朱苗苗，牛國鋒，樂德廣

(常熟理工學院 計算機科學與工程學院，江蘇 常熟 215500)

如今，互聯(lián)網已經成為人們生活中不可或缺的一部分，它的出現不僅改變了人們傳統(tǒng)的交流方式，開闊了人們的視野，而且改變了傳統(tǒng)企業(yè)的營運模式，催生出大量新興企業(yè)，對人們的生活和社會發(fā)展帶來了巨大的影響。分析預測互聯(lián)網上網人數，可以全局掌握網絡的應用情況，為網絡建設、應用、管理及與網絡相關的各種技術和業(yè)務提供決策依據[1]。

Verhulst預測理論是1837年德國生物學家Verhulst在研究生物繁殖規(guī)律時提出的。其基本思想是生物個體數量是呈指數增長的，受周圍環(huán)境的限制，增長速度逐漸放慢，最終穩(wěn)定在一個固定值。Verhulst模型主要用來描述具有飽和狀態(tài)的過程，即“S”型過程，常用于人口預測、生物生長、繁殖預測及產品經濟壽命預測等[2]。

本文在分析最近幾年我國互聯(lián)網上網人數實測數據的基礎上，根據數據本身所具有的特征，引入灰色Verhulst預測理論，通過分析建立了我國互聯(lián)網上網人數的灰色Verhulst動態(tài)模型，并通過所建立的模型對2000~2005年我國互聯(lián)網上網人數進行實例驗證和誤差檢驗。檢驗結果表明，所建立的灰色Verhulst預測模型對實測數據的預測優(yōu)于GM(1，1)模型、線性回歸、指數曲線等其他方法。

1 Verhulst預測模型的建立

灰色系統(tǒng)是指既含有已知信息、又含有未知信息的系統(tǒng)，因為它具有對各種現象進行分析判斷的能力、對宏觀系統(tǒng)進行規(guī)劃與決策的功能，其立足點是對系統(tǒng)輸出序列進行研究，而不過多地涉及系統(tǒng)輸入序列的研究，對原始數據序列長度要求也不高。它的特點是所需信息量少，不僅能夠將無序離散的原始序列轉化為有序序列，而且預測精度高，能夠保持原系統(tǒng)的特點特征，較好地反映系統(tǒng)的實際情況[2]。

灰色Verhulst模型主要是用來描述非單調的擺動發(fā)展序列或具有飽和狀態(tài)的S型序列。表1和圖1分別顯示了從2000~2005年我國互聯(lián)網上網人數的統(tǒng)計。從圖1可以很明顯地看出，自從2000年以來，我國互聯(lián)網上網人數一直保持著比較強勁的增長勢頭，并在一定時間段上是呈部分“S”型變化的，所以在一定程度上互聯(lián)網上網人數的變化情況可以通過建立灰色Verhulst模型進行預測。

1.1 Verhulst預測模型的建立

設在一個模型預測中，原始數據數列為X(1)，為了弱化呈離散狀態(tài)的原始數據，對原始時間序列進行數據的一次累減處理，經過處理的時間序列稱為生成累減序列X(0)=(x(0)(1)，x(0)(2)，…，x(0)(n))；然后通過對原始數據序列累加生成的遞增序列實行緊鄰均值生成Z(1)，同時令X(0)(1)=X(1)(1)，這時所建立的灰色模型為[3]：

相應的白化方程為：

解得：

所求的灰色Verhulst模型時間響應式為：

1.2 Verhulst預測模型的求解

式(4)中，k為時間序數，a、b都為待求系數，a為發(fā)展系數，其大小及符號反映 X(1)及 X(0)的發(fā)展態(tài)勢，b為系統(tǒng)的輸入，其內涵是具有灰色信息覆蓋的系統(tǒng)作用量[4]，不能直接觀測得到，在灰色理論中，a、b的值可以用最小二乘法求取，即：

其中，Z(1)為由原始數據進行累加生成的緊鄰均值生成序列 ，即：

式(5)中，Y=[x(0)(2)，x(0)(3)，…，x(0)(K)]T。

然后將所求的a、b值分別代入式(4)中，即求得原始數據序列的預測值。

2 原始數據的分析和模型預測

互聯(lián)網上網人數預測對于整個互聯(lián)網發(fā)展和相對業(yè)務決策有著至關重要的意義。近年來對于互聯(lián)網上網人數的預測方法比較多，有線性回歸、指數曲線等方法。雖然這種方法能夠簡單、直觀地得到預測結果，但由于它一般采用線性或者指數形式，而不完全符合某些事物的發(fā)展趨勢，所以預測精度存在一定的缺陷。同樣對于參考文獻 [2]所介紹的GM(1，1)模型方法，由于GM(1，1)模型適用于具有較強指數規(guī)律的序列，只能描述單調的變化過程，預測精度同樣也存在一定的缺陷。下面根據表1中的原始數據，利用本文所建立的Verhulst模型對我國近幾年來的互聯(lián)網上網人數進行預測。

