孫智剛　梁衛(wèi)波

[摘要]針對射頻信號自動識別（RFID）技術發(fā)展受多種因素影響，變化趨勢復雜，難以通過建立準確的數(shù)學模型進行預測的問題，本文提出了灰色動態(tài)模型對射頻信號自動識別（RFID）技術發(fā)展趨勢進行預測，在此基礎上構造了灰色神經(jīng)網(wǎng)絡組合預測模型。該模型避免了變權組合預測模型的主觀與繁瑣，能有效地將灰色預測弱化數(shù)據(jù)序列波動性的優(yōu)點和神經(jīng)網(wǎng)絡較強的非線性適應能力相融合。算例結果表明該方法的可行性和有效性，預測精度也得到了改善。

[關鍵詞]射頻信號自動識別技術灰色系統(tǒng)組合預測神經(jīng)網(wǎng)絡

一、 導言

射頻識別（Radio Frequency Identification，RFID），又稱電子標簽（E-Tag），是一種非接觸式的自動識別技術，它通過射頻信號自動識別目標對象并獲取相關數(shù)據(jù)信息[1]，可工作于各種惡劣環(huán)境,識別高速運動物體并同時識別多個標簽，操作快捷方便。

隨著技術的進步，RFID應用領域日益擴大，現(xiàn)已涉及到人們日常生活的各個方面，并將成為未來信息社會建設的一項基礎技術。RFID典型應用包括：在物流領域用于倉庫管理、生產線自動化、日用品銷售；在交通運輸領域用于集裝箱與包裹管理、高速公路收費與停車收費；在農牧漁業(yè)用于羊群、魚類、水果等的管理以及寵物、野生動物跟蹤；在醫(yī)療行業(yè)用于藥品生產、病人看護、醫(yī)療垃圾跟蹤；在制造業(yè)用于零部件與庫存的可視化管理；RFID還可以應用于圖書與文檔管理、門禁管理、定位與物體跟蹤、環(huán)境感知和支票防偽等多種應用領域。

目前，RFID已成為IT 業(yè)界的研究熱點，被視為IT 業(yè)的下一個“金礦”。各大軟硬件廠商，包括IBM、Motorola、Philips、TI、Microsoft、Oracle、Sun、BEA、SAP 等在內的各家企業(yè)都對RFID 技術及其應用表現(xiàn)出了濃厚的興趣，相繼投入大量研發(fā)經(jīng)費，推出了各自的軟件或硬件產品及系統(tǒng)應用解決方案。在應用領域，以Wal-Mart、UPS、Gillette 等為代表的大批企業(yè)已經(jīng)開始準備采用RFID技術對業(yè)務系統(tǒng)進行改造，以提高企業(yè)的工作效率并為客戶提供各種增值服務。

在本文應本文在分析了射頻信號自動識別（RFID）技術發(fā)展應該考慮的主要因素的基礎上，分別采用灰色系統(tǒng)、多元回歸建立單項預測模型。根據(jù)組合預測理論建立用射頻信號自動識別（RFID）技術發(fā)展趨勢的組合預測模型，運用組合預測模型對社會的射頻信號自動識別（RFID）技術發(fā)展趨勢進行了預測。從而對RFID技術的發(fā)展趨勢的判斷更具科學性和合理性。

二、 灰色預測原理及模型

灰色系統(tǒng)理論是中國學者鄧聚龍教授于20世紀80年代創(chuàng)立的，灰色系統(tǒng)理論和方法的核心是灰色模型，灰色模型是以灰色生成函數(shù)概念為基礎，以微分擬合為核心的建模方法。一切隨機量都是在一定范圍內、一定時間段上變化的灰色量和灰過程，對于灰色量的處理不是尋求它的統(tǒng)計規(guī)律和概率分布，而是將雜亂無章的原始數(shù)據(jù)序列通過一定的處理方法弱化波動性，使之變?yōu)楸容^有規(guī)律的時間序列數(shù)據(jù)，再建立用微分方程描述的模型。本文采用了GM(I，1)、DGM(2，1)和Verhulst三種灰色模型分別對射頻信號自動識別（RFID）技術發(fā)展趨勢進行建模預測。

