关键词：灰色预测模型 变形预测 

摘要：针对GM（1，1）建模过程中背景值、时间因素两方面存在的不足，文中提出双重加权DPGM（1，1）预测模型，通过对背景值进行加权生成新的背景值，建立PGM（1，1）模型；在PGM（1，1）基础上考虑到时间因素在求解灰参数时进行第二次加权建立DPGM（1，1）模型。通过实例分析，比较GM（1，1）、PGM（1，1）、DPGM（1，1）三种模型在变形监测数据处理中的拟合和预测结果。表明，双重加权DPGM（1，1）模型拟合效果更好、预测精度更高。该模型具有前两种模型的优点，同时弥补了传统GM（1，1）的不足。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社