蘇術(shù)鋒，潘坤友

（鹽城工學(xué)院 管理學(xué)院，江蘇 鹽城 200052）

0 引言

科學(xué)技術(shù)是“第一生產(chǎn)力”。技術(shù)創(chuàng)新是促進(jìn)生產(chǎn)力發(fā)展的第一要素。國(guó)內(nèi)外，無論是學(xué)術(shù)者，還是實(shí)際工作者，都十分重視技術(shù)創(chuàng)新的學(xué)術(shù)與應(yīng)用的研究。因此，本文擬用灰色系統(tǒng)模型研究技術(shù)創(chuàng)新問題。

我國(guó)學(xué)者鄧聚龍教授首先創(chuàng)建了灰色系統(tǒng)學(xué)說，特別是GM(1,1)模型，在“小樣本，貧信息”的不確定系統(tǒng)下，成功地應(yīng)用到經(jīng)濟(jì)管理的各種問題中[1]。GM(1,1)模型問世以來，由于其應(yīng)用廣泛，一直是國(guó)內(nèi)學(xué)者研究的熱點(diǎn)。不少學(xué)者尋找各種方法，對(duì)GM(1,1)模型進(jìn)行改進(jìn)，以提高其擬合精度和預(yù)測(cè)精度。文獻(xiàn)[2,3]改進(jìn)初始值，提高模型的精度；劉思峰（1991）提出緩沖算子概念后，文獻(xiàn)[4,5]在強(qiáng)化或弱化算子方面作了深入的研究；譚冠軍（2000）提出背景值構(gòu)造方法，近年來，背景值構(gòu)造方法研究十分活躍[6,7]；周偉、姚天祥、謝乃明等對(duì)GM(1,1)模型進(jìn)行開拓性研究[8-10]。以上模型對(duì)不同時(shí)期數(shù)據(jù)采用等權(quán)累加，文獻(xiàn)[11]提出了加權(quán)累加生成模型；文獻(xiàn)[12]采用粒子算法，提出了變權(quán)累加生成模型。但其ρ(i)相對(duì)x(i)是不變的，所以仍然是加權(quán)問題。加權(quán)累加僅僅只能提供算子權(quán)重功能，不具備算子累加功能。文獻(xiàn)[13]提出了分?jǐn)?shù)階累加GM(1,1)模型，但在其證明AGO表達(dá)式時(shí)，用矩陣方法從整數(shù)視角證明AGO表達(dá)式，然后將其擴(kuò)展到分?jǐn)?shù)形式。因?yàn)榫仃嚨膬绮荒転榉謹(jǐn)?shù)，所以這種從特殊到一般的證明方法是不正確的。文獻(xiàn)[14]的AGO表達(dá)式中含有組合論表達(dá)式，因?yàn)榻M合論未研究分?jǐn)?shù)組合問題，所以這對(duì)于分?jǐn)?shù)階AGO中的證明是不成立的。針對(duì)以上模型的不足，本文提出兼有累加和權(quán)重功能的變權(quán)1-AGOGM(1,1,λ)模型。它通過自定義變權(quán)函數(shù)，AGO表達(dá)式無需數(shù)學(xué)證明。

1 變權(quán)一次累加生成算子的定義與性質(zhì)

GM(1,1)模型的原始形式：

定義1：非加權(quán)累加生成算子

定義2：加權(quán)累加生成算子

其中，權(quán)重ρ(i)相對(duì)x(0)(i)是不變的。

定義3：變權(quán)累加生成算子

其中，λ稱為變權(quán)因子；權(quán)重ρ(i,k,λ)在不同k條件下，相對(duì)x(0)(i)是變化的。

定理1：加權(quán)或變權(quán)算子對(duì)于式（1）不成立。

證明：

（1）當(dāng)ρ為加權(quán)時(shí)，ρ是i的函數(shù)，即ρ(i)