1.灰色GM(1，1)預測模型

GM(1，1)是單序列一階線性模型，GM(1,1)模型的本質是通過對原始數(shù)據(jù)序列的累加生成，弱化隨機擾動因素的影響，發(fā)現(xiàn)其指數(shù)增長規(guī)律，然后用指數(shù)曲線進行模擬,用微分方程來逼近擬合。設原始數(shù)據(jù)序列:*MERGEFORMAT(1)

X(0)(k)≥0，k=1，2，…n。經(jīng)過一階累加 (1-AGO) 生成序列:

x(1)=[x(1)（1）x(1)（2），…x(1)（n）]*MERGEFORMAT(2)，其中，

，k=1，2，…，n.

灰微分方程x(0)(k)+az(1)(k)=u的白化方程為:則

z(1)為x(1)的緊鄰均值生成序列，z(1)(k)=0.5x(1)(k)+0.5x(1)(k+1)，k=2,3,…n.得累加序列的預測方程：

*MERGEFORMAT(3)（k=0,1,2,…）對此式再做累減還原，得原始數(shù)列x(0)的灰色預測方程：

*MERGEFORMAT(4),（k=0,1,2,…）

則電力負荷預測的預測序列為：

2.灰色DGM(2，1)預測模型

DGM(2，1)是單序列二階線性模型，用微分方程來逼近擬合．設原始負荷序列（1）式，做一階累加生成得序列（2）式，建立微分方程： 用最小二乘法求解系數(shù)向量： ，其中

解式得離散形式的解序列 其中，

經(jīng)一階累減還原得： *MERGEFORMAT(6),k=0,1,2,…,m-1，則射頻信號自動識別（RFID）技術發(fā)展趨勢的預測序列為

3.灰色Verhulst預測模型

Verhulst灰色模型是在Verhulst所建立的模型上發(fā)展而來的一個非線性微分模型．設初始射頻信號自動識別（RFID）技術發(fā)展趨勢序列為（1）式，直接建立Verhulst模型：

*MERGEFORMAT(7)式中：λ=[a,u]T為系數(shù)向量；u(X(0))2為競爭相，求解：，其中

其離散形式為： *MERGEFORMAT(8),k=1,2,…,m-1，

則射頻信號自動識別（RFID）技術發(fā)展趨勢的預測序列為

三、灰色神經(jīng)網(wǎng)絡（GNN）組合預測模型

每一種模型都包含了一定的樣本信息，任何單個模型都難以全面地反映變量的變化規(guī)律．如果對多種預測模型進行有機組合，它就能夠十分有效地利用多種有用信息，全面地反映系統(tǒng)的變化規(guī)律，減少隨機性，提高預測精度。文獻[5, 11]采用MV變權組合，標準差法等對不同的預測模型給以相應的權系數(shù)，但是這種權重的分配目前缺少統(tǒng)一的標準，需要由預測領域的專家通過經(jīng)驗和測評得出，比較復雜。本文采用的灰色神經(jīng)網(wǎng)絡組合預測方法將灰色GM (1，1)、DGM(2，1)和Verhulst模型所得到的預測值結果作為神經(jīng)網(wǎng)絡的輸入，生成灰色神經(jīng)網(wǎng)絡組合預測模型(GNN)，這樣既減少了賦權的主觀性與計算的繁瑣性，又發(fā)揮神經(jīng)網(wǎng)絡較強的非線性映射能力，通過反復學習自動調節(jié)自身參數(shù)，最終輸出比較滿意的預測結果。

圖1灰色神經(jīng)網(wǎng)絡組合預測結構圖

灰色神經(jīng)網(wǎng)絡組合預測模型采用典型的三層網(wǎng)絡結構，即輸入層，把灰色GM (1，1)、DGM(2，1)和Verhulst模型所得到的預測值作為輸入、隱含層，采用一個隱含層，傳遞函數(shù)為S型函數(shù)和輸出層，輸出GNN組合預測值，模型結構見圖1。

