摘要
针对传统时间序列预测模型难以处理含有不确定信息和时滞效应的复杂系统预测问题，本文提出了一种基于区间灰数序列的时滞MGM(1，m,τ)模型。
该模型首先利用区间灰数理论描述时间序列数据的不确定性，然后引入时滞参数τ刻画系统历史状态对未来状态的影响，并结合MGM(1，m,τ)模型的多变量优势，构建了基于区间灰数序列的时滞MGM(1，m,τ)模型。
针对模型参数估计问题，本文提出了基于区间灰数距离最小化的参数估计方法，并给出了区间灰数预测值的确定方法。
最后，通过实例验证了模型的有效性和实用性。
关键词：区间灰数；时滞；MGM(1，m,τ)模型；时间序列预测；不确定性
##1.1区间灰数区间灰数是对信息不完全的情况下的一种数据表达形式，最早由邓聚龙教授在灰色系统理论中提出。
与传统的确定性数不同，区间灰数用一个区间范围来刻画数据的模糊性和不确定性，其上下限分别表示数据的可能取值范围。
例如，某个产品的月销量在[200,250]件之间，就可以用区间灰数[200,250]表示。
这种表示方法更符合实际情况，也更能反映数据的真实性。
##1.2时滞时滞是指系统对某个输入信号的响应延迟现象。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
