论文部分内容阅读
相对事物发展的短期预测，事物发展的中长期预测通常会受到更多不确定因素的影响。论文首先对中长期预测的现有方法进行了综述，并对相关方法的原理进行了简要介绍。然后结合中长期预测的特点，建立了一些中长期预测模型，并引用了历年铅产量的统计资料，通过实例应用分析，对相关中长期预测模型进行了研究。论文中建立的主要中长期预测模型和方法有：
(1)等维无偏GM(1，1)马尔科夫递补模型。该模型充分结合了灰色预测与马尔科夫链理论的特点，用无偏GM(1，1)预测模型拟合系统的发展变化趋势，并以此为基础进行了马尔柯夫预测，在每一步预测中，不断推陈出新，对原始数据进行平滑及等维新息处理。
(2)改进的ANN-ARIMA模型。该模型先使用ARIMA模型预测事物中长期发展的一般趋势，使其线性规律信息包含在ARIMA模型的预测结果中。然后在此基础上利用改进的BP(32)神经网络模型来拟合非线性规律，最后得到BP-ARIMA模型的预测值。
(3)组合预测模型。论文采取不同的权重确定方式，对等维无偏GM(1，1)递补模型，BP(32)神经网络模型两个预测模型进行组合。实例探讨了不同组合预测方法在中长期预测中的性能。
通过MATLAB编程环境，对上述模型进行了实例分析，并对这些模型的预测性能进行纵向比较。实例证明，在事物发展相关信息不够充足的情况下，单纯利用一定历史时期的统计数据，应用统计学方法，对于事物发展的中长期预测，只要模型选择适当，也可以满足实际工作中对预测的期望和要求。