孫智剛　梁衛(wèi)波

[摘要]針對(duì)射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展受多種因素影響，變化趨勢(shì)復(fù)雜，難以通過建立準(zhǔn)確的數(shù)學(xué)模型進(jìn)行預(yù)測(cè)的問題，本文提出了灰色動(dòng)態(tài)模型對(duì)射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，在此基礎(chǔ)上構(gòu)造了灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型。該模型避免了變權(quán)組合預(yù)測(cè)模型的主觀與繁瑣，能有效地將灰色預(yù)測(cè)弱化數(shù)據(jù)序列波動(dòng)性的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性適應(yīng)能力相融合。算例結(jié)果表明該方法的可行性和有效性，預(yù)測(cè)精度也得到了改善。

[關(guān)鍵詞]射頻信號(hào)自動(dòng)識(shí)別技術(shù)灰色系統(tǒng)組合預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)

一、 導(dǎo)言

射頻識(shí)別（Radio Frequency Identification，RFID），又稱電子標(biāo)簽（E-Tag），是一種非接觸式的自動(dòng)識(shí)別技術(shù)，它通過射頻信號(hào)自動(dòng)識(shí)別目標(biāo)對(duì)象并獲取相關(guān)數(shù)據(jù)信息[1]，可工作于各種惡劣環(huán)境,識(shí)別高速運(yùn)動(dòng)物體并同時(shí)識(shí)別多個(gè)標(biāo)簽，操作快捷方便。

隨著技術(shù)的進(jìn)步，RFID應(yīng)用領(lǐng)域日益擴(kuò)大，現(xiàn)已涉及到人們?nèi)粘Ｉ畹母鱾€(gè)方面，并將成為未來信息社會(huì)建設(shè)的一項(xiàng)基礎(chǔ)技術(shù)。RFID典型應(yīng)用包括：在物流領(lǐng)域用于倉庫管理、生產(chǎn)線自動(dòng)化、日用品銷售；在交通運(yùn)輸領(lǐng)域用于集裝箱與包裹管理、高速公路收費(fèi)與停車收費(fèi)；在農(nóng)牧漁業(yè)用于羊群、魚類、水果等的管理以及寵物、野生動(dòng)物跟蹤；在醫(yī)療行業(yè)用于藥品生產(chǎn)、病人看護(hù)、醫(yī)療垃圾跟蹤；在制造業(yè)用于零部件與庫存的可視化管理；RFID還可以應(yīng)用于圖書與文檔管理、門禁管理、定位與物體跟蹤、環(huán)境感知和支票防偽等多種應(yīng)用領(lǐng)域。

目前，RFID已成為IT 業(yè)界的研究熱點(diǎn)，被視為IT 業(yè)的下一個(gè)“金礦”。各大軟硬件廠商，包括IBM、Motorola、Philips、TI、Microsoft、Oracle、Sun、BEA、SAP 等在內(nèi)的各家企業(yè)都對(duì)RFID 技術(shù)及其應(yīng)用表現(xiàn)出了濃厚的興趣，相繼投入大量研發(fā)經(jīng)費(fèi)，推出了各自的軟件或硬件產(chǎn)品及系統(tǒng)應(yīng)用解決方案。在應(yīng)用領(lǐng)域，以Wal-Mart、UPS、Gillette 等為代表的大批企業(yè)已經(jīng)開始準(zhǔn)備采用RFID技術(shù)對(duì)業(yè)務(wù)系統(tǒng)進(jìn)行改造，以提高企業(yè)的工作效率并為客戶提供各種增值服務(wù)。

在本文應(yīng)本文在分析了射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展應(yīng)該考慮的主要因素的基礎(chǔ)上，分別采用灰色系統(tǒng)、多元回歸建立單項(xiàng)預(yù)測(cè)模型。根據(jù)組合預(yù)測(cè)理論建立用射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)的組合預(yù)測(cè)模型，運(yùn)用組合預(yù)測(cè)模型對(duì)社會(huì)的射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè)。從而對(duì)RFID技術(shù)的發(fā)展趨勢(shì)的判斷更具科學(xué)性和合理性。

二、 灰色預(yù)測(cè)原理及模型

灰色系統(tǒng)理論是中國(guó)學(xué)者鄧聚龍教授于20世紀(jì)80年代創(chuàng)立的，灰色系統(tǒng)理論和方法的核心是灰色模型，灰色模型是以灰色生成函數(shù)概念為基礎(chǔ)，以微分?jǐn)M合為核心的建模方法。一切隨機(jī)量都是在一定范圍內(nèi)、一定時(shí)間段上變化的灰色量和灰過程，對(duì)于灰色量的處理不是尋求它的統(tǒng)計(jì)規(guī)律和概率分布，而是將雜亂無章的原始數(shù)據(jù)序列通過一定的處理方法弱化波動(dòng)性，使之變?yōu)楸容^有規(guī)律的時(shí)間序列數(shù)據(jù)，再建立用微分方程描述的模型。本文采用了GM(I，1)、DGM(2，1)和Verhulst三種灰色模型分別對(duì)射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)進(jìn)行建模預(yù)測(cè)。

