中長(zhǎng)期預(yù)測(cè)方法及其應(yīng)用研究.pdf

1、相對(duì)事物發(fā)展的短期預(yù)測(cè)，事物發(fā)展的中長(zhǎng)期預(yù)測(cè)通常會(huì)受到更多不確定因素的影響。論文首先對(duì)中長(zhǎng)期預(yù)測(cè)的現(xiàn)有方法進(jìn)行了綜述，并對(duì)相關(guān)方法的原理進(jìn)行了簡(jiǎn)要介紹。然后結(jié)合中長(zhǎng)期預(yù)測(cè)的特點(diǎn)，建立了一些中長(zhǎng)期預(yù)測(cè)模型，并引用了歷年鉛產(chǎn)量的統(tǒng)計(jì)資料，通過(guò)實(shí)例應(yīng)用分析，對(duì)相關(guān)中長(zhǎng)期預(yù)測(cè)模型進(jìn)行了研究。論文中建立的主要中長(zhǎng)期預(yù)測(cè)模型和方法有： (1)等維無(wú)偏GM(1，1)馬爾科夫遞補(bǔ)模型。該模型充分結(jié)合了灰色預(yù)測(cè)與馬爾科夫鏈理論的特點(diǎn)，用無(wú)偏GM(

2、1，1)預(yù)測(cè)模型擬合系統(tǒng)的發(fā)展變化趨勢(shì)，并以此為基礎(chǔ)進(jìn)行了馬爾柯夫預(yù)測(cè)，在每一步預(yù)測(cè)中，不斷推陳出新，對(duì)原始數(shù)據(jù)進(jìn)行平滑及等維新息處理。 (2)改進(jìn)的ANN-ARIMA模型。該模型先使用ARIMA模型預(yù)測(cè)事物中長(zhǎng)期發(fā)展的一般趨勢(shì)，使其線性規(guī)律信息包含在ARIMA模型的預(yù)測(cè)結(jié)果中。然后在此基礎(chǔ)上利用改進(jìn)的BP(32)神經(jīng)網(wǎng)絡(luò)模型來(lái)擬合非線性規(guī)律，最后得到BP-ARIMA模型的預(yù)測(cè)值。 (3)組合預(yù)測(cè)模型。論文采取不同的權(quán)重