科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于受到外界不确定性因素的干扰,导致实际数据偏离模拟的趋势,使得灰色多变量MGM(1,m)模型预测效果不佳,而多维平稳序列自回归模型(AR(p))能够有效反应具体数据与整体趋势之间产生的偏差,从而可以掌握外界环境对目标数据发展趋势带来的影响.由此文章首先利用卡尔曼滤波对给定的小样本数据做平滑处理,消除数据观测时产生的噪声误差,然后根据MGM(1,m)模型对处理后的数据建模,将得到的模拟预测值作为样本数据的趋势项,并将残差作为样本数据的随机项,再通过多维AR(p)模型对随机项进行分析,最后将MGM(1,m)模型的趋势项与多维AR(p)模型模拟的随机项相加得到基于卡尔曼滤波的MGM-多维AR(p)模型的模拟预测值.将该模型和MGM(1,m)模型,多维AR(p)模型和GM-AR组合模型分别应用于衡量杭州市雾霾程度的相关指标中建模分析,结果表明:文中提出的组合优化模型相比其他3个模型,拟合效果更佳,预测结果更精确.
- 单位