當(dāng)非加權(quán)時(shí)，對(duì)于式（1）來說，恒有x(1)(k)-x(1)(k-1)=x(0)(k),k=2,3,…,n

當(dāng)加權(quán)時(shí)，得：

因?yàn)槭羌訖?quán)，所以ρ(k)不可能全部等于0或1，所以由式(5)可知：

（2）若ρ(i,k,λ)是變權(quán)，則：ρ是i,k,λ的函數(shù)，即ρ(i,k,λ)

由于ρ(i,k,λ)是自定義函數(shù)，可以定義ρ(i,k,λ)＞0且是k的增函數(shù)。

證畢。

定理2：加權(quán)或變權(quán)算子與原序列規(guī)律不一致性。

證明：假如有一等比算子X(0)=(aq,aq2,aq3,…,aqn)

若一變權(quán)ρ=(λ1,λ2,…,λn)，必有λ1,λ2,…,λn不全部為0或1。

由于λ1,λ2,…,λn不能全部為0或1。所以式(7)就不是等比算子。

證畢。

從定理2中可知，通過加權(quán)或變權(quán)，可以對(duì)原序列進(jìn)行修正，使新算子更符合某種數(shù)列規(guī)律。同時(shí)也可以對(duì)原序列中某個(gè)偏差較大的數(shù)進(jìn)行修正。

定義4：設(shè)X(0)=(x(0)(1),x(0)(1),…,x(0)(n)，X(1)=(x(1)(1),x(1)(1),…,x(1)(n)是X(0)的加權(quán)或變權(quán)AGO，則

為GM(1,1,λ)模型的原始形式。

1.我們?yōu)榱嘶蠲詵|西，為了保命又不敢吃東西；2.交話費(fèi)的時(shí)候，才發(fā)現(xiàn)自己的廢話那么值錢；3.世界上最遙遠(yuǎn)的距離，就是星期一上午到星期五下午；4.婚姻是愛情的墳?zāi)?，更可悲的是，小三還要來盜墓。

（1）若是加權(quán)，由式（1）和式（8）可得：

如果是非加權(quán)累計(jì)算子，則ρ(k)=1，則式（9）就為式（1）。因此，加權(quán)累加算子是原型是非加權(quán)累加算子的一般形式。

（2）若是變權(quán)，由式（1）和式（8）可得：

從式（10）可知，變權(quán)又是加權(quán)的一般形式。

由式（6）可得變權(quán)1-IAGO公式：

2 變權(quán)一次累加生成GM(1,1,λ)模型[11]

2.1 變權(quán)GM(1,1,λ)模型基本形式

定義5：設(shè)原始非負(fù)序列為X(0)=(x(0)(1),x(0)(2),…,x(0)(n)，其變權(quán)累加生成算子為，其中ρ(i,k,λ)是變權(quán)函數(shù)，其中，λ為變權(quán)因子。則稱：

為GM(1,1,λ)模型的基本形式。

其中：

用最小二乘法估計(jì)式（11）參數(shù)，得：

其中：

2.2 變權(quán)GM(1,1,λ)白化方程

由式（11）可得白化方程：

故上式的解：

考慮初始條件對(duì)式（13）影響，假設(shè)：

用最小二乘法對(duì)式（14）參數(shù)估計(jì)，則：

其中：

2.3 變權(quán)1-IAGO公式

3 應(yīng)用

取某省技術(shù)創(chuàng)新2010—1015年相關(guān)數(shù)據(jù)，對(duì)上述模型進(jìn)行實(shí)證。

3.1 變權(quán)函數(shù)[13]

自定義變權(quán)函數(shù)為：

3.2 數(shù)據(jù)擬合與λ模型選擇

利用2010—2015年科研成果數(shù)據(jù)，選擇不同的λ值，得不同λ值下本模型的預(yù)測(cè)值和MAPE值，如表1所示。

表1 某省科研成果量（項(xiàng)）

從表1知λ=0.9時(shí)，MAPE=4.6206%值最小，所以選λ=0.9時(shí)模型進(jìn)行預(yù)測(cè)。

利用2010—2015年三種專利授權(quán)量，選擇不同的λ值，由模型預(yù)測(cè)出各年的預(yù)測(cè)值并得到不同模型的MAPE值，如表2所示。

