扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
买过本商品的人还买了
基于多阶数据张量的城市车辆出行需求预测及路径选择推荐方法研究
¥33.3¥68.0基于多模态机器学习的营销视频分析:XGBoost、SHAP和GMFN的混合方法
¥39.4¥68.0杜甫传(七五品)
¥9.6¥30.0
灰色预测模型的优化研究 版权信息
- ISBN：9787109319486
- 条形码：9787109319486 ; 978-7-109-31948-6
- 装帧：简裝本
- 册数：暂无
- 重量：暂无
- 所属分类：>
灰色预测模型的优化研究 本书特色
本书针对以灰数为建模对象的灰色预测模型，研究如何从模型结构层面入手对模型的建模范围进行拓展，即区间灰数预测模型和三参数区间灰数预测模型的优化研究；针对以实数为建模对象的单□量灰色预测模型，研究如何构建基于数据特征的灰色模型；针对实际生活中存在的受多因素影响的系统□量预测问题，现有多□量灰色预测模型的□限性，研究如何进一步实现模型优化。
灰色预测模型的优化研究 内容简介
本书针对以灰数为建模对象的灰色预测模型，研究如何从模型结构层面入手对模型的建模范围进行拓展，即区间灰数预测模型和三参数区间灰数预测模型的优化研究；针对以实数为建模对象的单变量灰色预测模型，研究如何构建基于数据特征的灰色模型；针对实际生活中存在的受多因素影响的系统变量预测问题，现有多变量灰色预测模型的局限性，研究如何进一步实现模型优化。
灰色预测模型的优化研究 目录
前言
1 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.3.1 区间灰数预测模型研究现状
1.3.2 单□量灰色预测模型研究现状
1.3.3 非线性灰色预测模型研究现状
1.3.4 季节灰色模型的研究现状
1.3.5 多□量灰色预测模型研究现状
1.4 研究内容和技术路线
1.4.1 主要研究内容
1.4.2 研究框架
1.5 创新点
2 基础理论知识
2.1 区间灰数相关知识
2.1.1 区间灰数
2.1.2 白化权函数
2.1.3 三参数区间灰数
2.1.4 可能度函数
2.2 遗传算法
2.2.1 遗传算法原理
2.2.2 遗传算法操作
2.2.3 遗传算法流程
2.3 本章小结
3 灰色预测模型经典方法
3.1 单□量灰色预测模型
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 非线性灰色预测模型
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□量灰色预测模型
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 模型评估标准
3.5 本章小结
4 区间灰数预测模型的优化研究
4.1 基于核和认知程度的区间灰数Verhulst模型
4.1.1 核序列Verhulst模型
4.1.2 认知程度序列Verhulst模型
4.1.3 基于核和认知程度的区间灰数Verhulst模型的构建
4.1.4 算例分析
4.2 考虑白化权函数的区间灰数模型
4.2.1 基于白部和灰部的DGM(1,1)模型的构建
4.2.2 基于核和面积的DGM(1,1)模型的构建
4.2.3 算例分析
4.3 初始条件优化的正态分布区间灰数NGM(1,1)模型
4.3.1 NGM(1,1)模型初始条件的优化分析
4.3.2 初始条件优化的正态分布区间灰数NGM(1,1)模型的构建
4.3.3 算例分析
4.4 基于区间灰数序列的NGM(1,1)直接预测模型(IGNGM(1,1))
4.4.1 IGNGM(1,1)模型的构建及参数估计
4.4.2 IGNGM(1,1)模型的权重系数求解
4.4.3 IGNGM(1,1)模型的残差序列优化
4.4.4 算例分析
4.5 新信息优先的无偏区间灰数预测模型
4.5.1 基于Cramer法则的参数估计
4.5.2 新信息优先的时间响应式推导
4.5.3 算例分析
4.6 本章小结
5 三参数区间灰数预测模型的优化研究
5.1 基于核和双信息域的三参数区间灰数预测模型
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 基于核和双信息域的三参数区间灰数预测模型的构建
5.1.4 算例分析
5.2 基于可能度函数的三参数区间灰数预测模型
5.2.1 面积序列DGM(1,1)模型
5.2.2 几何中心序列和核序列DGM(1,1)模型
5.2.3 基于可能度函数的三参数区间灰数预测模型的构建
