《基于遗传算法的我国居民消费价格指数短期灰色预测研究的论文》由会员分享，可在线阅读，更多相关《基于遗传算法的我国居民消费价格指数短期灰色预测研究的论文（4页珍藏版）》请在金锄头文库上搜索。
1、基于遗传算法的我国居民消费价格指数短期灰色预测研究的论文摘要 针对传统灰色gm(1,1)预测模型存在精度差的 问题 ，提出采用遗传算法对其进行改进。利用改进的gm(1,1)模型，根据20XX年1月至20XX年3月共27个月我国居民消费价格指数的统计资料，对20XX年1-3月消费价格指数进行了预测，与实际消费价格指数和传统gm（1，1）的 计算 结果进行比较 研究 ，结果表明改进的模型预测精度高，预测结果好，最后对未来三个月居民消费价格指数进行了预测并进行了 分析 。关键词 gm(1,1) 改进gm(1,1)模型 背景值 遗传算法我国居民消费价格指数受诸多因素的 影响 ，存在不确定性，灰色模型g
2、m(1，1)已经被 应用 于居民收入和消费预测1，拟合效果较好，但外推时预测误差一般大于拟合误差，尤其当原始序列呈现较强的波动性时，预测精度会变得很差。针对灰色预测 方法 存在的这些问题，本文将遗传算法引入到gm(1，1)模型中，提出一种新的灰色预测方法，使之具有较强的适应性。一、gm(1,1)改进模型灰色预测模型gm(grey model)包括一阶单变量的gm(1,1)模型和n 阶h个变量的gm (n, h)模型，它兼有微分方程、差分方程和指数方程的特性. 一般常用的是gm (1, 1) 模型1。在实际应用gm(1,1)模型中，模型的预测精度严重依赖于模型中的参数，当较小时，预测的精度高，反
3、之，预测精度低。为提高当较大时模型的精度时，可将背景值的计算式改为其中。与之间有非常好的线性关系，只有|趋于零时，值才趋于，因此背景值计算过程中值取为只有在特殊情况下才成立，的取值会影响预测精度，值不同，得到的预测值与真实值之间的误差也不一样，而与误差之间呈现高度的非线性，难以用解析方式表达，因而如何确定一个合理的值，对于提高预测精度非常关键。遗传算法是一种模拟生物进化的搜索全局最优解的算法，能较好的求解对于多峰、非凸、非连续、不可导及搜索空间不规则的优化问题。本文设计了遗传算法，具体步骤如下。（1）参数十进制编码设向量为优化的最优解，用以下的方法产生m个染色体，组成初始群体:，其中，是一个随
4、机数且,和分别为的上下限。（2）适应度函数的选择以 计算 中预测值与真实值之间的误差平方和最小为目标函数来求解改进gm(1,1)模型中的值，因此适应度函数选择为：。（3）交叉和变异采用单点交叉战略，对于选中的染色体，取，生成新的染色体这里u(0,1)是在0,1区间的均匀分布函数。对于选中的染色体，按以下变异算子进行变异：为染色体取值的下边界，ub为其取值的上边界，u(lb,ub)是在lb,ub区间的均匀分布函数。二、 应用 算例应用本文提出的 方法 ，20XX年1月至20XX年3月共27个月我国居民消费价格指数的统计资料为样本2建立预测模型，群体规模为80，交叉概率，变异概率，经过100代后，
5、得到最优参数=。根据建立的预测模型，对20XX年1月、2月、3月我国居民消费价格指数进行了预测，并与实际值进行了比较，作为对比，根据传统gm(1，1)法也进行了计算，结果见表1。从该表可以看出，本文算法建立的模型预测比传统gm（1，1）的精度更高，有更小的绝对误差和相对误差，预测的精度得到了明显改善。两种模型计算结果比实际值小，这是由于食品价格上涨拉动，强降雪天气和农历春节推动了食品价格的上涨，雪灾造成许多地区农产品供应短缺，包括油菜籽、肉类、蔬菜和水果，而这些因素具有突发性。对未来三个月的预测表明，居民消费价格指数环比增长放慢，这可能是由于国家宏观调控措施到位，消费者价格指数也处于控制范围内
6、，但环比增长绝对值仍然较大，我国面临通货膨胀的压力还是比较大，主要原因是 经济 保持高速平稳增长，继续拉大生产资料的需求；国际收支继续扩大、外汇占款攀升；国际国内资源品价格居高不下；货币供应和信贷增长较快；房地产价格涨势难减等。因此建议除了国家 目前 已经采取的一系列宏观调控措施外，还应确保粮食供应充足，解决涨价源头之忧。表1 20XX年1月至6月我国居民消费价格指数预测(20XX年=100)三、结论由于我国居民消费价格指数受多种不确定随机因素的 影响 ，难以定量化描述，要准确预测未来居民消费价格指数是一项极为困难的工作。本文在 分析 灰色gm（1，1）模型缺陷的基础上，用遗传算法对其进行了改进，对我国居民消费价格指数08年4-6月进行了预测，并进行了分析，结果表明该方法的正确性和有效性，在实际 问题 应用中有良好的应用前景。参考 文献 :1刘思峰郭天榜党耀国:灰色系统 理论 及其应用m第二版.北京： 科学 出版社，1999102155；2国家统计局，/
