Resumen

Los modelos de predicción gris se han convertido en métodos comunes que se emplean ampliamente para resolver problemas con ejemplos pequeños e información deficiente. Sin embargo, los objetos de modelado de los modelos de predicción gris existentes están limitados a secuencias de datos homogéneas que solo contienen el mismo tipo de datos. Este artículo estudia la metodología de construcción de modelos de predicción de números grises de intervalo que son secuencias de datos grises heterogéneas, con un parámetro real. En primer lugar, se discute la posición del parámetro real en una secuencia de números grises de intervalo, y el número real se expande en un número gris de intervalo mediante la adopción del método de generación gris. Sobre esta base, se deduce y construye un modelo de predicción de número gris de intervalo con un parámetro real. Finalmente, este nuevo modelo se aplica con éxito para predecir la concentración del contaminante orgánico DDT en la atmósfera. El análisis y los resultados de investigación en este artículo amplían el objeto de predicción

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Modelos de predicción gris; Números grises de intervalo; Secuencias de datos homogéneas; Secuencia de datos gris heterogénea; Parámetro real; Contaminante orgánico DDT
• Keywords:Grey prediction models; Interval grey numbers; Homogenous data sequences; Grey heterogeneous data sequence; Real parameter; Organic pollutant DDT