1.灰色GM(1，1)預(yù)測(cè)模型

GM(1，1)是單序列一階線性模型，GM(1,1)模型的本質(zhì)是通過對(duì)原始數(shù)據(jù)序列的累加生成，弱化隨機(jī)擾動(dòng)因素的影響，發(fā)現(xiàn)其指數(shù)增長(zhǎng)規(guī)律，然后用指數(shù)曲線進(jìn)行模擬,用微分方程來逼近擬合。設(shè)原始數(shù)據(jù)序列:*MERGEFORMAT(1)

X(0)(k)≥0，k=1，2，…n。經(jīng)過一階累加 (1-AGO) 生成序列:

x(1)=[x(1)（1）x(1)（2），…x(1)（n）]*MERGEFORMAT(2)，其中，

，k=1，2，…，n.

灰微分方程x(0)(k)+az(1)(k)=u的白化方程為:則

z(1)為x(1)的緊鄰均值生成序列，z(1)(k)=0.5x(1)(k)+0.5x(1)(k+1)，k=2,3,…n.得累加序列的預(yù)測(cè)方程：

*MERGEFORMAT(3)（k=0,1,2,…）對(duì)此式再做累減還原，得原始數(shù)列x(0)的灰色預(yù)測(cè)方程：

*MERGEFORMAT(4),（k=0,1,2,…）

則電力負(fù)荷預(yù)測(cè)的預(yù)測(cè)序列為：

2.灰色DGM(2，1)預(yù)測(cè)模型

DGM(2，1)是單序列二階線性模型，用微分方程來逼近擬合．設(shè)原始負(fù)荷序列（1）式，做一階累加生成得序列（2）式，建立微分方程： 用最小二乘法求解系數(shù)向量： ，其中

解式得離散形式的解序列 其中，

經(jīng)一階累減還原得： *MERGEFORMAT(6),k=0,1,2,…,m-1，則射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)的預(yù)測(cè)序列為

3.灰色Verhulst預(yù)測(cè)模型

Verhulst灰色模型是在Verhulst所建立的模型上發(fā)展而來的一個(gè)非線性微分模型．設(shè)初始射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)序列為（1）式，直接建立Verhulst模型：

*MERGEFORMAT(7)式中：λ=[a,u]T為系數(shù)向量；u(X(0))2為競(jìng)爭(zhēng)相，求解：，其中

其離散形式為： *MERGEFORMAT(8),k=1,2,…,m-1，

則射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)的預(yù)測(cè)序列為

三、灰色神經(jīng)網(wǎng)絡(luò)（GNN）組合預(yù)測(cè)模型

每一種模型都包含了一定的樣本信息，任何單個(gè)模型都難以全面地反映變量的變化規(guī)律．如果對(duì)多種預(yù)測(cè)模型進(jìn)行有機(jī)組合，它就能夠十分有效地利用多種有用信息，全面地反映系統(tǒng)的變化規(guī)律，減少隨機(jī)性，提高預(yù)測(cè)精度。文獻(xiàn)[5, 11]采用MV變權(quán)組合，標(biāo)準(zhǔn)差法等對(duì)不同的預(yù)測(cè)模型給以相應(yīng)的權(quán)系數(shù)，但是這種權(quán)重的分配目前缺少統(tǒng)一的標(biāo)準(zhǔn)，需要由預(yù)測(cè)領(lǐng)域的專家通過經(jīng)驗(yàn)和測(cè)評(píng)得出，比較復(fù)雜。本文采用的灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)方法將灰色GM (1，1)、DGM(2，1)和Verhulst模型所得到的預(yù)測(cè)值結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸入，生成灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型(GNN)，這樣既減少了賦權(quán)的主觀性與計(jì)算的繁瑣性，又發(fā)揮神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非線性映射能力，通過反復(fù)學(xué)習(xí)自動(dòng)調(diào)節(jié)自身參數(shù)，最終輸出比較滿意的預(yù)測(cè)結(jié)果。

圖1灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)結(jié)構(gòu)圖

灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型采用典型的三層網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層，把灰色GM (1，1)、DGM(2，1)和Verhulst模型所得到的預(yù)測(cè)值作為輸入、隱含層，采用一個(gè)隱含層，傳遞函數(shù)為S型函數(shù)和輸出層，輸出GNN組合預(yù)測(cè)值，模型結(jié)構(gòu)見圖1。

