掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
灰色預測模型的優化研究 版權信息
- ISBN：9787109319486
- 條形碼：9787109319486 ; 978-7-109-31948-6
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
灰色預測模型的優化研究 本書特色
本書針對以灰數為建模對象的灰色預測模型，研究如何從模型結構層面入手對模型的建模范圍進行拓展，即區間灰數預測模型和三參數區間灰數預測模型的優化研究；針對以實數為建模對象的單□量灰色預測模型，研究如何構建基于數據特征的灰色模型；針對實際生活中存在的受多因素影響的系統□量預測問題，現有多□量灰色預測模型的□限性，研究如何進一步實現模型優化。
灰色預測模型的優化研究 內容簡介
本書針對以灰數為建模對象的灰色預測模型，研究如何從模型結構層面入手對模型的建模范圍進行拓展，即區間灰數預測模型和三參數區間灰數預測模型的優化研究；針對以實數為建模對象的單變量灰色預測模型，研究如何構建基于數據特征的灰色模型；針對實際生活中存在的受多因素影響的系統變量預測問題，現有多變量灰色預測模型的局限性，研究如何進一步實現模型優化。
灰色預測模型的優化研究 目錄
前言
1 緒論
1.1 研究背景
1.2 研究目的和意義
1.3 國內外研究現狀
1.3.1 區間灰數預測模型研究現狀
1.3.2 單□量灰色預測模型研究現狀
1.3.3 非線性灰色預測模型研究現狀
1.3.4 季節灰色模型的研究現狀
1.3.5 多□量灰色預測模型研究現狀
1.4 研究內容和技術路線
1.4.1 主要研究內容
1.4.2 研究框架
1.5 創新點
2 基礎理論知識
2.1 區間灰數相關知識
2.1.1 區間灰數
2.1.2 白化權函數
2.1.3 三參數區間灰數
2.1.4 可能度函數
2.2 遺傳算法
2.2.1 遺傳算法原理
2.2.2 遺傳算法操作
2.2.3 遺傳算法流程
2.3 本章小結
3 灰色預測模型經典方法
3.1 單□量灰色預測模型
3.1.1 GM(1,1)模型
3.1.2 DGM(1,1)模型
3.1.3 NGM(1,1)模型
3.1.4 NGM(1,1,k)模型
3.1.5 灰色Verhulst模型
3.2 非線性灰色預測模型
3.2.1 FGM(1,1)模型
3.2.2 NGBM(1,1)模型
3.2.3 GM(1,1,ta)模型
3.3 多□量灰色預測模型
3.3.1 GM(1,N)模型
3.3.2 DGM(1,N)模型
3.3.3 MGM(1,m)模型
3.4 模型評估標準
3.5 本章小結
4 區間灰數預測模型的優化研究
4.1 基于核和認知程度的區間灰數Verhulst模型
4.1.1 核序列Verhulst模型
4.1.2 認知程度序列Verhulst模型
4.1.3 基于核和認知程度的區間灰數Verhulst模型的構建
4.1.4 算例分析
4.2 考慮白化權函數的區間灰數模型
4.2.1 基于白部和灰部的DGM(1,1)模型的構建
4.2.2 基于核和面積的DGM(1,1)模型的構建
4.2.3 算例分析
4.3 初始條件優化的正態分布區間灰數NGM(1,1)模型
4.3.1 NGM(1,1)模型初始條件的優化分析
4.3.2 初始條件優化的正態分布區間灰數NGM(1,1)模型的構建
4.3.3 算例分析
4.4 基于區間灰數序列的NGM(1,1)直接預測模型(IGNGM(1,1))
4.4.1 IGNGM(1,1)模型的構建及參數估計
4.4.2 IGNGM(1,1)模型的權重系數求解
4.4.3 IGNGM(1,1)模型的殘差序列優化
4.4.4 算例分析
4.5 新信息優先的無偏區間灰數預測模型
4.5.1 基于Cramer法則的參數估計
4.5.2 新信息優先的時間響應式推導
4.5.3 算例分析
4.6 本章小結
5 三參數區間灰數預測模型的優化研究
5.1 基于核和雙信息域的三參數區間灰數預測模型
5.1.1 核序列GM(1,1)模型
5.1.2 上、下信息域序列GM(1,1)模型
5.1.3 基于核和雙信息域的三參數區間灰數預測模型的構建
5.1.4 算例分析
5.2 基于可能度函數的三參數區間灰數預測模型
5.2.1 面積序列DGM(1,1)模型
5.2.2 幾何中心序列和核序列DGM(1,1)模型
