包邮 区间数序列的数学模型预测技术

第1章 区间数序列研究概况 第2章 GM（1,1）与累积法 2.1 GM（1,1）的建模机理 2.2 累积法 2.2.1 累积和的定义及计算通式 2.2.2 基于累积法的参数估计过程 2.2.3 累积法的性质分析 2.2.4 累积法的几何意义 第3章 基于序列转换的GM（1,1） 3.1 区间数序列的转换 3.1.1 二元区间数序列 3.1.2 三元区间数序列 3.2 累积法GM（1,1） 3.2.1 建模原理 3.2.2 实例分析 第4章 基于序列转换的新陈代谢GM（0,N） 4.1 新陈代谢GM（0,N） 4.2 灰色关联度分析 4.3 黄金价格的区间预测 4.4 铁路客运量的区间预测 4.5 邮政业务量的区间预测 第5章 基于序列转换的ARMA模型 5.1 ARMA模型 5.2 基于序列转换的区间数序列预测过程 5.3 实例分析 第6章 基于序列转换的支持向量机预测方法 6.1 支持向量机回归理论 6.2 核函数 6.3 区间数序列的转换过程 6.4 实例分析 第7章 基于整体发展系数的区间数GM（1,1） 7.1 BIGM（1,1）建模过程 7.1.1 整体发展系数的确定 7.1.2 灰作用量的确定 7.1.3 预测公式 7.2 BIGM（1,1）的应用实例 7.3 TIGM（1,1）建模过程 7.3.1 整体发展系数的确定 7.3.2 灰作用量的确定 7.4 TIGM（1,1）的应用实例 第8章 BIGM（1,1）和TIGM（1,1）修正 8.1 GM（1,1）的建模条件 8.2 基于马尔可夫预测的修正过程 8.3 马尔可夫修正的应用实例 8.4 基于人工神经网络和支持向量机的修正过程 8.5 人工神经网络和支持向量机修正的应用实例 第9章 基于整体发展系数的区间数多变量灰色模型 9.1 经典GM（1,N）和GM（0,N）的模型方程 9.2 区间数GM（1,N） 9.3 TIGM（1,N）的预测公式 9.4 参数估计 9.5 全国发电量的区间预测 9.6 消费者价格指数的区间预测 9.7 区间数GM（0,N） 9.8 马尔可夫修正过程 9.9 社会消费品零售总额预测 第10章 矩阵型GM（1,1） 10.1 面向二元区间数的矩阵型GM（1,1） 10.2 背景值改造 10.3 矩阵型原始差分GM（1,1）和离散GM（1,1） 10.4 四模型的统一预测公式 10.5 面向三元区间数的矩阵型GM（1,1） 10.6 应用实例108 10.7 结果分析 第11章 矩阵型多变量灰色模型 11.1 区间数灰色关联度 11.2 矩阵型GM（1,N） 11.3 矩阵型GM（0,N） 11.4 MINGM（1,N）实例分析 11.5 MINGM（0,N）实例分析 第12章 向量自回归和多元线性回归联合模型 12.1 面向区间数序列的向量自回归模型 12.2 面向区间数序列的向量多元线性回归模型 12.3 联合模型 12.4 浙江省工业用电量的区间预测 12.5 全国用电量的区间预测 参考文献