由于Verhulst模型的精度依賴結構參數α,且初值選取為(1)x(1)會造成誤差積累。因此基于信息覆蓋原理對結構參數α進行優(yōu)化,利用加權平均優(yōu)化預測模型初值,改進了Verhulst模型;結合改進的Verhulst模型與雙曲線模型的優(yōu)缺點,利用最優(yōu)加權將兩種模型進行組合。通過實例,對比了幾種模型的預測精度,以應變片2為例,改進后的Verhulst模型、傳統Verhulst模型、雙曲線模型、組合模型平均相對誤差分別為0.0094、0.0183、0.0356、0.0070。結果表明:改進后的Verhulst模型預測精度顯著高于傳統模型;改進的Verhulst模型與雙曲線模型的組合模型預測精度高于單一的改進的Verhulst模型和雙曲線模型。說明本文對Verhulst模型的改進及模型組合對提高樣本數據預測精度可行有效。

【文章頁數】：8 頁

【文章目錄】：
1 引言
2 改進Verhulst模型
    2.1 Verhulst模型概況
    2.2 Verhulst模型改進
        2.2.1 Verhulst模型參數 α 優(yōu)化估計
        2.2.2 Verhulst模型初值優(yōu)化
        2.2.3 其他Verhulst優(yōu)化模型
3 雙曲線模型基本原理
4 改進的Verhulst模型與雙曲線模型的組合模型
5 實例分析
    5.1 數據來源
    5.2 數據計算及分析
        5.2.1 數據取用規(guī)則
        5.2.2 計算方法
        5.2.3 數據分析
6 結論



本文編號：3878945