苏先娜, 谢富纪
针对以前文献加权WGM(1,1)模型人工赋权, 由于序列x(0)(n)后的权重未知, 从而导致无法还原x(0)(n)以后的预测值的问题,本文提出了线性函数γ+δi 赋权. 本文首先证明了WGM(1,1) 模型的基本形式;第二, 基于WGM(1,1)模型的基本形式, 用最小二乘法估计其参数γ,δ,a,b, 构建了线性加权WGM(1,1) 模型;第三, 为对比分析, 又构建了加权改进WIGM(1,1)模型;第四, 通过技术创新实例对所构模型进行实证. 其结果表明, WGM(1,1) 模型能减少序列平均相对百分比误差(MAPE). 若经过WGM(1,1)模型拟合后, 仍有较大的MAPE值, 这时还可以用WIGM(1,1) 模型再拟合, 以进一步减少MAPE值;最后, 从理论与实证上, 论述了WGM(1,1)和WIGM(1,1) 模型的有效性及最佳使用条件.