灰色预测理论要点.pptVIP

灰色预测法 汇报人：吴威 赵耀华 主要内容 灰色预测的理论基础 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。 信息不完全包含： 1、系统因素不完全明确； 2、因素关系不完全清楚； 3、系统结构不完全知道； 4、系统作用原理不完全明了。 白色系统、灰色系统、黑色系统 白色系统 一个系统的内部特征是完全已知的，即系统的信息是完全 充分的。如：存取款系统，存款金额明确，利息固定则最终取款金额就已知。 灰色系统 一个系统的内部特征是不完全已知的系统。人体是一个系统，人的身高、体温、血压等都是已知的，可是，人体内部在结构及部位功能上还有许多问题尚未可知。 黑色系统 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。如：观测到的星体。 灰色预测 通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。 灰色预测的类型 时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 畸变预测（灾变预测）。通过模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 灰色预测模型 关联度分析 灰色生成 GM(1,1)建模机理 灰色生成 数的生成 通过对数列中的数据进行处理，产生新的数列，以此来挖掘和寻找数的规律性的方法。对灰色数的处理是利用数据处理的办法去寻找数据间的规律。数的生成方式主要有累加生成、累减生成、均值生成。 累加生成 通过数列间时刻各数据的依个累加以得到新的数据与数列，累加所得的新数列叫做累加生成数列。 具体地， 记原始数列为 X(0)=(x(0)(1), x(0)(2),…,x(1)(n)) 累加生成序列 X(i)=(x(i)(1), x(i)(2),…,x(i)(n)) 一次累加生成关系 累加生成的作用 通过累加生成可以看出灰量积累过程的发展态势,使离乱的原始数据中蕴含的积分特性或规律加以显化。 累减生成 对数列求相邻两数值的差，是累加生成的逆运算。 记原始序列为 X(1)=(x(1)(1), x(1)…(2),…),x(1)(n)) 一次累减生成序列为 X(0)=(x(0)(1), x(0)(2),…,x(0)(n)) 其中，x(0)(k)=x(1)(k)—x(1)(k-1) 累减生成的作用 累减生成可将累加生成还原为非生成数列,在建模方 程用来获得增量信息。 GM（1,1）模型 准备知识 一阶微分方程模型 dx/dt+ax=b 导数的定义 当Δt很小并取很小的单位1时 x(t+1)-x(t)=Δx/Δt 则离散形式可写为 Δx/Δt=x(1)(k+1)-x(1)(k)=x(0)(k+1) 由dx/dt——Δx/Δt——x(1)(k+1)-x(1)(k)，在[x(1)(k)，x(1)(k+1)]范围内，由于 很短时间内背景值（即x值）不会发生突变，则取均值 z(1)(k+1)=o.5 x(1)(k)+0.5 x(1)(k+1)作为x的值。 则得到灰微分方程为 x(0)(k+1)+a z(1)(k)=b 则可得矩阵方程 x(0)(k+1)=-a z(1)(k)+b Yn=B GM（1,1）模型检验 GM(1,1)模型的检验分为三个方面：残差检验；关联度检验；后验差检验。 残差检验 即对模型值和实际值的残差进行逐点检验。 首先按模型 计算 ，将 累减生成 ，最后计 算原始序列 与 的绝对残差序列 后验差检验 即对残差分布的统计特性进行检验。 计算出原始序列的平均值： 计算原始序列的均方差： 计算残差的均值： 计算残差的均方差： 计算方差比C： 计算小残差概率： 令S0=0.6745S1 ,即P=P{eiS0}。 下表为