GM（1，1）的MATLAB实现及其应用.pdfVIP

第29卷第 1期 长春师范学院学报(自然科学版) 2010年 2月 v01．29 N0．1 JournalofChangehunNormalUniversity(NaturalScience} F曲 ．20lO GM(1，1)的MATLAB实现及其应用 周亚非 (四川交通职业技术学院，成都温江 611100) [摘 要]灰色GM(1，1)预测模型是灰色理论 中的重要组成部分 ，也是主要的预测方法之一．因此， G (1，1)模型的应用范围很广泛．本文简要介绍了GM(1，1)模型的原理及其预测步骤，用 MATLAB软件 实现了GM(1，1)预测算法并给出了源代码 ．在此基础上，用统计年鉴上的住宿和餐饮业收入增加值数据 进行了仿真，从而验证了该算法的有效性和程序的正确性。 [关键词]GM(1，1)；灰色理论；MATLAB；算法 [中图分类号Ire31 【文献标识码]A [文章编号]1008—178X(2010)01—0032—04 GM(1，1)模型是灰色系统理论中的重要 内容之一．灰色系统理论[]是20世纪8O年代 由我国邓聚龙教授 提出，并用来解决信息不完备系统的复杂问题，它是一种数学方法．在实际解决问题时，通过选择适当的方式去 挖掘已知部分的信息或数据，充分利用灰色理论中的相关方法来解决这些复杂问题． 针对不同的统计数据，对数据进行预测时常用很多方法，比如：定性预测法、回归预测法和时间序列预测等 方法，但是这些预测方法要求数据具有一定的规律或符合某些典型的概率分布，因此，运用这些方法进行预测 或做决策约束太多，实用性也显弱．运用灰色GM(1，1)模型2【]对数据进行灰色预测时，对样本量数据的多少和 样本有无规律都适合，而且计算量小且方便，更不会出现量化结果与定性分析结果不符的情况．因此，该方法具 有很广泛的实用价值． 1 灰色GM(1。1)预测模型及步骤 1．1 cM(1，1)模型原理 灰色理论所涉及的主要工作之一是用离散数列建立微分方程型的动态模型，又称灰色模型GreyModle(记 为GM)．通过所建立的C．M模型，可以对下一时刻的所有数据进行预测，实现对数据进行分析．为了弱化原始时 间序列的随机性和强化时间序列的规律性，在建立灰色预测模型之前，通常需要对原始时间序列进行数据处 理，灰色系统中常用的数据处理方式有累加和累减两种 ． 1．2 灰色预测模型GM(1，1)的步骤 根据数据的特点，结合灰色理论中的相关原理，可以建立不同形式的灰色模型，如：GM(1，1)，GM(1，2)， GM(1，n)(n：1，2，…，Ⅳ)等模型，其中n表示模型中变量的个数．本文主要讨论灰色预测模型CM(1，1)的建立 过程，其过程如下： (1)假设所需预测系统中的某项指标的原始数据数列为 (。)={(。)(1)，(。)(2)，…，(。’(n)}． (2)对原始数据作一次累加生成(1一ACO)，生成新数据列 (1)，即 (1)={((1)，((2)，…，(’(n)}={(。(1)，(。’(1)+ (。(2)，…，(。)(1)+…+ (。)(，1)}， ‘ 式中，x(1()：∑ (0)()=x(1)(j}一1)+ (0)()，j}：1，2，…，，1． i=1 一 t ，1、， 、 (3)则GM(1，1)模型相应的微分方程为堕 +ax0)(￡)=“，式中，口称为发展灰数，u称为内生控制系 [收稿 日期]2009—07—17 【作者简介】周亚非 (1956一)，女，重庆壁山人，四川交通职业技术学院副教授，从事高等数学研究。 · 32 ·