随着实验系统规模的不断扩大，系统运行成本高、周期长等问题逐渐显现，这就造成了实验数据获取困难、可供分析的实验数据量偏小等问题。因此，有必要通过合理的模型和方法分析原始数据的特点，对实验数据进行建模预测，获得足够的数据来对系统进行下一步的分析。针对此问题，以灰色理论为基础，在非等间距GM（1，1）灰色预测模型的基础上，首先加入残差校正模型来提高预测精度，同时对于原始数据具有周期性的情形，建立周期补偿序列，最终建立起了带周期校正的灰色残差数据预测模型。最终的实验结果表明，该模型在用于对周期性数据的预测时，准确率相对于不带周期校正的预测模型有所提高。
2022-02-18 20:55:29
1009KB
1
应用马尔可夫状态转移矩阵对残差灰色预测模型进行了改进，结果表明，改进的预测模型精度较高，比传统灰色模型预测效果好。
2021-03-30 09:00:36
3KB