基于gm(l ， l) -岛larkov 链模型的汽车企业订单预测

《基于gm(l ， l) -岛larkov 链模型的汽车企业订单预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于GM(l，l)-岛larkov链模型的汽车企业订单预测第35卷第4期武汉理工大学学报(信息与管理工程版)Vol4>>.35No>.42013年8月Aug>.2013JOURNALOFWUT(INFORMATION&MANAGEMENTENGINEER1NG)文章编号:2095-3852(2013)04-0580-03文献标志码:A基于GM(l，l)-岛larkov链模型的汽车企业订单预测李西兴，徐增师(武汉理工大学机电工程学院，湖北武汉430070)摘要:准确预测企业下一周期的订单数量至关重要。相比其他众多的预测方法，GM(1，1)模型能够较好地通

2、过建立一个小型样本模型来完成短期预测。提出了一种基于改进的GM(1，l)模型与Markov链模型相结合的汽车企业订单预测模型，该预测模型的有效性通过柳州一家汽车公司的实际数据得到检验。关键词:GM(1，1)模型;Markov链模型;订单预测中图分类号:U492>.313DOI:10>.3963/j>.issn>.2095-3852>.2013>.04>.028随着中国汽车市场经济的繁荣发展，汽车制造定)原始数据的处理和灰色模型的建立来帮助系统商之间的竞争也变得越来越激烈。准确地分析和做出一个科学的、定量的预测[3]O累加算子(accu??预测订单数量对于汽车制

3、造商商业模式的优化、商il丑lu吐lll挝at血i吨nggeneration叩0perat阳0叮r，AGO)和逆累加算子机的把握和产品竞争力的提高有着重要意义。(im飞阳常用的分析和预测方法有回归分析法、弹性灰色理论中两个重要的数据处理方法O累加算子系数法、指数平滑法和移动平均法[IJ。对于不同(AGO)通过转换原始数据的类型发现它们的内在的分析和预测方法，根据数据要求的多样性从复规律并作出预测，逆累加算子(IAGO)再将预测输杂的样本数据中提取出准确信息所采用的方法是出转变回原来的状态。这些数据的处理方法对于不同的。作为潜在的新型市场产业，汽车产业已预测模型

4、的准确性起着决定性作用。灰色预测理经成为影响国家经济发展与规划、产业政策转型论有着样本数据要求少、计算简单和短期预测精度和人民消费水平的重要因素，但由于缺乏准确的高等优点，因此得到了广泛应用并取得了理想的成基础信息数据，汽车产业的潜在发展趋势还不能果。但是与其他的预测理论一样，灰色预测理论也很准确地预测。1982年由邓聚龙提出的灰色预有自己的局限性，其要求原始数据的阵列具有较高测理论，可在信息不确定和不充分的环境下，通过的柔性。通过对原始数据阵列的处理和军函数变运用少量数据作出较准确的预测[2J。换可以提高原始数据阵列的柔性[4]O因此，目前有许多研究人员都通

5、过采用灰色构建GM(1，1)模型的常规步骤如下:预测理论来提高预测能力，虽然灰色预测理论已(1)首先假设原始如且俨)=jx(O)(1),x(O)(2),在许多领域得到成功应用，但研究表明该预测方,x(O)(n)f，并且x(O)(k)剖，k=1,2,,no法还可进一步改善。基于灰色系统理论，通过对(2)使用累加算子(AGO)建立一个新的阵列某一企业汽车销售数量运用Markov链预测方法，x(1)即X(1)=jx(1)(1)，x(1)(2),,x(1)(n)f=-YL-H2ThnTL-得到了改进的GM(1,1)-Markov链模型的订单并7-EK且ZZZ预测，即通

6、过负时间序列产生的累积数据序列减川少或消除在建立GM(1，1)模型时所用到的参数k=1,2,,no设置，研究结果表明了该预测方法的可靠性。(3)建立灰度微分方程。通过最小二乘法估算灰色控制变量参数α和b，建立灰色微分方程，1改进的GM(I，I)模型GM(1，1)模型的一阶微分方程为:平由邓聚龙提出的灰色预测理论最初是用来通/'喃飞自、、+αzAE，/过对系统(该系统通常数据少、信息不足且不确收稿日期:2013-01-10>.作者简介:李西兴(1990-)，男，湖北武汉人，武汉理工大学机电工程学院硕士研究生>.基金项目:国家自然科学基金资助项目(711

7、71154);武汉理工大学2013年研究生自主创新研究基金资助项目(135204005)>.第35卷第4期李西兴，等:基于GM(1,1)-Markov链模型的汽车企业订单预测581通过最小二乘法将参数α和b转换为:在未来的一段时间内经济发展转变的趋势并反映出了它的制度规则[6]0Markov链状态转移矩阵可以T[:1=(BTB)-lBy(2)提供对下一周期预测值的一种潜在的更正预测。由其中，常数向量Y为:于汽车销售数量在未来是一个随机波动的数据，并y=[X()(2),X()(3),,X()(n)]T(3)且预测系统是一个随机动力系统，因此该研究采用同时累计矩阵

8、B为:Markov链预测可以较好地提高