《表5 各模型对全国发电量的预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《"基于GM(0,N)模型的三元区间数序列预测"》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

TINGM（0，2）模型对2010～2015年的全国发电量三元区间数序列的下、中、上界点的拟合值平均绝对百分比误差（MAPE）分别为1.27%，1.02%，1.18%可以看出拟合精度很好.2016～2018年的预测区间数见表5.为了比较，表5还给出了文献[14]提出的单变量的三元区间数GM（1，1）（TINGM(1，1）模型的预测结果.文献[18]将二元区间数转换为中点和半径后再建模，类似地，将三元区间数转换为重心和左右半径再建模，此转换方法记为TINCM，其结果见表5.可以看出，序列转换方法TINCM优于单变量的TINGM（1，1）模型，而TINGM（0，2）的MAPE、MSE和MSET都是3个模型中最小的，所以预测精度最高.另外，可以看出2010～2018年全国发电量呈现整体上升趋势，振荡性不大，所以不必进行马尔科夫修正.