5.2.3 基于可能度函數的三參數區間灰數預測模型的構建
5.2.4 算例分析
5.3 本章小結
6 FGM(1,1)模型的優化研究
6.1 分數階時滯多項式離散灰色模型(FTDP-DGM(1,1))
6.1.1 FTDP-DGM(1,1)模型的構建與求解
6.1.2 FTDP-DGM(1,1)模型的參數估計
6.1.3 FTDP-DGM(1,1)模型的性質
6.1.4 案例分析
6.2 本章小結
7 NGBM(1,1)模型的優化研究
7.1 含虛擬□量的時滯灰色伯努利模型(DTD-NGBM(1,1))
7.1.1 DTD-NGBM(1,1)模型的構建與求解
7.1.2 DTD-NGBM(1,1)模型參數估計
7.1.3 案例分析
7.2 含三角函數的灰色伯努利模型(SNGBM(1,1,sin))
7.2.1 SNGBM(1,1,sin)模型的構建與求解
7.2.2 SNGBM(1,1,sin)模型的參數估計
7.2.3 案例分析
7.3 本章小結
8 GM(1,1,ta)模型的優化研究
8.1 含三角函數的時間冪次灰色模型(SGM(1,1,ta|sin))
8.1.1 SGM(1,1,ta|sin)模型的構建與求解
8.1.2 SGM(1,1,ta|sin)模型的參數估計
8.1.3 案例分析
8.2 含延遲時間冪次項的離散灰色模型(TDDGM(1,1,ta))
8.2.1 TDDGM(1,1,ta)模型的構建與求解
8.2.2 TDDGM(1,1,ta)模型的參數估計
8.2.3 案例分析
8.3 本章小結
9 GM(1,N)模型的優化研究
9.1 考慮未知因素作用的多□量灰色模型(GMU(1,N))
9.1.1 GMU(1,N)模型的構建
9.1.2 GMU(1,N)模型的派生模型
9.1.3 GMU(1,N)模型的參數估計及求解
9.1.4 GMU(1,N)模型的性質
9.1.5 算例分析
9.2 優化的多□量灰色伯努利模型(ONGBM(1,N))
9.2.1 ONGBM(1,N)模型的構建與求解
9.2.2 ONGBM(1,N)模型的參數估計
9.2.3 ONGBM(1,N)模型的性質
9.2.4 算例分析
9.3 本章小結
10 DGM(1,N)模型的優化研究
10.1 基于交互作用的非線性灰色模型(INDGM(1,N))
10.1.1 INDGM(1,N)模型的構建與求解
10.1.2 INDGM(1,N)模型的參數估計
10.1.3 算例分析
10.2 含有時間多項式的多□量灰色模型(DGMTP
1 緒論
1.1 研究背景
1.2 研究目的和意義
1.3 國內外研究現狀
1.3.1 區間灰數預測模型研究現狀
1.3.2 單□量灰色預測模型研究現狀
1.3.3 非線性灰色預測模型研究現狀
1.3.4 季節灰色模型的研究現狀
1.3.5 多□量灰色預測模型研究現狀
1.4 研究內容和技術路線
1.4.1 主要研究內容
1.4.2 研究框架
1.5 創新點
2 基礎理論知識
2.1 區間灰數相關知識
2.1.1 區間灰數
2.1.2 白化權函數
2.1.3 三參數區間灰數
2.1.4 可能度函數
2.2 遺傳算法
2.2.1 遺傳算法原理
2.2.2 遺傳算法操作
2.2.3 遺傳算法流程
2.3 本章小結
3 灰色預測模型經典方法
3.1 單□量灰色預測模型
3.1.1 GM(1,1)模型
3.1.2 DGM(1,1)模型
3.1.3 NGM(1,1)模型
3.1.4 NGM(1,1,k)模型
3.1.5 灰色Verhulst模型
3.2 非線性灰色預測模型
3.2.1 FGM(1,1)模型
3.2.2 NGBM(1,1)模型
3.2.3 GM(1,1,ta)模型
3.3 多□量灰色預測模型
3.3.1 GM(1,N)模型
3.3.2 DGM(1,N)模型
3.3.3 MGM(1,m)模型
3.4 模型評估標準
3.5 本章小結
4 區間灰數預測模型的優化研究
4.1 基于核和認知程度的區間灰數Verhulst模型
4.1.1 核序列Verhulst模型
4.1.2 認知程度序列Verhulst模型
4.1.3 基于核和認知程度的區間灰數Verhulst模型的構建
4.1.4 算例分析
4.2 考慮白化權函數的區間灰數模型
4.2.1 基于白部和灰部的DGM(1,1)模型的構建
4.2.2 基于核和面積的DGM(1,1)模型的構建
4.2.3 算例分析
4.3 初始條件優化的正態分布區間灰數NGM(1,1)模型
