灰色预测与GM(,)精要.pptVIP

第三节GM(1,1)残差模型及GM (n, h) 一、残差模型 若用原始经济时间序列 模型检验不合格或精度不理想时，要对建立的 GM（1,1）模型进行残差修正或提高模型的预 测精度。修正的方法是建立GM（1,1）的残差 模型。 建立的GM(1,1) 设原始经济时间序列 建立的GM(1,1)模型为： 可获得生成序列 的预测值 ，即对于 有预测序列： 定义残差： 对于： ，若存在 ,满足： 。 则称 , 为可建模残差尾段,记作： 对残差尾段进行GM(1,1)建模，得到 残差尾段的模拟序列为： 残差尾段模拟序列各值： 用 修正 ，得到如下结果 其中， 的符号与 的符号保持一致。 经过残差修正的原始序列预测模型： 对残差修正模型进行累减还原 1 灰色预测理论 2 GM(1,1)模型 3 GM(1,1)残差模型 灰色预测法 第一节 灰 色 预 测 理 论 一、灰色预测的概念 （1）灰色系统、白色系统和黑色系统 白色系统是指一个系统的内部特征是完全 已知的，即系统的信息是完全充分的。 黑色系统是指一个系统的内部信息对外界 来说是一无所知的，只能通过它与外界的 联系来加以观测研究。 灰色系统内的一部分信息是已知的，另一 部分信息是未知 的，系统内各因素间有不 确定的关系。 灰色预测法是一种对含有不确定因素的系 统进行预测的方法。 灰色预测是对既含有已知信息又含有不确定 信息的系统进行预测，就是对在一定范围内 变化的、与时间有关的灰色过程进行预测。 （2）灰色预测法 灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。 （3）灰色预测的四种常见类型 ? 灰色时间序列预测 即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。 ? 畸变预测 即通过灰色模型预测异常值出现的时刻，预测异常值 什么时候出现在特定时区内。 系统预测 通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。 拓扑预测 将原始数据作曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。 二、生成列 为了弱化原始时间序列的随机性，在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。 累加 累加是将原始序列通过累加得到生成列。 灰色系统常用的数据处理方式有累加和累减两种。 （1）数据处理方式 通过累加可以看出灰量积累过程的发展态势，使离乱的原始数据中蕴涵的积分规律充分显露。 累加的规则: 将原始序列的第一个数据作为生成列的第一个数据，将原始序列的第二个数据加到原始序列的第一个数据上，其和作为生成列的第二个数据，将原始序列的第三个数据加到生成列的第二个数据上，其和作为生成列的第三个数据，按此规则进行下去，便可得到生成列。 记原始时间序列为： 生成列为： 上标1表示一次累加，同理，可作m次累加： 对非负数据，累加次数越多则随机性弱化 越多，累加次数足够大后，可认为时间序 列已由随机序列变为非随机序列。 一般随机序列的多次累加序列，大多可用 指数曲线逼近。 累减 将原始序列前后两个数据相减，得到累减生成列。 累减是累加的逆运算，累减可将累加生成列 还原为非生成列，在建模中获得增量信息。 一次累减的公式为： 三、关联度 关联度分析是分析系统中各因素关联程度的方法，在计算关联度之前需先计算关联系数。 （1）关联系数 设 则关联系数定义为： 为第k个点 ρ称为分辨率，0ρ1,一般取ρ=0.5。 对单位不一、初值不同的序列，在计算相关系数前首先进行初始化，即将该序列所有数据分别除以第一个数据。 的绝对误差； 和 为两级最小差； 为两级最大差； 式中各部分表示意义 （2）关联度 和 的关联度为： 一个计算关联度的例子 工业、农业、运输