西华大学建模方法预测方法详解.ppt

常用建模方法 x的m次对数序列为 记： 则： 平移变换：（略） 2. 精度检验 灰色预测精度检验有残差检验、关联度检验和后验差检验。 （1）．残差检验 残差检验分二种，一是绝对误差，二是相对误差。检验步骤如下： 第一步计算 按所建预测模型计算有： 即原始数列模型计算值。计算公式为： 第二步对 累减还原计算 。 第三步计算绝对误差和相对误差。 一般要求 ，最好是 令 为精度 一般要求 ，最好是 （2）．关联度检验 第一步计算原始数列 的模型计算值 。 第二步计算 与 的绝对误差 代入 、 数据得： 第三步计算最小差与最大差 最小差为： 最大差为： 第四步计算关联系数 式中： ——第i个数据的关联系数； ——取定的最大差百分比，一般取0.5 第五步计算关联度 式中： ——数列 对 的关联度。 ——样本个数。 (3)．后验差检验 后验差检验过程如下： a. 计算原始数列的均值 b. 计算原始数列 的均方差 根据经验，当ρ=0.5时，关联度大于0.6便满意了。 式中： c. 计算残差 的均值 d. 求残差 的均方差 式中： e. 计算方差比 f. 计算小误差概率 g. 检验 根据经验，一般精度等级的划分如下表。 通过以上检验，如果相关误差、关联度 、小误差概率 型进行预测，否则应进行残差修正。 和方差比 都在允许范围之内时，则可用所建模 表 预测精度等级划分 不 合 格 ≥0.65 ≤0.70 勉强合格 0.65 0.70 合 格 0.5 0.80 好 0.35 0.95 预测精度等级 c值 p值 3. 预测 GM(1,1)模型经以上检验合格后可用于预测，其预测公式为： 式中： —— i时期预测值。 ， ——生成数列预测值，按 计算。 对于数列预测，要建立多个预测模型，得到多组预测值，然后进行分析，从中确定出一个合适的预测模型，以取定一组合适的预测值。 对于一组数列，要建立多个预测模型，是通过对原始数列进行不同的取舍，形成新的数列，即对数列中的数据用不同的组合方式和取舍方式派生出新的数列，对原始数列和派生出来的新数据都建立预测模型，这样就对一个数列建立了多个预测模型。 例如有下述原始数列： 对 中的数据可用如下取舍： ， 这样就形成了四个新数列： 再加上原始数列，就可建立五个GM（1，1）模型。 (三) 、GM（1，1）残差模型 （3）预测及检验 从以上讨论可见，一次指数平滑法最适宜用于较平稳的时间序列，作短期的预测，即可令第t时点的 值作为第 t+1时点的预测值 ，即 由于指数平滑系数a值的选取，可以多方案，一般采用 原则上合理的多个a值试算的办法，分别计算其均方差MSE， 如上节所述；或者分别计算其平均绝对误差MAD，以MSE 或MAD最小者为最好的a值。至于此种预测有效与否， 则预测有效。 则可用 检验其误差值 数列是否具有随机性；若是， 各时点平滑预测值y与实际值x的误差值 为： 平均绝对误差MAD为 2. 二次指数平滑法 二次指数平滑法是以相同的平滑系数a ，对一次指数 指数平滑数列 。 平滑数列 再进行一次指数平滑，构成时间序列的二次 (1)．二次指数平滑数列的构成 初始值 ，则 更能将其不规则或周期变动加以清除，长期趋势性更能显示 可见，二次指数平滑数列 对原时间序列经过两次修匀， 出来。 如同一次指数平滑法一样，合理的a值的确定，亦应选取 原则上较合理的多个a值分别计算，构成不同a值的数列 和 ，则根据均方差MSE最小原则确定一个较合理 的a值。 (2)．线性趋势预测模型 对时间序列进行一次 、二次指数平滑，有利于更加显示数列的长期趋势，因而二次指数平滑法较适用于具有线性趋势的时间序列，其线性趋势预测模型为： 式中T——自t时点起向前预测的时点数； ——待定系数； 预测模型有效性检验方法，与上述一次指数平滑法预测有效性检验原理相同。 逐时点算出预测值 ，则各时点的误差为 对 数列进行自相关检验，如前所述，若 数列为随机性，则预测模型有效。 3. 布朗二次多项式（三次）指数平滑法 当时间序列呈现非线性趋势时，可用三次指数平滑法。 (1)．三次指数平滑数列的构成 设时间序列为 ；同样令 且取同一个平滑系数a ，则按下式逐步计算； 同样可按预测均方差MSE或MAD最小原则选定一个a值。 (2)．二次抛物线型预测模型 以选定的较好的一个a值的计算结果 、 和 数列为准，对时间序列末期t的数据按下式计算模型系数： 则预测模型为： 式中T——自t时点起向前预测的时点期数。 预测数学模型的有效性检测的方法同上，即先计算预测偏差 数列及其自相关系数 ，