表2 某省三種專利授權(quán)量（件）

從表2中可知，MAPE=2.34554%最小，故取λ=0.6時(shí)模型進(jìn)行預(yù)測(cè)。

利用2010—2015年大中型工業(yè)企業(yè)新產(chǎn)品銷售收入，選擇不同的λ值，由模型預(yù)測(cè)出各年的預(yù)測(cè)值并得到不同模型的MAPE值，如表3所示。

表3 某省大中型工業(yè)企業(yè)新產(chǎn)品銷售收入（億元）

從表3可以看出，λ=1.7,MAPE值最小，但這里取的舊數(shù)據(jù)權(quán)重較大，不符合新信息優(yōu)先原則。本例中，λ越大,MAPE值就會(huì)增大。綜合考慮，取λ=1時(shí)模型預(yù)測(cè)。

利用2010—2015年高新技術(shù)產(chǎn)業(yè)產(chǎn)值，選擇不同的λ值，由模型預(yù)測(cè)出各年的預(yù)測(cè)值并得到不同模型的MAPE值，如表4所示。

表4 某省高新技術(shù)產(chǎn)業(yè)產(chǎn)值（億元）

從表4中可知λ=1,MAPE=3.3135%,MAPE值最??；在新數(shù)據(jù)中，λ=0.4,MAPE=3.6964%，其值與最小值相差較小?？紤]新信息優(yōu)先原則和MAPE值大小，在此選擇λ=0.4時(shí)模型預(yù)測(cè)比較合理。

3.3 未來三年預(yù)測(cè)

由表1可知取λ=0.9時(shí)，根據(jù)2010—2015年數(shù)據(jù)可預(yù)測(cè)未來三年科研成果量，如表5所示。

表5 某省科研成果量預(yù)測(cè)(項(xiàng))

從表5可知，2010—2015年實(shí)際值數(shù)據(jù)波動(dòng)很大，增長(zhǎng)率6%～55%，顯然序列不符合平滑性和準(zhǔn)指數(shù)關(guān)系，但取λ=0.9（見表1），經(jīng)過變權(quán)因子的調(diào)整，使其預(yù)測(cè)增長(zhǎng)率趨于平穩(wěn)，并保持11%左右合理的增長(zhǎng)率。

由表2可知取λ=0.6時(shí)，根據(jù)2010—2015年數(shù)據(jù)可預(yù)測(cè)未來三年專利授權(quán)量，如表6所示。

表6 某省三種專利授權(quán)量預(yù)測(cè)（件）

從表6可知，2010—2015年三種專利增長(zhǎng)45%左右，一度達(dá)到96%，但取λ=0.6（見表2），經(jīng)過變權(quán)因子的調(diào)整，使其預(yù)測(cè)增長(zhǎng)平穩(wěn)保持在35%左右，與前六年增長(zhǎng)率相比，更合理、更平穩(wěn)。

由表3可知取λ=1時(shí)，根據(jù)2010—2015年數(shù)據(jù)可預(yù)測(cè)未來三年大中型工業(yè)企業(yè)新產(chǎn)品銷售收入，如表7所示。

從表7知，2010—2015年增長(zhǎng)率實(shí)際值數(shù)據(jù)波動(dòng)很大，增長(zhǎng)率從11%～47%,但選用λ=1（見表3）,以及采用新數(shù)據(jù)優(yōu)先的新成代謝法，最后預(yù)測(cè)結(jié)果平穩(wěn)增長(zhǎng)在28%左右，這是比較合理的。

表7 某省大中型工業(yè)企業(yè)新產(chǎn)品銷售收入預(yù)測(cè)（億元）

由表4可知λ=0.4時(shí)，根據(jù)2010—2015年數(shù)據(jù)可預(yù)測(cè)未來三年高新技術(shù)產(chǎn)業(yè)產(chǎn)值，如表8所示。

表8 某省高新技術(shù)產(chǎn)業(yè)產(chǎn)值（億元）預(yù)測(cè)

