灰色模型应用举例..doc

灰色系统模型的应用 现金流量 （单位：十万） 年份 现金流量（单位：十万） 2000 915.31 2001 3067.03 2002 4211.81 2003 5099.5 2004 12618.01 2005 6700.01 2006 4953.75 2007 7781.31 经观察，我们发现2000年和2004年的数据与其他数据相差得太大，将它们作为异常数据，剔除掉，再得到原始序列： 首先应用原来未改进的方法进行预测，X的 1-AGO为： 对作紧邻均值生成 构造 B矩阵和 Y矩阵。 采用matlab编程完成解答： 得于是 ， 对参数进行最小二乘估计，采用matlab编程完成解答如下： 则 估计参数： 则GM(1,1)白化方程为 响应时间式为： 采用matlab编程完成解答 由此得模拟序列： 相对误差序列： 平均相对误差： 精度为三级。 与的灰色关联度：关联度为一级。 采用VC编程完成均方差比值C的解答 程序：#includestdio.h #includemath.h void main() { int i; double x[6]={3206.03,4211.81,5099.5,6700.01,4953.75,7781.31};//x为初始序列 double y[6]={3067.03,4423.78,4997.78,5646.27,6378.89,7206.58};//y为模拟序列 double b[6]; double a=0.00,s,c=0.00,d,e=0.00,f,w;//f为S2,s为s1,w为均方差比值C for(i=0;i6;i++) {a+=(x[i]-5302.235)*(x[i]-5302.235);} s=sqrt(a/6); printf(a=%f,s=%f\n,a,s); for(i=0;i6;i++) {b[i]=x[i]-y[i];printf(b[%d]=%f\n,i,b[i]);c+=b[i];} d=c/6; printf(c=%f,d=%f\n,c,d); for(i=0;i6;i++) {e+=(b[i]-d)*(b[i]-d);} f=sqrt(e/6); w=f/s; printf(f=%f,w=%f\n,f,w); } 运行结果： 则，均方差比值为三级。 小误差概率检验： 所以，小概率误差检验是一级。 该模型并非所有检验都合格,且较为重要的相对误差检验是三级,误差较大,如直接应用于实际,会导致较大的误差,造成预测的失真。所以用计算出来的模型直接进行预测时应当慎重。 二、 对已建模型进行改进 下面应用改进的模型： 引入一阶弱化算子D，令 其中， 于是 作为改进后的新序列并按照原来的步骤进行计算。 X的1-AGO为： 对作紧邻均值生成.构造B矩阵和Y矩阵。 采用matlab编程完成解答 且，设，对参数进行最小二乘估计 采用matlab编程完成解答 所以 可得GM(1,1)白化方程 时间响应式为： 采用matlab编程完成解答 由此得模拟序列： 相对误差序列： 采用matlab编程完成解答 平均相对误差： 精度为一级。 与的灰色关联度,采用matlab编程完成解答: 所以 关联度为一级。 采用VC编程完成均方差比值 C的解答 程序如下： #includestdio.h #includemath.h void main() { int i; double x[6]={5302.24,5749.28,6133.64,6478.36,6367.53,7781.31};//x为初始序列 double y[6]={5302.24,5648.95,6044.63,6468.02,6921.07,7405.85};//y为模拟序列 double b[6]; double a=0.00,s,c=0.00,d,e=0.00,f,w;//f为S2,s为s1,w为均方差比值C for(i=0;i6;i++) {a+=(x[i]-6298.46)*(x[i]-6298.46);} s=sqrt(a/6); printf(a=%f,s=%f\n,a,s); for(i=0;i6;i++) {b[i]=x[i]-y[i];printf(b[%d]=%f\n,i,b[i]);c+=b[i];} d=c/6; printf(c=