我們選擇與預測值最近的n個已知值作為樣本,即把最近的n個已知值作為輸出,采用不同的灰色模型對這n個已知值分別進行預測,其預測值即為神經(jīng)網(wǎng)絡的輸入,由此對神經(jīng)網(wǎng)絡進行訓練。對于訓練好的神經(jīng)網(wǎng)絡,當輸入端為各種灰色模型的預測值時,其輸出即為用神經(jīng)網(wǎng)絡組合后的預測值。

四、算例分析

利用上述基于灰色理論與神經(jīng)網(wǎng)絡的射頻信號自動識別（RFID）技術發(fā)展趨勢預測方法，對射頻信號自動識別（RFID）技術發(fā)展趨勢進行了研究，通過對某市射頻信號自動識別（RFID）技術用戶數(shù)量調研，構建相關數(shù)據(jù)。雖然我國起步晚，但由于我國政府對其給予了高度關注，并且實施了一系列措施：國家科技部聯(lián)合十五部委共同編寫的《中國射頻識別（RFID）技術政策白皮書》于2006年6月9日正式發(fā)布；科技部863計劃先進制造技術領域辦公室于2006年10月1日正式發(fā)布《國家高科技研究發(fā)展計劃（863計劃）先進制造技術領域“射頻識別（RFID）技術與應用”重大項目2006年度課題申請指南》。使得射頻信號自動識別（RFID）技術發(fā)展趨勢也具有我國自身特色的變化特征，圖2是射頻信號自動識別（RFID）技術發(fā)展趨勢預測曲線。

圖2某市射頻信號自動識別（RFID）技術發(fā)展趨勢曲線圖

對射頻信號自動識別（RFID）技術發(fā)展趨勢進行了預測，并與單一的灰色預測模型進行對比，預測結果和相對誤差見表1。

表 1射頻信號自動識別（RFID）技術發(fā)展趨勢預測結果與相對誤差對照表

從上面的算例分析中可以看出基于組合的灰色神經(jīng)網(wǎng)絡預測模型的平均相對誤差小于各種單一的灰色預測模型的平均相對誤差，而且該組合預測模型的最大相對誤差（0.114458176模型的最大相對誤差值GM(1,1)是4.889%，DGM(2,1)是2.981%，Verhulst是1.172%，算例結果表明組合預測結果要優(yōu)于個單一預測結果。

五、結語

本文采用灰色神經(jīng)網(wǎng)絡組合預測模型，有效地利用了灰色理論弱化數(shù)據(jù)序列波動性的特點和人工神經(jīng)網(wǎng)絡具有逼近任意函數(shù)的能力，可以精確地實現(xiàn)對具有任意變化規(guī)律的數(shù)據(jù)序列的擬和和預測，因此，組合灰色神經(jīng)網(wǎng)絡模型較好地結合了人工神經(jīng)網(wǎng)絡和灰色預測方法的優(yōu)點，有利于提高射頻信號自動識別（RFID）技術發(fā)展趨勢預測的精度。由于諸多環(huán)境因素以及經(jīng)濟發(fā)展趨勢的影響，射頻信號自動識別（RFID）技術發(fā)展趨勢還有很多不確定性，考慮經(jīng)濟環(huán)境因素是下一步的研究方向。

參考文獻：

[1]陳新河.無線射頻識別(RFID)技術發(fā)展綜述[J].信息技術與標準化，2005，（7）：20－24

[2]鄭合.RFID孕育零售業(yè)革命[J].現(xiàn)代物流報，2005.7.18,（02）：1

[3]陳新河.無線射頻識別(RFID)技術發(fā)展綜述[J].信息技術與標準化，2005，（7）：20－24

[4]X.G.Gao,Z.Xiang,H.Wang.An approach to security and privacy of RFID system for supply chain[J]. E-Commerce Technology for Dynamic E-Business, 2004, 164-168

[5]鄧聚龍．灰預測與灰決策[M]．武漢：華中科技大學出版社，2000

[6]飛思科技產品研發(fā)中心．神經(jīng)網(wǎng)絡理論與MATLAB7實現(xiàn)[M]．北京 ：電子工業(yè)出版社 ，2005