基于区间灰作用量的GM(1,1)均值差分模型解的非唯一性研究

GM(1,1)是结构信息不完全的灰色预测模型，但当前其模拟及预测结果的实数形式不满足灰色理论解的非唯一性原理。文章从GM(1,1)网络模型出发，分析了灰作用量的背景与内涵，还原了影响因素不确定条件下灰作用量的区间灰数形式，构建了具有非唯一解的新型GM(1,1)均值差分模型。新模型具有更加完善的体系结构，同时能实现对传统 GM(1,1)均值差分模型的完全兼容。应用新模型对我国电力能源消费量进行建模，结果显示其建模结果的合理性优于传统 GM(1,1)模型。本研究成果对丰富灰色预测模型理论框架、完善灰色预测模型结构体系具有积极意义。     

基于灰信息变元的泛函博弈模型研究

现实社会生活中存在局中人的博弈策略或收益值是变元（如时间、环境、空间、制度或相关其它变元）映射的一类博弈问题。本文从灰信息变元的角度给出了的泛函区间灰数的概念,设计了泛函区间灰数的表征形式,提供了泛函区间灰数之间的大小比较与运算法则。分析基于不确定信息的泛函博弈问题,并描述其形式与框架,可以展示不确定信息下博弈的特征、性质、战略表达形式。运用优化理论及其相关技术方法,设计基于不确定信息优化的求解算法,即通过研究和构造泛函博弈收益值的广义满秩扩充方阵求解最优博弈策略和博弈收益值问题,不仅为现实生活中的不确定信息问题提供新的解题思路,更为实际问题的解决提供新的方法参考。最后结合案例“盗版与打击盗版”问题通过计算机仿真对其博弈均衡结果进行详细的对比分析,说明了本文提出基于信息变元泛函博弈模型的科学性和计算结果的精确性。     

基于白化权函数的区间灰数关联度模型

根据区间灰数空间映射思想,引入白化权函数来表征区间灰数的分布信息。定义灰形和灰心分别来描述白化权函数与区间灰数围成的封闭几何图形及其几何重心;定义灰圆和灰径分别来表示以灰心为圆心且与灰形具有相同面积的标准圆及其半径。在此基础上,以灰心序列的横、纵坐标序列为对象,以灰径的离差为权重,依照邓氏关联度原理构造了一个基于白化权函数的区间灰数关联度模型。并针对一种最为典型的白化权函数,具体导出了区间灰数关联度的计算公式。最后,通过一个供应商选择的实例验证了模型的科学性和可行性。基于白化权函数的区间灰数关联度在资源勘探、机器故障诊断、产品品质评价及供应商选择等方面有着广泛的应用前景。     

无偏GM(1,1)幂模型其及应用

基于GM(1,1)幂模型的模拟误差分析,本文提出了无偏GM(1,1)幂模型及其参数优化方法.从理论上证明了无偏GM(1,1)幂模型对传统GM(1,1)幂模型及其本身的时间响应函数所表达的曲线进行模拟和预测具有重合性,其参数优化方法可以准确识别原始数据所蕴含的参数特性,完全消除了GM(1,1)幂模型自身固有的偏差.其建模过程避免了传统方法由差分方程向微分方程的跳跃导致的误差,应用范围覆盖了无偏GM(1,1)模型和离散灰色模型.数值模拟和实例分析表明,无偏GM(1,1)幂模型使得传统模型的模拟与预测精度得到了显著的改善.     

