Resumen

El modelo de predicción gris, basado en el método GM(1,1), es una rama importante de la teoría gris con la investigación más activa y los resultados más fructíferos, y es el más ampliamente utilizado debido a su tamaño de muestra pequeño, proceso de modelado simple y fácil de usar. Tales ventajas se han aplicado con éxito en muchos campos como transporte, agricultura, energía, medicina y medio ambiente, y se han desarrollado gradualmente en un método de modelado predictivo convencional. Este estudio combina el Modelo Gris de Blanqueamiento de Tres Parámetros (TWGM(1,1)), que se ajusta a la secuencia de ley exponencial no homogénea, y el Algoritmo de Enjambre de Partículas (PSA) para optimizar el orden y los coeficientes de valor de fondo bajo la condición de la suma mínima de cuadrados de errores de simulación, y así, resolver el problema de que el orden acumulativo está fijo en 1 y el valor del coeficiente de valor de fondo está fijo en 0.5. Como resultado,

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Modelo de predicción gris; Método GM(1,1); Tamaño de muestra pequeño; Método de modelado predictivo convencional; Algoritmo de Enjambre de Partículas; Modelo de sistema gris optimizado por parámetros
• Keywords:Gray prediction model; GM(1,1) method; Small sample size; Mainstream predictive modeling method; Particle Swarm Algorithm; Parameter-optimized gray system model