论文部分内容阅读
利用序列生成,对GM(1,1)模型进行改进.原始的GM(1,1)适于处理单调非负光滑数据,但对于随机波动序列效果并不理想.通过插入“指数加速”和“几何平均生成”这两种新的序列生成办法,弱化原始数据序列的随机波动性,从而改进了GM(1,1)模型.仿真结果证明改进的GM(1,1)比原始GM(1,1)预测精度高.鉴于LSSVM有较SVM更优的学习速度,结构简单,算法简练,将GM(1,1)模型与LSSVM相结合,提出了改进的一个残差型灰色最小二乘支持向量机模型,充分利用两者在信息表现上存在的相似性,弥补了单一模型解决问题的不足.应用该改进预测模型,预测辽宁省1996至2009年煤炭能源消耗总量.最后实验结果说明,改进的灰色最小二乘支持向量机模型预测精度高于原始的普通模型,可作为煤炭能源消耗预测的新方法.