第8章+灰预测方法.ppt

第八章 灰色预测方法 1982年我国学者邓聚龙先生创立了灰色系统理论，目前许多国家及国际组织的知名学者从事灰色系统的理论和应用研究工作。 灰色系统研究的是“部分信息明确，部分信息未知”的“小样本，贫信息”不确定性系统，它通过对已知“部分” 信息的生成去开发了解、认识现实世界。着重研究“外延明确，内涵不明确”的对象。 8.1 灰色系统基本原理与灰数 二、灰数及其运算 （2）仅有上界的灰数。 有上界无下界的灰数记为： ? ∈[-∞ ,a ] （6）本征灰数与非本征灰数 本征灰数是指不能或暂时还不能找到一个白数作为其“代表”的灰数； 非本征灰数是凭借某种手段，可以找到一个白数作为其“代表”的灰数。 则称此白数为相应灰数的白化值，记为 并用 ?(a) 表示以a为白化值的灰数。 aita2 = 1.0000 0.5038 0.3705 0.3333 aita3 = 1.0000 0.8390 0.5254 0.5035 aita4 = 1.0000 0.6350 0.4973 0.3542 load gld r=0.5 aita2=(u+r*v)./(y2+r*v) aita3=(u+r*v)./(y3+r*v) aita4=(u+r*v)./(y4+r*v) r12=(1/4)*sum(aita2) r13=(1/4)*sum(aita3) r14=(1/4)*sum(aita4) r12 = 0.5519 r13 = 0.7170 r14 = 0.6216 8.3 灰色预测模型 一、GM（1，1）模型的建立 设时间序列有n个观察值： 通过累加生成新序列 令 为 的紧邻均值生成序列 则GM（1，1）的灰微分方程模型为： 其中：α称为发展灰数；μ称为内生控制灰数。 设 为待估参数向量， 可利用最小二乘法求解。解得： 其中 称微分方程： 为灰色微分方程 的白化方程， 也称影子方程。 （1）白化方程的解也称时间响应函数，其为 （2） GM（1，1）灰微分方程 的时间响应序列为 （3）取 （4）还原值 注：（1）原始数据不一定全部用来建模，数据不同，模型不同。 （2）数据的取舍应保证建模序列等时矩、相连，不得有跳跃出现。 （3）一般建模数据应当有最新的数据及其相邻数据构成。 二、模型检验 （1）残差检验 按预测模型计算 并将 累减生成 然后计算原始序列 与 的绝对误差序列及相 对误差序列。 灰色预测检验一般有残差检验、关联度检 验和后验差检验。 给定a,当 成立,称模型为参差合格模型. a取0.01、0.05、0.1所对应的模型分别为：优、合格、勉强合格 （2）关联度检验 根据前面所述关联度的计算方法算出 与原始序列 的关联系数，然后计算出关联 度，根据经验，当ρ=0.5时，关联度大于0.6便 满意了。 （3）后验差检验 a.计算原始序列标准差: b. 计算绝对误差序列的标准差： c. 计算方差比： d. 计算小误差概率： 令: ， 则 P 0.95 0.80 0.70 ≤0.70 C 0.35 0.50 0.65 ≥0.65 好 合格 勉强合格 不合格 例 某矿某年3-7月份的轻伤事故情况如表所示: 原始数据列为： 累加生成数列为： 月份 3 4 5 6 7 轻伤人次 26 29 31 33 34 表1 轻伤事故人次 所以 因 所以， 即事故预测公式为： 生成数列的预测值、原始数列的还原值分别如表所示。 为了得到原始数列的预测值，需要将生成数列的预测值作累减还原为原始值，即根据下式求得： 表2 生成数列的预测值与误差检验 -0.03 153.03 153 4 0.30 118.70 119 3 -0.14 86.14 86 2 -0.27 55.27 55 1 0 26 26 0 k 表3 原始数列的还原值与误差检验 1 26 26 0 2 29 29.27 -0.27 3 31 30.87