臺灣博碩士論文加值系統

在這個瞬息萬變的科技時代中，為了因應預測未來問題，而許多預測模型陸續被提出，但傳統的預測模型常有需要收集長期、大量的歷史資料與預測模型的反應之能力不佳等問題。因此，灰色系統理論之提出即是針對此一需求，其中，GM(1,1)在理論中是最常廣泛應用的預測模型，其特性不需要大量的歷史資料即可快速建構模型，但是其預測模型在預測長期、數據起伏波動劇烈或是資料數值包含負數時，容易產生高估或是低估的情形。
因此，本研究針對此一現象進行分析且改良灰預測GM(1,1)模型，採取結合Savitzky-Golay濾波法，Savitzky-Golay濾波法是使用最小平方多項式的迴歸方式，利用鄰近點的加權平均取代原來的資料，使原始數據更平滑、減少資料的雜訊，能提高預測模型的精確度、降低預測誤差。
在本研究利用中華民國統計資訊網的數據作為預測資料，探討SGGM(1,1)的預測過程變化，如預測過程中是否採用逆SG(ISG)、預測的數據前處理順序、SG平滑時的端點處理變化和當原始GM(1,1)預測效果極佳時，採用SGGM(1,1)預測效果是否更佳，討論以上幾種預測變化情形，研究結果發現改良後的GM(1,1)確實有明顯降低預測誤差，但是有幾種情形會使預測效果明顯降低，如預測過程採取ISG，或是將SGGM(1,1)預測的數據前處理順序做改變時，都會使預測效果變差，而且發現當原始GM(1,1)的預測誤差MAPE<5%時,相較於SGGM(1,1)繁複的數據前處理計算,本研究建議採用GM(1,1)即可達到極佳的預測能力。

In an era where technologies are rapidly changing, numerous prediction models have been sequentially developed to forecast future problems. However, conventional prediction models present a number of shortcomings, such as the long-term and extensive collection of historical data and poor forecast performance. To resolve these problems, Grey System Theory (GST) was introduced. GM (1,1) in the theory is the most widely applied prediction model. The model can be established without large historical data sets. However, it is prone to produce overestimations or underestimations when forecasting long-term data, or data that fluctuates violently or contains negative values.
Therefore, the researchers of the present study focused on such problems when reviewing the GM (1,1) model and proposed a revised grey prediction GM (1,1) model by incorporating the Savitzky-Golay (SG) filter. This filter employs a least square polynomial regression approach, where the weighted averages of neighboring points are used to substitute original data, thereby smoothing the data, reducing data noise, enhancing forecast accuracy, and alleviating forecast errors.
The researchers adopted the data published on the Taiwan National Statistics website as the forecast data to examine the changes in the forecasting process using the SGGM (1,1). Observations included (1) whether an inverse SG (ISG) model was employed; (2) pre-processing order of the forecast data; (3) the influence of end points processing during SG smoothing; and (4) forecast performance of the SGGM (1,1) when that of the original GM (1,1) was excellent. Findings confirmed that the revised GM (1,1) model significantly reduced forecast errors. However, a number of situations worsened forecast effectiveness, namely, (1) when ISG was employed during forecasting and (2) when accumulated generation was employed before SG smoothing. Moreover, the researchers found out that when the mean absolute percentage error (MAPE) was less than 5 in the original GM (1,1) model, it is unnecessary to apply SGGM(1,1) because of tedious calculation comparing to accuracy improved.

第一章 緒論
第一節 研究動機 1
第二節 研究目的 1
第三節 研究範圍與限制 2
第四節 研究架構 2
第二章 文獻探討
第一節 預測概論 5
第二節 灰色系統理論 6
第三節 SAVITZKY-GOLAY 濾波法 13
第三章 研究方法
第一節 灰色預測GM(1,1)模型 16
第二節 SAVITZKY-GOLAY濾波法 21
第四章 改良之GM(1,1)－SGGM(1,1)
第一節 SGGM(1,1)預測過程 24
第二節 SGGM(1,1)模型之數據端點處理方法38
第三節 SGGM(1,1)模型之SG變化 45
第四節 SGGM(1,1)模型建議 48
第五章 結果與建議
參考文獻