從表8可知，2010—2015年增長(zhǎng)還是有一些波動(dòng)，從2013年38%,分別下降到2014年的26%和2015年17%。在MAPE允許范圍內(nèi)，考慮新數(shù)據(jù)優(yōu)先，取λ=0.4（見表4），經(jīng)過變權(quán)因子的調(diào)整，使其預(yù)測(cè)增長(zhǎng)率平穩(wěn)保持在19%左右，與前六年增長(zhǎng)率相比，更合理、更平穩(wěn)。

4 結(jié)束語(yǔ)

（1）變權(quán)GM(1,1,λ)模型是GM(1,1)一般形式?；贛APE視角GM(1,1,λ)模型是否比GM(1,1)優(yōu)越，取決于其處理的數(shù)據(jù)。通過選擇λ值，可以找到MAPE最小值。

（2）通過MATLAB計(jì)算可以發(fā)現(xiàn)，取λ小一點(diǎn)的值，最后一個(gè)擬合值與最后一個(gè)實(shí)際值誤差就??；反之，就大。這也說明應(yīng)選擇λ小一點(diǎn)的值，確保預(yù)測(cè)值合理與準(zhǔn)確。

（3）最小值的MAPE模型，其預(yù)測(cè)結(jié)果未必合理與準(zhǔn)確。因此，選擇預(yù)測(cè)模型應(yīng)從MAPE和新數(shù)據(jù)優(yōu)先二方面綜合考慮。在MAPE允許范圍中，盡可能選擇較小一點(diǎn)的λ值，加大新數(shù)據(jù)權(quán)重，以保證預(yù)測(cè)的合理性與準(zhǔn)確性。

[1]鄧聚龍.灰色系統(tǒng)理論教程[M].武漢:華中科技大學(xué)出版，1992.

[2]黨耀國(guó).x(1)(n)為初值條件的GM模型[J].中國(guó)管理科學(xué),2003,13(1).

[3]Wang Y H,Dang Y G,et al.An Approach to Increase Prediction of GM(1,1)Model Based on Optimization of the Initial Condition[J].Expert Syst Appl 2010,37(8).

[4]Liu S F.The Three Axioms of Buffer Operator and Their Application[J].The Journal of Grey System,1991,(3).

[5]王正新,黨耀國(guó),劉思峰.變權(quán)緩沖算子及其作用強(qiáng)度的研究[J].控制與決策,2009,(8).

[6]譚冠軍.GM(1,1)模型的背景值構(gòu)造方法和應(yīng)用(Ⅰ)[J].系統(tǒng)工程理論與實(shí)踐,2000,(4).

[7]李星毅，李奎等.背景值優(yōu)化的GM(1,1)預(yù)測(cè)模型及應(yīng)用[J].電子科技大學(xué)學(xué)報(bào)，2011，40(6).

[8]周偉，方志耕，劉思峰.基于級(jí)比優(yōu)化的廣義GM(1,1)預(yù)測(cè)模型[J].系統(tǒng)理論與實(shí)踐,2010,(8).

[9]姚天祥,劉思峰.離散GM(1,l)模型的特性與優(yōu)化[J].系統(tǒng)工程理論與實(shí)踐,2009,29(3).

[10]Xie N M,Liu S F.Discrete Grey Forecasting Model and Its Optimization[J].Applied Mathematical Modeling,2009,(33).

[11]錢吳永，黨耀國(guó)，王葉梅.加權(quán)累加生成的GM(1,1)模型研究及其應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2009,39(15).

[12]喬正明.基于粒子算法的變權(quán)累加生成的GM(1,1)模型[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2011,41(1).

[13]Wu L F,Liu S F.Grey System Model With the Fractional Order Accumlation[J].Commun Nonlinear Sci Numer Simulat,2013,(18).

[14]Xiao X P,Guo H,Mao S H.The Modeling Mechanism,Extension and Optimization of Grey GM(1,1)Model[J].Applied Mathematical Modelling,2013,(38)