4.3.1 NGM(1,1)模型初始條件的優化分析
4.3.2 初始條件優化的正態分布區間灰數NGM(1,1)模型的構建
4.3.3 算例分析
4.4 基于區間灰數序列的NGM(1,1)直接預測模型(IGNGM(1,1))
4.4.1 IGNGM(1,1)模型的構建及參數估計
4.4.2 IGNGM(1,1)模型的權重系數求解
4.4.3 IGNGM(1,1)模型的殘差序列優化
4.4.4 算例分析
4.5 新信息優先的無偏區間灰數預測模型
4.5.1 基于Cramer法則的參數估計
4.5.2 新信息優先的時間響應式推導
4.5.3 算例分析
4.6 本章小結
5 三參數區間灰數預測模型的優化研究
5.1 基于核和雙信息域的三參數區間灰數預測模型
5.1.1 核序列GM(1,1)模型
5.1.2 上、下信息域序列GM(1,1)模型
5.1.3 基于核和雙信息域的三參數區間灰數預測模型的構建
5.1.4 算例分析
5.2 基于可能度函數的三參數區間灰數預測模型
5.2.1 面積序列DGM(1,1)模型
5.2.2 幾何中心序列和核序列DGM(1,1)模型
5.2.3 基于可能度函數的三參數區間灰數預測模型的構建
5.2.4 算例分析
5.3 本章小結
6 FGM(1,1)模型的優化研究
6.1 分數階時滯多項式離散灰色模型(FTDP-DGM(1,1))
6.1.1 FTDP-DGM(1,1)模型的構建與求解
6.1.2 FTDP-DGM(1,1)模型的參數估計
6.1.3 FTDP-DGM(1,1)模型的性質
6.1.4 案例分析
6.2 本章小結
7 NGBM(1,1)模型的優化研究
7.1 含虛擬□量的時滯灰色伯努利模型(DTD-NGBM(1,1))
7.1.1 DTD-NGBM(1,1)模型的構建與求解
7.1.2 DTD-NGBM(1,1)模型參數估計
7.1.3 案例分析
7.2 含三角函數的灰色伯努利模型(SNGBM(1,1,sin))
7.2.1 SNGBM(1,1,sin)模型的構建與求解
7.2.2 SNGBM(1,1,sin)模型的參數估計
7.2.3 案例分析
7.3 本章小結
8 GM(1,1,ta)模型的優化研究
8.1 含三角函數的時間冪次灰色模型(SGM(1,1,ta|sin))
8.1.1 SGM(1,1,ta|sin)模型的構建與求解
8.1.2 SGM(1,1,ta|sin)模型的參數估計
8.1.3 案例分析
8.2 含延遲時間冪次項的離散灰色模型(TDDGM(1,1,ta))
8.2.1 TDDGM(1,1,ta)模型的構建與求解
8.2.2 TDDGM(1,1,ta)模型的參數估計
8.2.3 案例分析
8.3 本章小結
9 GM(1,N)模型的優化研究
9.1 考慮未知因素作用的多□量灰色模型(GMU(1,N))
9.1.1 GMU(1,N)模型的構建
9.1.2 GMU(1,N)模型的派生模型
9.1.3 GMU(1,N)模型的參數估計及求解
9.1.4 GMU(1,N)模型的性質
9.1.5 算例分析
9.2 優化的多□量灰色伯努利模型(ONGBM(1,N))
9.2.1 ONGBM(1,N)模型的構建與求解
9.2.2 ONGBM(1,N)模型的參數估計
9.2.3 ONGBM(1,N)模型的性質
9.2.4 算例分析
9.3 本章小結
10 DGM(1,N)模型的優化研究
10.1 基于交互作用的非線性灰色模型(INDGM(1,N))
10.1.1 INDGM(1,N)模型的構建與求解
10.1.2 INDGM(1,N)模型的參數估計
10.1.3 算例分析
10.2 含有時間多項式的多□量灰色模型(DGMTP
展開全部
灰色預測模型的優化研究 作者簡介
劉盼，1988年2月生，河南永城人，就職于河南農業大學信息與管理科學學院，校聘教授、碩士生導師。主要從事物流與供應鏈運營決策方面研究，主持參與□□□、省級、校級等項目5項。在SSCI & SCI、EI等國內外學術期刊發表收錄論文近30篇，獲得省部級獎項1項。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
莉莉和章魚
- >
回憶愛瑪儂
- >
經典常談
- >
龍榆生：詞曲概論/大家小書
- >
伯納黛特,你要去哪(2021新版)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
小考拉的故事-套裝共3冊
本類暢銷