5.2.4 算例分析
5.3 本章小结
6 FGM(1,1)模型的优化研究
6.1 分数阶时滞多项式离散灰色模型(FTDP-DGM(1,1))
6.1.1 FTDP-DGM(1,1)模型的构建与求解
6.1.2 FTDP-DGM(1,1)模型的参数估计
6.1.3 FTDP-DGM(1,1)模型的性质
6.1.4 案例分析
6.2 本章小结
7 NGBM(1,1)模型的优化研究
7.1 含虚拟□量的时滞灰色伯努利模型(DTD-NGBM(1,1))
7.1.1 DTD-NGBM(1,1)模型的构建与求解
7.1.2 DTD-NGBM(1,1)模型参数估计
7.1.3 案例分析
7.2 含三角函数的灰色伯努利模型(SNGBM(1,1,sin))
7.2.1 SNGBM(1,1,sin)模型的构建与求解
7.2.2 SNGBM(1,1,sin)模型的参数估计
7.2.3 案例分析
7.3 本章小结
8 GM(1,1,ta)模型的优化研究
8.1 含三角函数的时间幂次灰色模型(SGM(1,1,ta|sin))
8.1.1 SGM(1,1,ta|sin)模型的构建与求解
8.1.2 SGM(1,1,ta|sin)模型的参数估计
8.1.3 案例分析
8.2 含延迟时间幂次项的离散灰色模型(TDDGM(1,1,ta))
8.2.1 TDDGM(1,1,ta)模型的构建与求解
8.2.2 TDDGM(1,1,ta)模型的参数估计
8.2.3 案例分析
8.3 本章小结
9 GM(1,N)模型的优化研究
9.1 考虑未知因素作用的多□量灰色模型(GMU(1,N))
9.1.1 GMU(1,N)模型的构建
9.1.2 GMU(1,N)模型的派生模型
9.1.3 GMU(1,N)模型的参数估计及求解
9.1.4 GMU(1,N)模型的性质
9.1.5 算例分析
9.2 优化的多□量灰色伯努利模型(ONGBM(1,N))
9.2.1 ONGBM(1,N)模型的构建与求解
9.2.2 ONGBM(1,N)模型的参数估计
9.2.3 ONGBM(1,N)模型的性质
9.2.4 算例分析
9.3 本章小结
10 DGM(1,N)模型的优化研究
10.1 基于交互作用的非线性灰色模型(INDGM(1,N))
10.1.1 INDGM(1,N)模型的构建与求解
10.1.2 INDGM(1,N)模型的参数估计
10.1.3 算例分析
10.2 含有时间多项式的多□量灰色模型(DGMTP
1 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 国内外研究现状
1.3.1 区间灰数预测模型研究现状
1.3.2 单□量灰色预测模型研究现状
1.3.3 非线性灰色预测模型研究现状
1.3.4 季节灰色模型的研究现状
1.3.5 多□量灰色预测模型研究现状
1.4 研究内容和技术路线
1.4.1 主要研究内容
1.4.2 研究框架
1.5 创新点
2 基础理论知识
2.1 区间灰数相关知识
2.1.1 区间灰数
2.1.2 白化权函数
2.1.3 三参数区间灰数
2.1.4 可能度函数
2.2 遗传算法
2.2.1 遗传算法原理
2.2.2 遗传算法操作
2.2.3 遗传算法流程
2.3 本章小结
3 灰色预测模型经典方法
3.1 单□量灰色预测模型
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 非线性灰色预测模型
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□量灰色预测模型
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 模型评估标准
3.5 本章小结
4 区间灰数预测模型的优化研究
4.1 基于核和认知程度的区间灰数Verhulst模型
4.1.1 核序列Verhulst模型
4.1.2 认知程度序列Verhulst模型
4.1.3 基于核和认知程度的区间灰数Verhulst模型的构建
4.1.4 算例分析
4.2 考虑白化权函数的区间灰数模型
4.2.1 基于白部和灰部的DGM(1,1)模型的构建
4.2.2 基于核和面积的DGM(1,1)模型的构建
4.2.3 算例分析
4.3 初始条件优化的正态分布区间灰数NGM(1,1)模型
4.3.1 NGM(1,1)模型初始条件的优化分析
4.3.2 初始条件优化的正态分布区间灰数NGM(1,1)模型的构建
4.3.3 算例分析
4.4 基于区间灰数序列的NGM(1,1)直接预测模型(IGNGM(1,1))
4.4.1 IGNGM(1,1)模型的构建及参数估计
