Resumen

El modelo GM (1, ) es uno de los modelos de predicción gris que considera la influencia de muchos factores. Este artículo mejora el modelo GM (1, ) y construye el modelo PSO-GM (1, ). En primer lugar, se utiliza el método Lasso para seleccionar los factores influyentes, luego se determina la prioridad de los factores influyentes y el valor del parámetro en el modelo GM (1, ), y finalmente se utiliza el método PSO para optimizar el modelo GM (1, ). Tomando el suministro de vegetales en la provincia de Henan como objeto de investigación, este artículo realiza una prueba empírica utilizando el modelo PSO-GM (1, ). Los resultados muestran que los factores clave que afectan el suministro de vegetales en la provincia de Henan son el número de empleados rurales, la longitud de las carreteras y la aplicación de pesticidas. El suministro de vegetales en la provincia de Henan continuará mostrando una tendencia de crecimiento estable en los próximos tres años.

• 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:Modelos de predicción gris; Factores; Método Lasso; Factores influyentes; Método PSO; Suministro de vegetales
• Keywords:Grey prediction models; Factors; Lasso method; Influencing factors; PSO method; Vegetable supply