[发明专利]一种基于改进背景值的GM（1，1）模型的港口吞吐量预测方法

摘要

本发明公开了一种基于改进背景值的GM(1，1)模型的港口吞吐量预测方法，包括计算港口吞吐量序列X(0)的一次累加序列X(1)、构建基于二次牛顿插值逼近的一次累加序列X(1)的多项式函数、构建基于X(1)的多项式函数的智能梯形、确定智能梯形的背景值核心参数与m、计算GM(1，1)模型背景值并求出参数a和u、得到原始序列的预测值序列以及进行误差检验几个步骤；具有预测误差小，预测准确率高，预测效率高，实用性高和应用前景好的特点。

主权项

1.一种基于改进背景值的GM(1，1)模型的港口吞吐量预测方法，其特征在于，包括以下步骤：步骤S1、将已知年份的港口吞吐量设为x(0)(k)，k＝1,2,...,n，采用X(0)＝{x(0)(1),x(0)(2),…,x(0)(n)}作为港口吞吐量序列X(0)，再将港口吞吐量序列X(0)作为GM(1，1)模型的原始序列，然后计算港口吞吐量序列X(0)的一次累加序列X(1)；步骤S2、构建基于二次牛顿插值逼近的所述步骤S1中的一次累加序列X(1)的多项式函数；步骤S3、构建基于所述步骤S2中得到的一次累加序列X(1)的多项式函数的智能梯形；步骤S4、基于遗传算法，在染色体的编码阶段，染色体编码长度ω取20位，再取染色体编码前10位的二进制编码表示参数取染色体编码后10位的二进制编码表示参数m，将参数与m作为所述步骤S3中得到的智能梯形的背景值核心参数与m；步骤S5、根据所述步骤S3中确定的背景值核心参数计算出梯形面积，并将所述梯形面积作为GM(1，1)模型的背景值，并利用最小二乘法求出参数a、u，所述参数a、u为灰色微分方程中的参数；步骤S6、基于所述步骤S5中得到的参数a、u，计算时间响应函数，然后得到港口吞吐量一次累加序列预测值再还原求解出港口吞吐量预测值的还原序列将所述港口吞吐量预测值的还原序列作为原始序列的预测值序列；步骤S7、对所述步骤S6中得到港口吞吐量预测值的还原序列与所述步骤S1中的港口吞吐量序列X⁽⁰⁾进行误差检验，最终判断预测精度。