中文文獻
中華民國統計資訊網，主要接單低區數據-外銷訂單。2014年8月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
中華民國統計資訊網，消費者物價基本分類指數。2014年5月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
中華民國統計資訊網，出口貿易總值。2014年9月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
中華民國統計資訊網，進口貿易總值。2014年9月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
中華民國統計資訊網，人口數。2015年5月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
中華民國統計資訊網，失業率。2015年4月，取自於
http://www.stat.gov.tw/mp.asp?mp=4
王賢崙、徐昌宏、呂仁和(2014)，應用灰色系統模型於半導體封裝測試之研究-以P公司為例，明新學報，40(1)，pp.185-196。
邢治宇(2008)，以非線性柏努力灰預測模型應用於全產業與營造業職災率的預測比較，勞工安全衛生研究季刊，16(2)，pp.218-231。
吳玫瑩、許秀月(2010)，應用灰預測於維修備料預測之研究：以印表機維修公司為例，中華管理學報，11(3)，pp.1-16。
林添貴譯(2010)，預測未來，台北：經濟新潮社。(譯自 Bruce Bueno de Mesquita,2009)
洪國禎、吳國榮(2008)，改良式GM(1,1)灰預測模型於台電電量需求預測之研究，工程科技與教育學刊，5(3)，pp.446-458。
翁士民、溫志超、張國強(2005)，灰色預測GM(1,1)模型應用於粒徑分布的評估，農業工程學報，51(3)，pp.21-35。
陳彥全、黃營芳(2007)，應用灰色理論探討台灣對外投資之預測分析，商業現代化學刊，4(1)，pp.88-97。
陳鵬宇(2009)，灰色GM(1,1)模型的改進，山東理工大學學報(自然科學版)，23(6)，pp.80-82。
徐宇琨(2009)，使用灰色預測模型GM/NGBM預測颱風路徑，義守大學工業工程與管理學系未出版碩士論文。
曹凱、許昌(2007)，GM(1,1)、GM(1,N)聯合模型在建築物沉降預測中的應用，水科學與工程技術，(6)，pp.54-57。
崔傑、黨耀國(2008)，改進的新GM(1,1)模型及其建模精度研究，管理科學與統計決策，5(4)，pp.14-19。
許美蓮(2011)，應用需求預測方法與雲端資訊分享方式減緩供應鏈常邊效應之研究，義守大學工業工程與管理學系未出版碩士論文。
許天維、陳姿良、蔡清斌、曾建維、永井正武(2012)，應用灰色預測模型GM(1,1)提出教育選材的新方式，工程科技與教育學刊，9(4)，pp.557-570。
鄒紅波、吉培榮(2006)，無偏GM(1,1)模型的動態特性分析，三峽大學學報(自然科學版)，28(4)，pp.334-336。
黃家兵(2009)，蒙特卡羅劑量分佈去噪中三維高斯和Savitzky-Golay 濾波器的改進與混合，計算物理，26(5)，pp.725-730。
黃守仁(2013) ，灰色預測模型奇異現象產生原因之探究與解決方法，義守大學工業工程與管理學系未出版博士論文。
曾慧怡(2011)，運用 Savitzky-Gollay 濾波法探討平板之未知熱源，中興大學應用數學系所未出版碩士論文。
溫坤禮、黃宜豊、陳繁雄、李元秉、連志峰、賴家瑞 (2002) ，灰預測原理與應用(初版)，台北：全華科技圖書。
溫坤禮(2009)，灰色理論 (初版)，台北：五南文化。
楊鑄、李國麗、林輝、陶磊、周金斌、曹瑞芬、景佳、吳愛東、吳宜燦、蔡天淨、唐瀚(2011)，Savitzky-Golay 平滑濾波器的最小二乘擬合原理綜述，數位通信，(1)，pp. 63-82。
趙慕芬(2003)，灰預測模型評估結構性失業之應用研究，人力資源管理學報，3(1)，pp.113-127。
羅傑瀛、林彥宏、王正賢(2002)，應用灰色理論於時間序列轉折點之分析與預測，大葉學報，11(2)，pp.115-127
欉清全、李政峰、郭炳伸(2005)，預測績效檢定：簡單迴歸之應用，經濟論文，33(1)，pp.1-33。

英文文獻：
Çağatay, C., & Inan, H. (2014), A unified framework for derivation and implementation of Savitzky–Golay filters, Signal Processing, 104, pp.203-211.
Honglinag, H., Jie, C., Daming, S., Hongyan, M., Lin, G. (2013), Predicting Transportation Engineering Financial Investment By An Improved GM (1,1) Model, Grey Systems and Intelligent Services, pp.135-137, IEEE, Macao, Nov. 15-17, 2013.
Jia, Z.Y., Li, W., Han, Z.H. (2008), An Improved GM (1, 1) - Genetic Algorithm to Short-term Forecasting in Power System, Networking and Mobile Computing, pp.1-4, WCICA, Dalian, Oct. 12-14, 2008.
Luo J., Ying, K., Bai, J.(2005), Savitzky–Golay smoothing and differentiation filter for even number data, Signal Processing, 85(7), pp.1429-1434.
Lin, C.S., Liou, F.M., Huang, C.P. (2007), Grey forecasting model for CO2 emissions： A Taiwan study, Energy Policy, 35(3), pp.1948-1955.
Li, W., Han, Z.H., Li, F. (2008), An Improved Genetic Algorithm - GM(1,1) for Power Load Forecasting Problem, Intelligent Control and Automation, pp. 7487-7491, WCICA, Chongqing, June 25-27, 2008.
Tsaur,R.C. (2006), Forecasting Analysis by Fuzzy Grey Model GM (1, 1), Journal of the Chinese Institute of Industrial Engineers, 23(5), pp.415-422.
Ronald W. S. (2011), What is a Savitzky-Golay filter?, IEEE Signal Processing Magazine,28(4), pp.111-117.
Wen, K.L. (2004), Grey Systems： Modeling and Prediction, Yang''s Scientific Research Institute.