灰色预测法答题.ppt

在预测分析中，最基本的预测模型为线性回归方 程，针对一些规律性较强的数据，该模型能作出精 确的预测，但在实际中，我们得到的常是一些离散 的，规律性不强的数据，为解决此类问题，线性回 归方法就不适用了，此时，就需要采用灰色预测的 方法。 ;1 灰色预测理论 2 GM(1,1)模型 ;1 灰 色 预 测 理 论; 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 信息的系统进行预则，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。; 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。; 灰色预测法用等时距观测到的反映预测对 象特征的一系列数量值构造灰色预测模型， 预测未来某一时刻的特征量，或达到某一 特征量的时间。;（3）灰色系统的应用范畴 ; （4）灰色预测的四种常见类型 ; 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 将原始数据做曲线，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;累加; 累加的规则:;记原始时间序列为：; 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，可认为数据序 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;三、关联度;式中： ;（2）关联度;一个计算关联度的例子;解答：;第二步：求序列差;第四步：计算关联系数;第五步：求关联度; 在建立模型前必须对数列X (0) 进行准光滑性 检验,由ρ( t) = X(0) ( t) / X(1) ( t - 1) ,若对t 3有 ρ( t) 0.5 , 则其满足准光滑条件; 然后检验数列X (1)是否具有准指数规律, 由 σ(1) ( t) = X(1) ( t) / X(1)( t - 1) , 若对t 有σ(1) ( t) ∈[1 , 1+ δ] ,其中δ常取0.5 ,则 准指数规律满足,可对X(1) 建立GM(1 ,1) 模型,否 则需继续累加。 ;2 GM(1,1)模型;构造矩阵B与向量Y;设; 对其做累减还原，即可得到原始数列 的 灰色预测模型为: ; 由灰色预测方法原理, - a 主要控制系统发展态 势的 大小,即反映预测的发展态势,被称为发展系数; u 的大小反映了数据变化的关系,被称为灰色作用量, 其中: ①当- a 0.3 时, GM(1 ,1) 模型可用于中长期预测; ②当0.3 - a 0.5 时, GM(1 ,1) 模型可用于短期预测,中长期预测慎用; ③当0.5 - a 1 时, 应采用GM(1 ,1) 改进模型,包括GM(1 ,1) 残差修正模型; ④当- a 1 时,不宜采用GM(1 ,1) 模型,可考虑其他预测方法。;灰色预测检验一般有残差检验、关联度检; 在建立模型后,还必须对模型进行精度检验,其 检验标准见表1。 表1 　精度检验等级参照表　　;（2）关联度检验;（3）后验差检验;b. 计算绝对误差序列的标准差：;d. 计算小误差概率：;3基于灰色预测的等维灰数递补模型; GM(1,1)模型中具有预测意义的数据仅 仅是数据X(n)以后的前几个数据，随着时间 的推移，老的数据越来越不适应新的情况，所 以，要在原数据的基础上每次增加一个新信 息时，就去掉一个老信息。这种新数据补充、 老数据去除的数据列，由于其维数不变，因而 叫等维信息数据列，相应的模型叫等维灰数 递补模型，或叫新陈代谢模型。 ;设原始数列为: 置入新信息X(0)(n+1),去掉老信息X(0)(1),可构成 新数列: 利用这一新数列建立的GM(1,1)模型,即为等 维信息GM(1,1)模型。 ; 由于在实际中，信息处于不断的变化之中,具有 很大的随机性,虽然历史信息对预测时刻的具体值有 一定的相关性和影响,但与预测时刻更接近的信息对 于该时刻的预测结果更有价值。鉴于这