论文部分内容阅读
软件信息技术服务行业作为一个先导性产业,在很大程度上引领和支撑着当前社会的发展和进步。但由于软件信息技术服务行业竞争非常激烈,行业规模的增长呈现出爆炸性趋势,海量数据的出现使得政府部门陷入了“海量数据,微量信息”的窘迫境地。为深入研究软件信息服务行业,从庞大的历史数据中挖掘出有用信息,保证政府部门及时掌握行业内部的各指标运营情况,对未来发展趋势进行预测并做出正确决策显得尤为重要。本文基于上述问题,在对预测科学深入探讨和研究的基础上,以软件信息服务行业为对象,对GM(1,1)灰色预测模型算法以及三次指数平滑预测模型算法进行了探讨和改进。本文具体工作如下：1.研究了GM(1,1)预测模型建模原理和产生预测误差的原因,提出了GM(1,1)-β预测模型。GM(1,1)-β预测模型对初始值进行重新选定,并对GM(1,1)模型的背景值构造公式进行优化和重构,通过实验证明,GM(1,1)-β预测模型突破了原始GM(1,1)模型在发展系数大于2时预测失效的缺陷。2.研究了GM(1,1)-β预测模型的局限性,在GM(1,1)-β预测模型的基础上引入Markov理论,提出一种基于GM(1,1)-β的GM-Markov组合预测模型,通过实例分析证明,GM-Markov预测模型打破了GM(1,1)预测模型对非指数增长数据以及随机波动数据预测效果差的局限性,扩大了模型的使用范围。3.研究了三次指数平滑预测算法,分析了算法的瓶颈问题,提出一种动态自适应三次指数平滑预测算法,改进的模型建立了平滑初值和平滑系数之间的解析表达式,间接的绕过对平滑初值的选择,并采用IDS算法搜索平滑系数最优值,在预测过程中平滑初值和平滑系数采用动态值。通过对比当前优秀学者提出的改进,验证了动态自适应三次指数平滑预测算法的有效性和实用性。4.在提出的两种改进预测模型算法的基础上,完成了由某部门牵头的“软件和信息技术服务行业在线分析系统”趋势分析模块的设计,两种改进预测模型算法在软件信息技术行业多个指标的预测中预测精度高,因此改进算法具有一定的实际应用价值和理论推动意义。