GM模型培训讲义.pptVIP

第2节 灰色系统模型 灰色系统模型简介 常用灰色系统模型 GM(1,1)模型发展的四阶段 灰色系统模型应用 灰建模概念 在序列的基础上，近似微分方程模型，称为灰建模。近似微分方程模型称为灰模型。 灰模型特性 灰色模型既不是一般的函数模型，也不是完全(纯粹)的差分方程模型，或者完全(纯粹)的微分方程模型，而是具有部分差分、部分微分性质的模型。 灰色模型建模条件 结构条件、材料条件、品质条件 2、常见灰色系统模型 GM(1,1)模型 GM(1,N)模型 GM(0,N)模型 GM(2,1)模型 verhulst 模型 3、GM(1,1)模型的发展四阶段 阶段一: 同化阶段 把GM(1,1)模型作为经典数学模型来考虑,或用 一般的数学概念来描述,等同于一般的微分方程。 该阶段属于初级阶段。 阶段四：进化阶段 打破发展系数(-2,+2)的范围； 提出了GM(1,1 )模型及其推理模型； 模型的最新阶段。 6、灰色系统模型应用 灰色系统模型在农业科学、经济管理、环境科学、医药卫生、矿业工程、教育科学、水利水电、图像信息、生命科学、控制科学、航空航天等众多领域中得到了广泛的应用，解决了许多过去难以解决的实际问题，展示了极为广泛的应用前景。 6.2 灰色预测的建模步骤 第一步：级比检验、建模可行性分析 第三步：GM(1,1)建模 第四步：模型检验 1. 事中检验 通常采用残差检验、后验差检验、关联度检验与级比偏差检验。 2、事后检验 事后检验即预测检验，主要为滚动检验，就是用时间存在轴上左边的数据(前面的数据)建立模型，预测下一个数据(后面一个数据)，以了解其预测误差。 第五步：预测 * * 1 、 灰色系统模型简介 目前，最常用、研究最多的是GM(1,1)模型。 阶段二：异化阶段 灰色模型从微分方程模型中逐渐分离出来, 建立GM(1,1)模型的影子方程或白化方程。 该阶段属于发展阶段。 阶段三：融化阶段 有充实的理论基础； 建立定义型、白化型、派生模型型、派生型、派生模型指数型、派生模型内涵型等多种式，其显著特点是模型具有解与方程统一的性质； 灰色GM(1,1)模型的高级阶段。 4 GM(1.1)模型建模机理 5 GM(1.1)模型的精度检验 5.1 相对误差检验法 5.2 后验差检验法 P0.70 0.65C 4级（不合格） 0.70=p0.80 0.5C=0.65 3级（勉强） 0.80=p0.95 0.35C=0.5 2级（合格） 0.95=p C=0.35 1级（好） 小误差概率p 均方差比值C 模型精度等级 5.3 关联度检验法 6.1灰色预测 灰预测是灰色系统理论中的一个重要内容, 它是指基于灰色系统理论的GM(1,1)模型的预测。灰预测可分为五类： 1. 数列预测(Sequence Grey Prediction) 级比 落于可容区的(大)惯性序列, 可以直接建立GM(1,1)模型, 以预测数据值的分布, 称为数列灰预测。概括的来说, 即为对数据大小进行的预测。 2. 灾变(异常值)灰预测(Calamities Grey Prediction) 对于级比不是全部落于可容区的小惯性序列, 对跳变点时分布建模以预测跳变点未来的时分布称为灾变灰预测, 或异常值灰预测。通俗的说, 即为对一定时间内是否发生灾变, 或某种异常的数据可能发生在哪些年代的预测。 3. 季节灾变灰预测(Seasonal Calamities Grey Prediction) 对发生在特定时区(季节)的事件作时分布预测, 称为季节灾变灰预测。通俗的说, 即为对一年或某个季节内发生的灾变或异常值进行的预测。 4. 拓扑灰预测(Topological Grey Prediction) 对于大幅度摆动序列, 按点集拓扑基选取时分布序列, 作GM(1,1)建模, 预测拓扑基的时分布, 以达到预测摆动序列未来发展态势的目的, 称为拓扑灰预测。它是一种全波形预测, 是整体预测。 5. 系统灰预测(Systematic Grey Prediction) 由多个行为变量形成的灰微分方程组, 通过GM(1,1)嵌套的方法, 预测多个行为变量的发展变化, 以避免解高阶特征方程之繁, 称为系统灰预测。 第二步：数据变换处理 数据变换处理的原则是经过处理后的序列级比落在可容覆盖中，从而对于级比不合格的序列，可保证经过选择数据变换处理后能够进行GM(1,1)建模。通常的数据变换有平移变换、对数变换、方根变换。