GM(2,1,λ,ρ) based on particle swarm optimization
基于微粒群算法的GM(2,1,λ,ρ)优化模型

为了提高灰色GM(2,1)模型的预测精度,本文首先对灰色GM(2,1)模型的向前、向后差分进行线性组合出灰色GM(2,1,λ)模型,利用参数λ修正背景值;然后引入参数ρ对原始数列进行数乘变换,进一步将模型拓展为灰色GM(2,1,λ,ρ)模型.由于参数λ,ρ与误差之间为明显的非线性关系,难以解析,本文基于微粒群算法(PSO),给出PSO-GM(2,1,λ,ρ)优化方法.在该方法中,用λ,ρ构成一个二维的微粒群,以绝对的平均相对误差作适应度函数,以其最小为目标,求解最优的λ,ρ值.实例计算表明,该方法收敛速度快,预测精度高于普通模型,而且可满足实际需要.