基于区间灰数的灰色定权聚类

针对灰色定权聚类模型中白化权函数转折点只能为实数的情况,提出了当转折点为区间灰数时的白化权函数构造方法与计算过程。首先定义了区间灰数的标准化方法,将区间灰数的标准化形式带入实数型白化权函数,给出了区间灰数型白化权函数的表达式。然后分别对区间灰数型白化权函数中分段曲线只有一端为区间灰数和分段曲线两端均为区间灰数的情况进行讨论,得出两种情况下区间灰数型白化权函数值,并给出了区间灰数型典型白化权函数的四个转折点均为区间灰数的一般表达式。最后将该模型应用于许昌市民营企业核心竞争力的聚类评价中,取得了良好的结论。     

基于新型核与灰度序列的MGM(1,m,N)模型及其应用

雾霾是空气质量重要评判标准之一，对其进行准确预测能为相关政府部门及时做出正确决策提供理论支持，因此预测雾霾具有实际意义。本文针对区间灰数分布信息已知的序列，构建多个影响因素作用于多个系统行为变量的灰色MGM(1,m,N)模型。首先根据可能度函数计算得到区间灰数的新型核与灰度序列，然后对新型核与灰度序列分别建立MGM(1,m,N)模型以求得模拟值和预测值，最后通过还原得到区间灰数序列的上、下界。为进一步验证该模型的可行性，本文将该模型应用于雾霾相关数据并与基于传统核与灰度序列的MGM(1,m,N)模型进行比较，结果表明本文构建的新模型的模拟预测精度都较传统模型更好。     

基于区间数大小不能直接判定的灰矩阵博弈的策略优超及其最优解研究

对于区间灰数大小不能直接判定的灰矩阵博弈G(⊗)={S₁,S₂,A(⊗)}问题,其策略优超和纯策略求解问题的关键在于A(⊗)中区间灰数大小判定准则的设定与判定方法的设计。本文运用灰色系统思想和系统工程的理论,揭示了人们在灰信息条件下的博弈心理与博弈决策规则,根据区间灰数势关系的判定规则,提出了灰数势意义下的策略优超法则,定义了纯策略解。最后,以商业银行贷款动态损失准备金计提为案例,对其灰势意义下的策略优超和纯策略解问题进行了研究。     

基于新改进GM(1,1)模型的中国企业债券融资发展预测

我国企业债券市场明显滞后于整个资本市场的发展,加快发展企业债券市场的呼声日高。但是去除企业债券发展的束缚是一个渐进的过程。在此背景下,本文对我国企业债券融资发展进行定量预测。考虑到影响我国企业债券发展的因素较多且不确定,笔者采用灰色系统GM(1,1)模型进行预测。GM(1,1)模型是有偏差的灰指数模型,其精度取决于背景值的构造形式和初始条件的选取。已有的研究文献均是从一个侧面单独改进GM(1,1)模型,这里,笔者提出一种同时优化背景值和初始条件的新GM(1,1)模型。笔者发现新优化GM(1,1)模型比单独优化背景值或单独优化初始条件有更高的模拟精度。在此基础上,利用新改进GM(1,1)模型对我国2010年之前的企业债券余额进行了预测。     

GM(1,1)模型时间响应函数的最优化

GM(1,1)是灰色系统理论的核心内容之一。本文利用"最小二乘法"确定GM(1,1)白化权函数的时间响应函数中的常数C,从而构建了GM(1,1)的时间响应函数的最优模型。经大量的数据模拟和与GM(1,1)对比,发现优化的GM(1,1)模型的模拟精度和预测精度均较高。     

基于样本集的区间数灰靶分类决策模型及应用

基于灰靶思想的不确定背景分类决策问题分析,本文提出了区间数灰靶分类决策模型。该模型将灰靶决策拓展到决策信息为区间数的情况,提出了区间数的靶心距测度方法;根据靶心距提出了灰靶分类决策中的靶心分类临界值设置方法;以决策对象的靶心距与临界值之间的偏差总量最小为目标,建立了指标权重和分类临界值的确定模型;依据求解的权重与分类临界值对决策对象集进行分类评价。算例分析验证了该模型的有效性和可行性,可以很好地解决决策对象众多、分类数不确定等特性的多属性分类决策问题。     