(1)根據表1中的數據，其原始數列：

(2)X(1)的一次累減(1-IAGO)序列：

(3)緊鄰均值生成序列：

(4)求得 B及 Y：

(5)將 B和 Y分別代入式(5)中，通過 MATLAB軟件求得 a和 b，即：

(6)取X(1)(0)=X(1)(1)=4 456

根據式(4)，求得Verhulst互聯(lián)網上網人數預測時間響應式為：

(7)由此可以對2000~2005年我國互聯(lián)網上網人數進行模擬、預測：

(8)原始數據和預測數據比對，比對結果如圖2所示。

3 Verhulst模型檢驗

一種模型要經過多種檢驗才能判斷其是否合理、合格，也只有通過檢驗的模型才能用來做預測[5]。本節(jié)中，為了驗證所建灰色模型是否能更準確對互聯(lián)網上網人數進行預測，針對表2中的數據分別采用殘差檢驗法和后殘差檢驗法進行檢驗。

表2 2000~2005我國互聯(lián)網上網人數預測結果

3.1 殘差檢驗法

根據計算出來的預測值和原始數據求出殘差和相對誤差：

殘 差 ：q(1)(k)=x(1)(k)-x?(1)(k)

相對誤差：e(k)=|q(1)(k)/x(1)(k)|×100%

通過上述檢驗方法，分別對本文的Verhulst模型和GM(1，1)模型計算出誤差檢驗結果，表3顯示了Verhulst模型和 GM(1，1)模型預測結果對比。

表3 Verhulst模型和GM(1，1)模型預測結果對比

從表3可以看出，即使參考文獻[2]中通過建立殘差對GM(1，1)模型進行修正，其預測結果也沒有本文所介紹的Verhulst模型預測精度高。

3.2 后殘差檢驗方法

表4 預測精度等級衡量

通過以上方法對所建立的互聯(lián)網上網人數模型進行檢驗擬合，其結果顯示：本文所建立的灰色Verhulst動態(tài)模型后檢驗比值 C=0.030 8、P=1，根據表 4判斷依據，此模型預測效果為好。

合理科學地對我國互聯(lián)網上網人數進行預測，可以為網絡產業(yè)的發(fā)展提供科學有效的參考，同時，對于整個社會經濟的發(fā)展也具有重要的意義。

本文通過分析研究動態(tài)Verhulst模型的思想、特征和我國互聯(lián)網上網人數逐年增長，并在一定時間段上原始數據呈部分“S”型變化的趨勢前提下，提出將Verhulst模型應用于我國互聯(lián)網上網人數的預測。通過建立模型和結果檢驗，證明此方法具有方法簡單、預測精度高、可進行中長期預測等特點，是一種值得推廣的預測方法。

雖然通過此模型的建立，模擬的精度還是比較高的，但是根據灰色理論研究的原理和方法，若想提高預測精度、保證結果的可靠性，可以將Verhulst模型與其他預測方法結合使用，同時應該根據不斷得到的新數據對預測模型進行不斷的修正，因為隨著時間的推移和一些外界因素的影響，數據的變化趨勢會發(fā)生一定的變化，只有這樣才能夠更加準確地對我國互聯(lián)網上網人數進行科學準確的預測，從而產生一系列的實用價值。

[1]陳晶晶，毛謙，劉國輝.我國互聯(lián)網互用數預測研究[J].光通信研究，2007(1).

[2]連飛.基于 GM(1，1)模型的我國互聯(lián)網上網人數灰色預測[J].統(tǒng) 計 與 咨 詢 ，2007(4).

[3]鄧聚龍.灰色系統(tǒng)理論教程[M].武漢：華中理工大學出版社，1999.

[4]WU W Y，CHEN S P.A prediction method using the Grey model GMC(1，n)combined with the grey relational analysis： a case study on Internet access population forecast[J].Applied Mathematics and Computation， 2005，169(1).

[5]蒿建華.灰色模型在人口預測中的應用[J].西安文理學院學報，2008，11(3).