摘要
灰色系統理論中的GM(1, 1)預測模型，藉由少數數據資料即可進行預測的特性，已成功被廣泛應用於各研究領域中。然而，從GM(1, 1)預測模型中，仍有多處疑問可探討：(1)GM(1, 1)適合於那些特定的資料型態？(2)GM(1, 1)中的一階線性微分方程式屬於收斂型式，有異於累加生成(AGO)空間遞增數據之假設。(3)在GM(1, 1)預測模型運算中，多次逆累加生成(IAGO)不恰當之運算將造成誤差增加。本研究為改善上述問題，嘗試提供一修正模型，並結合指數平滑法，以台電1997年至2003年電量需求預測為例進行驗證，再與原灰預測GM(1, 1)模型進行比較。結果顯示，本研究所提的改良式預測模型確實能大幅降低絕對誤差，大幅增加預測精準度。
被引用紀錄
許毅冠（2014）。太陽光電系統發電量預測模型之實作〔碩士論文，國立臺北科技大學〕。華藝線上圖書館。https://doi.org/10.6841/NTUT.2014.00104
江謝宇烜（2016）。建構以銑削尺寸為依據之灰色刀具壽命預警系統〔碩士論文，中原大學〕。華藝線上圖書館。https://doi.org/10.6840/cycu201600740
吳瑄娟（2014）。台灣金融控股公司經營績效評估－DEA與灰預測法之應用〔碩士論文，長榮大學〕。華藝線上圖書館。https://doi.org/10.6833/CJCU.2014.00105
黃桂芳（2015）。運用 Savitzky-Golay 濾波法改良灰色模型預測精度〔碩士論文，義守大學〕。華藝線上圖書館。https://doi.org/10.6343/ISU.2015.00055
杜昱音（2016）。大陸旅客對臺灣觀光需求之預測－以SARIMA模型、灰色理論與倒傳遞類神經網路模型為例〔碩士論文，國立臺灣大學〕。華藝線上圖書館。https://doi.org/10.6342/NTU201602519
延伸閱讀
- 余浚銘（2006）。以電力品質調整器改善電力品質之分析與模擬〔碩士論文，中原大學〕。華藝線上圖書館。https://doi.org/10.6840/cycu200600278
- 蘇信銘、韓奇勳、葉柏青、林郁景（2014）。電池管理系統之動力電池狀態分析及改良型電池平衡演算法之開發。明新學報，40(1)，35-43。https://www.airitilibrary.com/Article/Detail?DocID=1728760X-201402-201404210012-201404210012-35-43
- 姚天祥、劉思峰（2008）。基於不動點的新資訊GM(1,1)模型。管理科學與統計決策，5(2)，52-58。https://doi.org/10.6704/JMSSD.2008.5.2.52
- 張簡士琨、葉鎮愷、林金桂、溫坤禮（2008）。灰色GM(1,1)模型與灰色馬可夫模型於電力負載之研究。建國科大學報，27(2)，113-131。https://doi.org/10.6995/JCTU.200801.0113
- 陳建成（2009）。以田口方法分析GM(1,1)預測之參數最佳化〔碩士論文，健行科技大學〕。華藝線上圖書館。https://www.airitilibrary.com/Article/Detail?DocID=U0022-1307200916425500