Resumen

El modelo gris no homogéneo ha sido considerado como un método efectivo para predecir series temporales con una ley de índice no homogénea aproximada, el cual ha sido ampliamente utilizado en diversas disciplinas debido a su alta precisión en la predicción. Sin embargo, aún queda espacio para mejoras. Por ello, este estudio presenta un modelo gris no homogéneo mejorado al incorporar simultáneamente el teorema del valor medio integral dinámico y la acumulación fraccional. Con el fin de promover la eficacia del modelo optimizado, aplicamos el algoritmo de optimización de ballenas (WOA, por sus siglas en inglés) para determinar su parámetro óptimo. En particular, se realizan dos ejemplos para validar la superioridad del modelo propuesto en comparación con otros puntos de referencia, y los resultados experimentales muestran que el error porcentual absoluto medio del enfoque propuesto es del 808692% y 6.0706%, respectivamente, lo que indica que el enfoque propuesto tiene un mejor rendimiento que otros modelos competidores.

• 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:Modelo gris no homogéneo; Pronóstico; Series de tiempo; Teorema del valor medio integral dinámico; Acumulación fraccional; Algoritmo de optimización de ballenas
• Keywords:Nonhomogeneous grey model; Forecasting; Time series; Dynamic integral mean value theorem; Fractional accumulation; Whale optimization algorithm