GM(1_1)模型,灰色预测研讨.docVIP

小额贷款远程智能预警系统 人数预测算法的设计 灰色系统的引入： 灰色系统是指“部分信息已知,部分信息未知”的“小样本”,“贫信息”的不确定性系统,它通过对“部分”已知信息的生成、开发去了解、认识现实世界，实现对系统运行行为和演化规律的正确把握和描述. 灰色系统模型的特点：对试验观测数据及其分布没有特殊的要求和限制，是一种十分简便的新理论，具有十分宽广的应用领域。 目前，灰色系统已经成为社会、经济、科教、技术等很多领域进行预测、决策、评估、规划、控制、系统分析和建模的重要方法之一。 特别是它对时间序列短、统计数据少、信息不完全系统的建模与分析，具有独特的功效。 灰色模型的优点 （一） 不需要大量的样本。 （二） 样本不需要有规律性分布。 （三） 计算工作量小。 （四） 定量分析结果与定性分析结果不会不一致。 （五） 可用于近期、短期，和中长期预测。 （六） 灰色预测精准度高。 GM（1,1）模型（grey model一阶一个变量的灰微分方程模型） 灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。灰数的生成，就是从杂乱中寻找出规律。同时，灰色理论建立的是生成数据模型，不是原始数据模型。因此，灰色预测的数据是通过生成数据的GM(1,1)模型所得到的预测值的逆处理结果。 GM（1,1）的具体模型计算式 设非负原始序列 对作一次累加 ; k=1,2,…,n 得到生成数列为 于是的GM（1,1）白化微分方程为 (1—1) 其中a,u为待定参数，将上式离散化，即得 （1—2） 其中为在（k+1）时刻的累减生成序列， （1—3） 为在（k+1）时刻的背景值（即该时刻对应的x的取值） （1—4） 将（1—3）和（1—4）带入（1—2）得 （1—5） 将（1—5）式展开得 （1—6） 令，， 为待辨识参数向量，则（1—6）可以写成 （1—7） 参数向量可用最小二乘法求取，即 （1—8） 把求取的参数带入（2—16）式，并求出其离散解为 （1—9） 还原到原始数据得 （1—10） （1—9）、（1—10）式称为GM（1,1）模型的时间相应函数模型，它是GM（1,1）模型灰色预测的具体计算公式。 建立灰色预测模型的一般步骤 第一步：级比检验，建模可行性分析。 第二步：数据变换处理。 第三步： 用GM(1,1)建模。 第四步：模型检验。 灰建模事例 北方某城市1986-1992年交通噪声平均声级数据 序号年份Leq1198671.1 2198772.4 3198872.4 4198972.1 5199071.4 6199172.0 7199271.6 表：某城市近年来交通噪声数据[dB(A)] 第一步：级比检验，建模可行性分析。 1、建立交通噪声平均声级数据时间序列： 2、求级比： 3、级比判断： 由于所有的，（k=2,3,…7），故可以用作满意的GM（1,1）建模。 （注：由此处可见，当样本数量增加时，GM模型能够接受的相邻两个样本的变化范围变小，正常情况上公司每天的上班人数基本恒定，因此可以在样本数量的选择和可能的变换范围之间作一个平衡：n取20时，允许的变化范围大致为（0.91 , 1.1）；n取40时，允许的变化范围大致是（0.95 ，1.05）…在进行预测时，只要使用最新的n组数据即可 ） 第二步：用GM（1,1）建模 对原始数据作一次累加： （k=1,2,…,7） 得： =（71.1，143.5，215.9, 288, 359.4, 431.4, 503） 构造数据矩阵B以及数据向量Y： 于是可以得 ， 用最小二乘法估计求参数列 于是可以得到， 建立模型 解得时间响应序列为 = 求生成数列值及模型还原值； 令k=1,2,…,6带入时间响应函数即可得到 其中取 由，得到还原值 =（71.1, 72.4, 72.2, 72.1, 71.9, 71.7, 71.6） 第三步：模型的误差分析 序号年份Leq原始值Leq模型值残差相对误差1198671.1 71.1002198772.4 72.4003198872.4 72.20.20.28%4198972.1 72.1005199071.4 71.9-0.50.70%6199172.0 71.70.30.42%7199271.6 71.600 由此可见，该模型精确度较高，可以进行预报及预测。 备注： 灰色模型的创建者邓聚龙已经证明，只需要4个数据就可以建立GM（1，1）