基于灰色模型與三次樣條插值的預測研究

楊程　鄭蘭香　李春光

摘要：選擇灰色模型和三次樣條插值相結合，對3個不同領域的非等時距數據樣本進行了預測。結果表明，該算法能夠較為準確地對非等時距樣本進行預測，且簡單易行，預測值精度高于文獻算法。在工程實際中，該算法更加實用，并能夠應用于多種工程領域。

關鍵詞：非等時距；灰色模型；三次樣條插值；模型精度

中圖分類號：TU12 文獻標識碼：A 文章編號：0439-8114（2015）22-5729-03

Abstract： A combination forecasting algorithm based on gray model and cubic spline interpolation was proposed.Using this method to predict the data samples from non-isochronous， they belong to three different fields. The results show that： the proposed algorithm can more accurately predict the samples from non-equal interval， and simple， the accuracy of the predicted values are also higher than the literature. In the project， the proposed algorithm is more practical， and can be used in a variety of engineering fields.

Key words： non-equal interval； gray model； cubic spline interpolation； accuracy of the model

20世紀80年代，鄧聚龍提出灰色系統理論，該理論是一種研究少數據、貧信息和不確定性問題的新方法[1]，已被廣泛應用于工程控制、社會生態、管理、農業等領域的評價中。經典的GM（1，1）模型是以等時距序列為基礎的，但在實際中，監測得到的樣本是非等時距的。在利用灰色模型對其進行預測研究時，主要有兩種思路：①對灰色模型進行改進，構造非等時距的灰色模型[2-7]；②采用插值方法對非等時距樣本進行處理，然后利用灰色模型進行預測研究。本研究選擇三次樣條插值算法與非等時距灰色模型結合，對非等時距樣本進行預測，并與實測值和文獻采用的方法進行對比分析。

1 數學模型

1.1 采用三次樣條插值算法處理原始樣本

樣條插值可以使用低階多項式，避免了使用高階多項式所出現的龍格現象。三次樣條插值（簡稱Spline插值）是通過一系列形值點的一條光滑曲線，在數學上是通過求解三彎矩方程組得出曲線函數組的過程。三次樣條插值具有二階光滑度，在工程上應用比較廣泛。其具體定義如下：函數S（x）∈C2[a，b]，在每個小區間[xj，xj+1]是三次多項式，其中a=x0

采用三次樣條插值算法，對非等時距樣本進行處理即選擇合適的時間間隔，采用三次樣條插值算法，將原始樣本處理為等時距的樣本。由于該算法的收斂性和誤差估計有著嚴格的理論依據，故將處理后的樣本作為新的原始樣本而產生的誤差，對預測計算精度的影響是可控的。

1.2 級比檢驗

1.3 GM（1，1）建模

模型精度p越大預測精度越高，后驗差比值C越小預測誤差的離散型越小。一般根據p和C，將預測精度分為4級，如表1所示。

3 實例驗證

3.1 實例一

文獻[5]對某防洪大堤施工階段部分沉降數據進行了預測。本研究利用該數據，采用文中提出的簡單組合算法進行預測，并與文獻算法結果進行對比分析，結果如表2所示。

由表2可知，與文獻算法預測值相比，本研究算法的模型精度為0.985 4，后殘差比值為0.000 3。該模型精度為1級，并且預測值的平均相對誤差也較小。

3.2 實例二

文獻[7]構造非等時距加權灰色模型與神經網絡組合算法，對軌道不平順進行預測研究。根據文獻實測數據，采用本研究算法對其預測，與實測值和文獻[7]預測結果進行對比分析，結果如表3所示。

由表3可知，與文獻算法預測值相比，本研究算法的模型精度為0.983，后殘差比值為0.147 4。該模型精度為1級，并且預測值的平均相對誤差也較小。

3.3 實例三

文獻[10]采用4種算法進行預測、對比，其中支持向量回歸機（SVR）算法的模擬、預測精度最高，其次是BP神經網絡算法。采用本研究構造的算法對樣本進行模擬，并將預測值與文獻[10]中兩種算法的預測值進行對比，結果如表4所示。

由表4可知，本研究算法計算的平均相對誤差最小。SVR算法的預測值的p=0.98，C=0.0918；BP算法的預測值的p=0.97，C=0.1019；本研究算法的預測值的p=0.99，C=0.0492。該模型精度為1級。

4 小結

對工程中采用非等時距樣本進行高效的預測是非常重要的。本研究對其預測的數學模型進行了研究，考慮到工程中需要簡單易行、精度高的算法，提出基于傳統灰色模型和三次樣條插值的組合算法，對3個不同領域的非等時距的數據樣本進行預測，并將結果與實測值和文獻算法得到的預測值進行對比分析。結果表明，本研究提出的組合算法簡單易行，模型精度為1級，算法預測值的精度高于文獻中的算法。故對于工程而言，本研究算法更實用，且能應用于多種領域。

參考文獻：

[1] 陳 榕，鐘林志，趙 超，等.基于改進灰色模型的建筑能耗預測研究[J].福州大學學報（自然科學版），2013，41（5）：903-908.

[2] 劉金英.灰色預測理論與評價方法在水環境中的應用研究[D].長春：吉林大學，2004.

[3] 曲建軍，高 亮，張新奎，等.基于灰色GM（1，1）非等時距修正模型的軌道質量預測[J].中國鐵道科學，2009，30（3）：5-8.

[4] 曾祥艷，曾 玲.非等間距GM（1，1）模型的改進與應用[J].數學的實踐與認知，2011，41（2）：90-95.

[5] 韓 晉，楊 岳，陳 峰，等.基于非等時距加權灰色模型與神經網絡的組合預測算法[J].應用數學和力學，2013，34（4）：408-419.

[6] 曾鼎文，吳浩中.優化的非等時距灰色模型在湖南高速公路路基沉降預測中的應用[J].公路工程，2013，38（4）：269-272.

[7] 韓 晉，楊 岳，陳 峰，等.基于非等時距加權灰色模型與神經網絡的軌道不平順預測[J].鐵道學報，2014，36（1）：81-87.

[8] 曹 彥，譚永杰，周 馳.灰色模型和最小二乘支持向量機在短期負荷組合預測中的應用[J].許昌學院學報，2013，32（5）：32-37.

[9] 孫麗軍，楊家冕.非等時距灰色模型在地壓災害預測研究中的應用[J].金屬礦山，2011（10）：51-54.

[10] 武國正.支持向量機在湖泊富營養化評價及水質預測中的應用研究[D].呼和浩特：內蒙古農業大學，2008.

（責任編輯 屠 晶）