社會(huì)其它相關(guān)論文-完美風(fēng)暴預(yù)言的評(píng)價(jià)（二）.doc

社會(huì)其它相關(guān)論文-完美風(fēng)暴預(yù)言的評(píng)價(jià)（二）表3.2.3計(jì)算得出的*MERGEFORMAT的值*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT0.0014280.3185710.1885710.0714280.2714280.2014280.121428*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT*MERGEFORMAT0.0914280.0385710.0714280.1085710.02228500.000857所以*MERGEFORMAT小誤差概率為一級(jí).故可以用*MERGEFORMAT來(lái)進(jìn)行預(yù)測(cè).預(yù)測(cè)的結(jié)果為表3.2.4預(yù)測(cè)的世界人口總數(shù)年份2005200620072008200920102011總?cè)丝冢▋|）64.8465.7266.5967.4968.3969.3270.24年份2012201320142015201620172018總?cè)丝冢▋|）71.1972.1473.1174.0975.0876.0977.11年份2019202020212022202320242025總?cè)丝冢▋|）78.1479.280.2681.3482.4383.5484.66年份20262027202820292030總?cè)丝冢▋|）85.7986.9588.1189.390.49由于灰色模型對(duì)于近期的預(yù)測(cè)較準(zhǔn)確，但是隨著時(shí)間的推移，未來(lái)的不確定因素將增多，從而對(duì)所產(chǎn)生的值會(huì)產(chǎn)生，一定得波動(dòng)，影響測(cè)量的精確性.因此我們這里采用改進(jìn)的DGM(1，1)離散灰色預(yù)測(cè)模型對(duì)數(shù)據(jù)進(jìn)行改進(jìn)，因?yàn)殡x散灰色模型具有很好的穩(wěn)定性，因此對(duì)于中長(zhǎng)期的預(yù)測(cè)會(huì)產(chǎn)生很好的效果.二，能源問(wèn)題的預(yù)測(cè)：石油的多少往往還和一個(gè)國(guó)家的經(jīng)濟(jì)水平，經(jīng)濟(jì)發(fā)展聯(lián)系在一起，大多數(shù)國(guó)家為了擴(kuò)大GDP值，盲目的開(kāi)發(fā)開(kāi)采石油，造成大量的浪費(fèi)和污染問(wèn)題.因此我們可以同時(shí)預(yù)測(cè)國(guó)家的GDP和石油的消耗量.石油隨時(shí)間變化規(guī)律曲線a坡度分析設(shè)原始序列：(39)其中，稱(chēng)為非等間距序列.記：(40)定義1設(shè)其中，則稱(chēng)式(1)為非等間距序列第區(qū)間的坡度.那么平均坡度即為：在灰色系統(tǒng)的擬合過(guò)程中，坡度平滑的區(qū)間精度較高，但在坡度波動(dòng)較大的區(qū)間，其擬合值與原始數(shù)據(jù)的偏差較大.從減小非等間距間數(shù)據(jù)的波動(dòng)考慮，對(duì)非等間序列進(jìn)行坡度優(yōu)化分析，可以通過(guò)局部插值來(lái)消除當(dāng)坡度有較大波動(dòng)時(shí)所產(chǎn)生的較大的誤差.b模型的求解自變量序列，經(jīng)坡度優(yōu)化分析后，將第個(gè)區(qū)間的坡度平均坡度進(jìn)行比較，將第區(qū)間作*MERGEFORMAT插值，可得到新的自變量序列：(42)式中，為第個(gè)區(qū)間內(nèi)的第節(jié)點(diǎn).用線性插值計(jì)算所插入節(jié)點(diǎn)處的函數(shù)值：(43)其中，.原始序列插入若干數(shù)據(jù)后變成新的序列：分析非等間距序列的區(qū)間，并對(duì)其進(jìn)行合理地插值，其實(shí)質(zhì)是修正了數(shù)據(jù)波動(dòng)所引入的誤差，因而能更好地反映出數(shù)據(jù)的變化趨勢(shì)，從而可大幅度地提高擬合和預(yù)測(cè)精度.c以新序列為原始序列建立灰色距模型記原始時(shí)間序列為：(45)若其中.則稱(chēng)為非等間距序列的一次累加生成(1AGO)序列.定義2當(dāng)接近于指數(shù)規(guī)律變化時(shí)，白化微分方程為：式中，為發(fā)展灰數(shù)；為內(nèi)生控制灰數(shù).設(shè)為待估參數(shù)向量，利用最小二乘法求解得：其中將時(shí)間響應(yīng)離散化，得：L(6)將值代入離散模型計(jì)算預(yù)測(cè)累加值，并還原為預(yù)測(cè)值：其中通過(guò)灰色模型可求得兩者的預(yù)測(cè)響應(yīng)函數(shù)分別為：通過(guò)計(jì)算可以得到相應(yīng)的預(yù)測(cè)值.可求得19702004年世界能源總消耗量預(yù)測(cè)響應(yīng)函數(shù)的后驗(yàn)差，平均相對(duì)誤差，小概率事件；世界GDP預(yù)測(cè)響應(yīng)函數(shù)的后驗(yàn)差，平均相對(duì)誤差，小概率事件.可知此模型精度為一級(jí).能源消費(fèi)增長(zhǎng)同經(jīng)