4.4.2 IGNGM(1,1)模型的权重系数求解
4.4.3 IGNGM(1,1)模型的残差序列优化
4.4.4 算例分析
4.5 新信息优先的无偏区间灰数预测模型
4.5.1 基于Cramer法则的参数估计
4.5.2 新信息优先的时间响应式推导
4.5.3 算例分析
4.6 本章小结
5 三参数区间灰数预测模型的优化研究
5.1 基于核和双信息域的三参数区间灰数预测模型
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 基于核和双信息域的三参数区间灰数预测模型的构建
5.1.4 算例分析
5.2 基于可能度函数的三参数区间灰数预测模型
5.2.1 面积序列DGM(1,1)模型
5.2.2 几何中心序列和核序列DGM(1,1)模型
5.2.3 基于可能度函数的三参数区间灰数预测模型的构建
5.2.4 算例分析
5.3 本章小结
6 FGM(1,1)模型的优化研究
6.1 分数阶时滞多项式离散灰色模型(FTDP-DGM(1,1))
6.1.1 FTDP-DGM(1,1)模型的构建与求解
6.1.2 FTDP-DGM(1,1)模型的参数估计
6.1.3 FTDP-DGM(1,1)模型的性质
6.1.4 案例分析
6.2 本章小结
7 NGBM(1,1)模型的优化研究
7.1 含虚拟□量的时滞灰色伯努利模型(DTD-NGBM(1,1))
7.1.1 DTD-NGBM(1,1)模型的构建与求解
7.1.2 DTD-NGBM(1,1)模型参数估计
7.1.3 案例分析
7.2 含三角函数的灰色伯努利模型(SNGBM(1,1,sin))
7.2.1 SNGBM(1,1,sin)模型的构建与求解
7.2.2 SNGBM(1,1,sin)模型的参数估计
7.2.3 案例分析
7.3 本章小结
8 GM(1,1,ta)模型的优化研究
8.1 含三角函数的时间幂次灰色模型(SGM(1,1,ta|sin))
8.1.1 SGM(1,1,ta|sin)模型的构建与求解
8.1.2 SGM(1,1,ta|sin)模型的参数估计
8.1.3 案例分析
8.2 含延迟时间幂次项的离散灰色模型(TDDGM(1,1,ta))
8.2.1 TDDGM(1,1,ta)模型的构建与求解
8.2.2 TDDGM(1,1,ta)模型的参数估计
8.2.3 案例分析
8.3 本章小结
9 GM(1,N)模型的优化研究
9.1 考虑未知因素作用的多□量灰色模型(GMU(1,N))
9.1.1 GMU(1,N)模型的构建
9.1.2 GMU(1,N)模型的派生模型
9.1.3 GMU(1,N)模型的参数估计及求解
9.1.4 GMU(1,N)模型的性质
9.1.5 算例分析
9.2 优化的多□量灰色伯努利模型(ONGBM(1,N))
9.2.1 ONGBM(1,N)模型的构建与求解
9.2.2 ONGBM(1,N)模型的参数估计
9.2.3 ONGBM(1,N)模型的性质
9.2.4 算例分析
9.3 本章小结
10 DGM(1,N)模型的优化研究
10.1 基于交互作用的非线性灰色模型(INDGM(1,N))
10.1.1 INDGM(1,N)模型的构建与求解
10.1.2 INDGM(1,N)模型的参数估计
10.1.3 算例分析
10.2 含有时间多项式的多□量灰色模型(DGMTP
展开全部
灰色预测模型的优化研究 作者简介
刘盼，1988年2月生，河南永城人，就职于河南农业大学信息与管理科学学院，校聘教授、硕士生导师。主要从事物流与供应链运营决策方面研究，主持参与□□□、省级、校级等项目5项。在SSCI & SCI、EI等国内外学术期刊发表收录论文近30篇，获得省部级奖项1项。
书友推荐
- >
山海经
山海经
¥17.7¥68.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
随园食单
随园食单
¥15.4¥48.0 - >
经典常谈
经典常谈
¥12.7¥39.8 - >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥6.9¥16.0 - >
月亮虎
月亮虎
¥14.4¥48.0 - >
名家带你读鲁迅:故事新编
名家带你读鲁迅:故事新编
¥13.0¥26.0
本类畅销
-
黑科技驱动世界的100项技术
¥21.9¥69.8 -
黑科技:驱动世界的100项技术(八品)
¥21.9¥69.8 -
指火控弹道与射击诸元理论
¥38.7¥49 -
智能照明工程手册
¥29.9¥49.8 -
光电直读光谱分析技术与应用
¥38.7¥49 -
服务型制造
¥76.3¥109
