关键词:
动态分析
时滞累积
ATDGPM(1,N)
粒子群算法
粮食产量预测
摘要:
针对经济社会系统中广泛存在的时滞因果问题,通过分析各驱动因素对主系统行为的时滞累积作用以及各驱动因素序列之间存在的非线性关系,构建了基于动态分析的时滞累积多变量灰色ATDGPM(1,N)预测模型,并探讨其参数求解方法。基于动态分析的时滞灰关联向量确定了驱动因素和时滞期;利用粒子群优化算法对幂指数进行优化求解;论证了DGM(1,N),DGPM(1,N)和ATDGM(1,N)模型均是该模型在不同参数取值下的特殊形式。数值实验结果表明ATDGPM(1,N)模型能够更好的描述系统行为序列与驱动因素序列之间的时滞非线性关系,从而有效提高建模精度。将该模型应用于河南省粮食产量的模拟和预测中,可得ATDGPM(1,N)模型的模拟和预测精度远远高于DGPM(1,N)模型和GM(1,N)模型,从而进一步验证了模型的有效性和可行性。