Resumen

Centrándose en el problema de la inestabilidad de la precisión de predicción del modelo clásico NGM (1, 1), en este estudio se analizan en profundidad el principio de modelado y el método de estimación de parámetros de este modelo. Tomando el error porcentual absoluto medio mínimo como función objetivo, el modelo se mejora desde dos perspectivas: el método de construcción del valor de fondo y la generación de acumulación de orden fraccional. En el estudio se propone el modelo NGM (1, 1) de acumulación de orden fraccional basado en el valor de fondo óptimo (abreviado como modelo FBNGM (1, 1)). Se utiliza el algoritmo de optimización de enjambre de partículas para estimar los parámetros del modelo propuesto. Tomando dos casos reales con significado económico como ejemplos, se realiza un análisis empírico del modelo propuesto. Los resultados de simulación y predicción muestran la practicidad y eficiencia del modelo FBNGM (1, 1) propuesto en este estudio,

• Materias:Internet de las cosas Algoritmo iterativo Algoritmo de evaluación Viga viscoelástica Lenguaje de programación
• Subjects:Internet of things Iterative algorithm Evaluation algorithm Viscoelastic beam Programming language
• Palabras claves:Precisión de predicción inestable; Modelo NGM clásico; Acumulación de orden fraccional; Valor de fondo óptimo; Algoritmo de optimización de enjambre de partículas; Análisis empírico.
• Keywords:Unstable prediction accuracy; Classic NGM model; Fractional order accumulation; Optimal background value; Particle swarm optimization algorithm; Empirical analysis.