中国测试测量仪器校准间隔的动态灰色线性回归预测孙群赵颖王国华2（1.聊城大学汽车与交通工程学院，山东聊城252059；2.北京航空航天大学仪器科学与光电工程学院，北京100191数据的特征，对于既含有线性因素又含有指数因素的历史校准数据序列，建立动态灰色线性回归预测模型，预测测量仪器的校准间隔。动态灰色线性回归模型有机地将灰色GM（1，1模型和线性模型组合起来，通过新老数据的新陈代谢，更加真实地反映系统的特征。通过气根据校准规定的不确定度（0.02）进行计算，得到上灾变值为10.0020V，下灾变值为9.9980V.由表1提供的历史校准数据，得到下灾变日期序列为Q（0=2，4，6，7，10，12，没有上灾变发生。取灾变曰表1Fluke45的历史校准数据序号时间校准真值/V不确定度/期序列的前5数据作为拟合数据，后1个数据作为预测数据，误差指标选用小均方差MSE（meansquared（1，1模型、新陈代谢GM（1，1）模型、灰色线性回归模型和动态灰色线性回归模型对灾变序列进行拟合与预测，将各个模型的拟合与预测曲线画到一张图上，如所示。

　　各个模型的拟合与预测曲线同时，得到各模型的拟合与预测的MSE，如表2所示。

　　实验表明：这4个模型的拟合精度均较高，小均方差MSE在10-2与10-1之间，其中，动态灰色线性模型拟合精度高，小均方差MSE的数量级达表2各个模型的拟合与预测误差序号预测模型拟合MSE预报MSE 4维新陈代谢GM（1，1）灰色线性回归动态灰色线性回归到了10-2.同时，动态灰色线性模型预测精度高，小均方差MSE的数量级达到了10-1.综合来看，动态灰色线性回归模型的拟合与预测精度明显优于其他灰色模型。

　　4结束语在测量仪器的历史校准数据具有小样本且同时具有线性因素和指数因素条件下，采用动态灰色线性回归模型预测测量仪器的校准间隔具有定的优势。实验结果表明，动态线性回归模型的预测精度明显优于单纯的灰色GM（1，1模型和灰色线性回归模型。需要指出的是，历史校准数据序列的分析，即指数因素和线性因素的判断，决定着采用哪种预测模型，对于预测精度具有一定的影响。