摘要

针对原始序列出现较大误差或遗漏时导致预测精度低、残值大的问题,提出了一种基于Lagrange修正的动态GM(1,1)(gray model,GM)模型。该模型首先用Lagrange插值法对原始序列进行修正,其次将修正的数据作为原始数据建立Lagrange修正的GM(1,1)模型,并实时加入最新的监测数据,建立Lagrange修正的动态GM(1,1)模型。以某中心医院基坑监测数据为例进行了计算分析,结果表明,Lagrange修正的动态GM(1,1)模型精度优于传统GM(1,1)模型,能准确地预测基坑变化趋势。