论文部分内容阅读
针对灰色理论中原始序列光滑性较差的情况,提出了一种基于反余割函数的数据变换方法.首先,结合函数的自身特点,证明了反余割变换具有改善数据光滑性、压缩数据级比、保持数据单调上凹性的性质;然后,与常用的三种变换方法进行比较,证明了其在提高原始序列光滑度上的优越性;最后,构建了基于反余割函数变换的NGM(1,1)模型.经过具体实践,新模型预测结果的平均绝对误差为0.0905,与传统模型相比,拥有较高的拟合及预测精度.