Notes on L(1,1) and L(2,1) labelings for n-cube

Suppose \(d\) is a positive integer. An \(L(d,1)\) -labeling of a simple graph \(G=(V,E)\) is a function \(f:V\rightarrow \mathbb{N }=\{0,1,2,{\ldots }\}\) such that \(|f(u)-f(v)|\ge d\) if \(d_G(u,v)=1\) ; and \(|f(u)-f(v)|\ge 1\) if \(d_G(u,v)=2\) . The span of an \(L(d,1)\) -labeling \(f\) is the absolute difference between the maximum and minimum labels. The \(L(d,1)\) -labeling number, \(\lambda _d(G)\) , is the minimum of span over all \(L(d,1)\) -labelings of \(G\) . Whittlesey et al. proved that \(\lambda _2(Q_n)\le 2^k+2^{k-q+1}-2,\) where \(n\le 2^k-q\) and \(1\le q\le k+1\) . As a consequence, \(\lambda _2(Q_n)\le 2n\) for \(n\ge 3\) . In particular, \(\lambda _2(Q_{2^k-k-1})\le 2^k-1\) . In this paper, we provide an elementary proof of this bound. Also, we study the \(L(1,1)\) -labeling number of \(Q_n\) . A lower bound on \(\lambda _1(Q_n)\) are provided and \(\lambda _1(Q_{2^k-1})\) are determined.     

基于VaR-EGARCH-GED横型的深圳股票市场波动性分析

本文应用模型EGARCH(1,1)-GED和GARCH(1,1)-N计算了深圳股票市场成份指数的日对数回报VaR值.通过后验测试和统计分析表明,对深圳成份指数的波动性分析,模型EGARCH(1,1)-GED优于GARCH(1,1)-N.在此分析结果基础上,文中进一步分析了深圳股票市场的系统性风险并提出了相关结论与政策建议.     

基于二次插值的GM(1,1)模型预测方法的改进

从理论上分析了GM(1,1)模型中背景值的计算,指出文[11]利用Newton-Cotes公式构造模型背景值的方法是不可靠的,提出用二次插值构造模型中的背景值,同时用最小二乘法对预测公式中的初值进行改进,并用改进的方法进行了短期预测.其理论分析及仿真结果均表明本文所提出的方法有效可靠,为提高预测精度提供了新的途径.     

缺失数据下ARMA(1, 1)模型的估计方法

近几十年以来,国际上在对"风险的处理和效益的优化"这两个现代金融学的中心议题的分析和处理过程中,金融时间序列的计量学模型及其相应的分析越来越起到非常重要的作用.对于线性时间序列模型如AR(p),MA(q),ARMA(p,q)等,已经为我们所熟知.具体到模型的参数估计在数据没有缺失时,也有很多经典的办法,如最小二乘法、极大似然法等.但是当数据在中间有缺失时,上述方法将无能为力.本文将详细讨论在数据有缺失时的ARMA(1,1)模型,即Zt=αZ_t-1+ε_t-βε_t-1的参数的估计方法.     

基于遗传算法优化的GM（1，1）能源预测模型研究

能源消费预测是制订能源规划的重要组成部分.鉴于能源消费系统的复杂性和非线性的特征,本文结合某省能源消费的历史数据,用灰色系统理论建立了GM(1,1)预测模型,并对其优缺点进行了分析,在此基础上引入遗传算法,对该灰色预测模型参数进行优化,从而获得更为精确的能源预测模型和预测值.实例的预测结果表明,该模型可以作为能源消费预测的有效工具.     

基于初始条件优化的GM(1,1)幂模型及其应用

针对GM（1,1）幂模型幂指数和初始条件优化问题,提出了一种基于初始条件和幂指数协同优化的方法。根据新信息优先原理,通过引入权重信息控制函数优化初始条件,表现新旧信息在初始条件构建中作用大小的变化规律,最大限度提取小样本序列中的有效信息,反应新旧信息共同对系统趋势变化的影响;以平均相对误差最小化为目标,参数间约束关系作为条件,构建非线性优化模型,实现GM（1,1）幂模型的幂指数和初始条件协同优化。最后,通过我国网络购物用户规模预测实例研究表明,优化的模型实现模型平均相对误差在理论上的最小化,其建模效果要优于其他对比模型,并将其用于2016-2020年网购用户规模预测,表明本文模型的实用性和有效性。