书馆, 重庆400047;
3. 重庆工商大学商务策划学院,重庆400067.

作者简介:

童明余

通讯作者:

中图分类号:

N941.5

基金项目:

国家自然科学基金项目(71271226);国家社科重点项目(14AJL015);教育部人文社会科学研究一般项目(14YJAZH033);中国博士后科学基金项目(2014M560712);重庆市教委科学技术研究项目(KJ120706);重庆市基础与前沿研究计划项目(cstc2014jcyjA00024).


Expand of NGM(1,1) model based on the direct estimation method
Author:
Affiliation:

1. College of Economics and Business Adiministration,Chongqing University,Chongqing 400040,China;
2. Library of Chongqing Normal University,Chongqing 400047,China;
3. College of Business Planning,Chongqing Technology and Business University,Chongqing 400067,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    从近似非齐次指数序列的GM(1,1) 模型时间响应函数出发, 推导累加序列间的函数递推关系, 并给出求解时间响应函数参数值的直接估计方法. 在此基础上, 构建一种能同时模拟近似齐次和近似非齐次指数序列的新NGM(1,1) 模型, 该模型避免了模型参数估计从差分方程到微分方程的跳跃性误差, 并从理论上解释了新模型能模拟
    齐次指数序列和非齐次指数序列的原因. 通过对新NGM(1,1) 模型与既有模型进行比较, 表明了所提出模型具有更优良的模拟和预测性能.

    Abstract:

    The recursive relationship of the accumulative sequence is deduced according to the original sequence of non-homogeneous exponential of time response function of GM(1,1) model, and the direct estimation method is constructed to solve the parameters values of the time response function. Then, an NGM(1,1) model which can simulate approximate homogenous exponential sequence and approximate non-homogenous exponential sequence is proposed. This NGM(1,1) model avoids the jumping error of the model parameters estimation from difference equation to differential equation, and explains theoretically the reason for its capability of simulating the homogenous and non-homogenous exponential sequence. The results show that the simulation and prediction of the proposed model is more excellent through the comparison of the new NGM(1,1) and the existing models.

    参考文献
    相似文献
    引证文献
引用本文

童明余 周孝华 曾波.基于直接估计法的NGM(1,1) 模型拓展[J].控制与决策,2015,30(10):1841-1846

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-08-01
  • 最后修改日期:2014-10-28
  • 录用日期:
  • 在线发布日期: 2015-10-20
  • 出版日期:
文章二维码