灰色系统理论与建模20191.pptVIP

灰色系统理论与建模 灰色系统理论基础 1982年，中国学者邓聚龙教授创立的灰色系统理论，是一种研究少数据、贫信息不确定问题的新方法。灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定系统为研究对象，主要通过对部分已知信息的生成、开发，提取有价值的信息、实现对系统运行行为、演化规律的正确描述和有效监控。灰色系统模型对实验观测数据没有什么特别的要求和限制，因此应用领域十分宽广。 一、数据的检验与处理首先，为了保证建模方法的可行性，需要对已知数据 做必要的检验处理。设参考数据为，计算数列 的级比如果所有的级比都落在可容覆盖内，则 数列可以作为模型的数据进行灰色预测。二、 GM(1, 1) 模型的一般过程 累加生成。设为原始序列 对进行一次累加生成，得生成序列其中, GM(1, 1) 模型的一般过程 2. 建模。 由构造背景值序列 其中，一般取= 0.5 ,建立白化方程 (影子方程)为 称之为GM(1, 1)模型的原始形式 GM(1, 1) 模型的一般过程 这里，符号GM(1, 1)的含义如下：GM（1， 1）Grey Model 1阶方程 1个变量将上式离散化，微分变差分，得到GM(1, 1)微 分方程如下： 称之为GM(1, 1)模型的基本形式。 GM(1, 1) 模型的一般过程其中a, b为待定系数，分别称之为发展系数和灰色作量,a的有效区间是(-2, 1)。 3. 求解参数。 应用最小二乘法可经下式得： 其中, GM(1, 1) 模型的一般过程 4. 建立预测公式 GM(1, 1) 模型的一般过程 5.检验模型 (1)求出与之残差，相对误差 求出原始数据平均值, 残差平均值:GM(1, 1) 模型的一般过程 (2)求出原始数据方差与残差方差的均方差比值C和小误差概率p:当，，时，模型精度 为一级。当发展系数时, 则所建GM(1, 1) 模型则可用于中长期预测。GM(1, 1) 模型的一般过程精度检验等级参照表 级比偏差检验 (3)级比偏差值检验据数据预处理中的级比和a求出级比偏差如果，则可认为达到一般要求；如果，则认为达到较高要求。 例题 设原始序列为：试用GM(1,1)模型对进行模拟。 第一步 对作一阶累加 第二步 对作紧邻均值生成。令 得 于是， 第三步 对参数列进行最小二乘估计。 得 第四步 确定模型 及时间相应式 第五步 求的模拟值 第六步 还原求出的模拟值 得 第七步 检验误差。 残差平方和平均相对误差误差检验表 残差修正GM(1,1) 若用修正则称修正后的时间响应式为残差修正GM(1,1)模型，简称残差GM(1,1) 新陈代谢GM(1,1)设原始序列为：设为最新信息，置入最新信息，去掉最老信息，称用建立的模型为新陈代谢GM(1,1) GM(1，1)模型的变换 GM增量模型对原始据时间序列采用特殊的预处理，即先进行一累减算子运算，分离出增量部分再对增量序列建立普通GM(1, 1)预测模型，最后再经式还原成总量。我们称经过 这种变换的模型为灰色增量模型(IGM模型)。 2.新初值GM模型—以为初始条件的GM模型 3.离散GM模型 称为 离散GM(1, 1)模型，即DGM(1, 1)模型。 时间响应函数： 这里，还原值DGM(1, 1)模型是灰色预测模型的一种新形式，可 以全面解释原GM(1, 1)模型从离散形式到连续形式 转变问题，用DGM(1, 1)做纯指数增长序列预测模 拟，结果完全符合增长规律，解决了预测稳定性 问题。 4. 无偏GM(1,1)模型 在求出之后, 得到模型： 无偏GM(1,1)模型 令再令， 建立无偏GM(1, 1)模型与传统的GM(1, 1)模型相比，无偏GM(1, 1)模型不存在传统GM(1, 1)模型所固有的偏差，因而就消除了传统GM(1, 1)模型在原始数据序列增长率较大时失效的现象，使得其应用范围变得更加广泛。此外，无偏GM(1, 1)模型无需进行累减还原，简化了建模步骤，提高了模型的计算速度。 无偏GM(1,1)模型 实际应用时，灰色模型维数的选择也影响到预测的精度。对于维数的选择将采用如下的方法：先由全部的个原始数据建立第一个无偏灰色预测模型，考虑所建立的模型是否符合实际要求，否则去掉，用剩余的个数据建立第二个无偏灰色模型，看是否符合实际要求，否则去掉，用剩余的个数据建立第三个无偏灰色模型，依此类推，直到第个数据被去掉为止。在所建立的 个无偏灰色模型中选择拟合最优的曲线作为预测曲线。 灰色关联分析 灰色关联分析的基本思想根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近，相应序列之间关联度就越大，反之就越小。 关联度关联度分析是分析