我們選擇與預(yù)測(cè)值最近的n個(gè)已知值作為樣本,即把最近的n個(gè)已知值作為輸出,采用不同的灰色模型對(duì)這n個(gè)已知值分別進(jìn)行預(yù)測(cè),其預(yù)測(cè)值即為神經(jīng)網(wǎng)絡(luò)的輸入,由此對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。對(duì)于訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),當(dāng)輸入端為各種灰色模型的預(yù)測(cè)值時(shí),其輸出即為用神經(jīng)網(wǎng)絡(luò)組合后的預(yù)測(cè)值。

四、算例分析

利用上述基于灰色理論與神經(jīng)網(wǎng)絡(luò)的射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)預(yù)測(cè)方法，對(duì)射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)進(jìn)行了研究，通過對(duì)某市射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)用戶數(shù)量調(diào)研，構(gòu)建相關(guān)數(shù)據(jù)。雖然我國(guó)起步晚，但由于我國(guó)政府對(duì)其給予了高度關(guān)注，并且實(shí)施了一系列措施：國(guó)家科技部聯(lián)合十五部委共同編寫的《中國(guó)射頻識(shí)別（RFID）技術(shù)政策白皮書》于2006年6月9日正式發(fā)布；科技部863計(jì)劃先進(jìn)制造技術(shù)領(lǐng)域辦公室于2006年10月1日正式發(fā)布《國(guó)家高科技研究發(fā)展計(jì)劃（863計(jì)劃）先進(jìn)制造技術(shù)領(lǐng)域“射頻識(shí)別（RFID）技術(shù)與應(yīng)用”重大項(xiàng)目2006年度課題申請(qǐng)指南》。使得射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)也具有我國(guó)自身特色的變化特征，圖2是射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)預(yù)測(cè)曲線。

圖2某市射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)曲線圖

對(duì)射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè)，并與單一的灰色預(yù)測(cè)模型進(jìn)行對(duì)比，預(yù)測(cè)結(jié)果和相對(duì)誤差見表1。

表 1射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)預(yù)測(cè)結(jié)果與相對(duì)誤差對(duì)照表

從上面的算例分析中可以看出基于組合的灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的平均相對(duì)誤差小于各種單一的灰色預(yù)測(cè)模型的平均相對(duì)誤差，而且該組合預(yù)測(cè)模型的最大相對(duì)誤差（0.114458176模型的最大相對(duì)誤差值GM(1,1)是4.889%，DGM(2,1)是2.981%，Verhulst是1.172%，算例結(jié)果表明組合預(yù)測(cè)結(jié)果要優(yōu)于個(gè)單一預(yù)測(cè)結(jié)果。

五、結(jié)語

本文采用灰色神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，有效地利用了灰色理論弱化數(shù)據(jù)序列波動(dòng)性的特點(diǎn)和人工神經(jīng)網(wǎng)絡(luò)具有逼近任意函數(shù)的能力，可以精確地實(shí)現(xiàn)對(duì)具有任意變化規(guī)律的數(shù)據(jù)序列的擬和和預(yù)測(cè)，因此，組合灰色神經(jīng)網(wǎng)絡(luò)模型較好地結(jié)合了人工神經(jīng)網(wǎng)絡(luò)和灰色預(yù)測(cè)方法的優(yōu)點(diǎn)，有利于提高射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)預(yù)測(cè)的精度。由于諸多環(huán)境因素以及經(jīng)濟(jì)發(fā)展趨勢(shì)的影響，射頻信號(hào)自動(dòng)識(shí)別（RFID）技術(shù)發(fā)展趨勢(shì)還有很多不確定性，考慮經(jīng)濟(jì)環(huán)境因素是下一步的研究方向。

參考文獻(xiàn)：

[1]陳新河.無線射頻識(shí)別(RFID)技術(shù)發(fā)展綜述[J].信息技術(shù)與標(biāo)準(zhǔn)化，2005，（7）：20－24

[2]鄭合.RFID孕育零售業(yè)革命[J].現(xiàn)代物流報(bào)，2005.7.18,（02）：1

[3]陳新河.無線射頻識(shí)別(RFID)技術(shù)發(fā)展綜述[J].信息技術(shù)與標(biāo)準(zhǔn)化，2005，（7）：20－24

[4]X.G.Gao,Z.Xiang,H.Wang.An approach to security and privacy of RFID system for supply chain[J]. E-Commerce Technology for Dynamic E-Business, 2004, 164-168

[5]鄧聚龍．灰預(yù)測(cè)與灰決策[M]．武漢：華中科技大學(xué)出版社，2000

[6]飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)[M]．北京 ：電子工業(yè)出版社 ，2005