基于GM的生产质量预测:
-
原始质量指标数列为:
-
是的累加序列为:
经过该处理,可以使粗糙的原始离散数列变为光滑的离散数列。
- 建立基本的预测模型GM(1,1),其白化方程为
式中,a、b为常系数,且符合
式中:。且的结果是多元线性回归分析的结论得出,即满足可实现最小二乘。
- 对建立的GM(1,1)模型进行精度检验和评估。检验依据后验差比值c和小误差概率p两个指标,模型精度等级见表。其中c与p的定义如下:
,,式中:为残差序列,q 为残差序列的均值;为原始序列的标准差;为残差序列的标准差。
如果精度不合要求,可以用残差序列建立GM(1,1)模型对原模型进行修正,以提高其精度。若GM(1,1)满足要求时,其还原数据与预测值如下:
,,
如果要进一步提高精度,可以采用GM(1,1)新陈代谢模型。
基于Bootstrap理论的过程质量分析:
估计误差:
Bootstrap的实质就是再抽样的过程。
- 根据观测样本构造经验分布函数。
- 从中抽取样本,称其为Bootstrap样本。
- 计算相应的Bootstrap统计量,其表达式为:
为Bootstrap的样本的经验分布函数;为的Bootstrap统计量。
- 重复(2)(3)B次,得到Bootstrap统计量的B个可能值,将它们从小到大排列即为样本统计量的Bootstrap经验分布。
- 用的分布去逼近的分布,即用的分布去近似逼近的分布,可得到参数的B个统计值,即可统计求出参数θ的分布及其特征。
Original: https://www.cnblogs.com/litecdows/p/GM_Bootstrap.html
Author: litecdows
Title: 基于灰色模型和Bootstrap理论的大规模定制质量控制方法研究
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/610482/
转载文章受原作者版权保护。转载请注明原作者出处!