灰色预测.docVIP

灰色预测法 基本原理 系统是指相互依赖的两个或两个以上要素所构成的具有特定功能的有机整体。系统可以根据其信息的清晰程度，分为白色、黑色和灰色系统。白色系统是指信息完全清晰可见的系统；黑色系统是指信息完全未知的系统；灰色系统是介于白色和黑色系统之间的系统，即部分信息已知、部分信息未知的系统。宇宙间大量存在的是灰色系统，严格的说，灰色系统是绝对的，而白色和黑色系统则是相对的。 运用灰色系统理论、通过建立灰色模型所进行的预测即为灰色预测。对经济、社会、农业等系统的预测属于本征性灰色系统的预测。因为这类系统没有物理原型，不清楚系统的作用机制，很难判断信息的完备性，难以对系统关系、结构作精确描述，人们只能凭逻辑推理、凭某种观念意识、凭某种准则对系统的结果、关系进行论证，然后再建立某种模型，这些模型充其量只能看作是原系统的代表、同构。 灰色系统不同于模糊系统，模糊系统内涵明确而外延模糊，灰色系统外延明确而内涵不为人们所掌握；灰色系统是基于关联度收敛原理、生成数、灰导数、灰微分方程等的观点和方法，通过建立灰色方程型模型所进行的预测，它具有如下的特点： 灰色模块建模，而不直接用原始数据序列。在建模前，先对原始数据进行整理和处理，使之呈现一定的规律性，这种方法叫做生成；经过一定方式生成的新序列称之为“模块”这样做的目的是为了消除原始序列的随机性，使上下波动的时间序列转变成单调升、并带有线性或指数规律的序列。 建立微分方程的动态模型。这种建模方法为本征性灰色系统的实体化、物理化找到了途径，把自然科学的试验手段移植到抽象系统。 关联分析代替回归分析。灰色系统主张按机理、按发展变化态势作特征分析，按发展态势建立关联的测度，研究关联序，以研究生成函数的逼近度、检验预测精度等。 累加和累减法 灰色预测所直接使用的不是原始数据序列，而是由原始数据序列所产生的灰色模块。这是由于原始序列中常混入随机量或噪声。在控制系统理论中，通常需要用滤波的方法来消除噪声，在灰色预测中对原始序列的处理相当于滤波的处理方法，即建立灰色模块，下面介绍建立灰色模块的两种方法累加生成系列和累减生成系列。 累加生成序列 累加生成即通过对原始数列进行累加，生成新的数据序列，一般经过一次累加后，就可以进行建模了。 设原始序列为： 经过一次累加生成的新序列，记为1－AGO，为： 其中： 如果设，则有： 下面举例说明之。 例：设有原始序列为： 即 经过一次累加生成： 分别运用原始数据序列和新数据序列所绘制的曲线图如下： 由图可以看出，原始数据序列为一不规则的波动曲线，其含随机变量，较难找出其变化规律，亦难以用解析函数来拟合。但经过一次累加生成之后所形成的序列，其曲线为上图所示。可以看出新序列有单调增的趋势，有可能用适当的函数来描述。可以想象，累加生成次数愈多，其随机性被弱化得愈显著，序列所形成的曲线其规律性将更加明显。 一般累加公式为： （10－1） 对于经过多次累加生成序列xm，大多数可用指数函数进行拟合，也就是说大多可以用微分方程来描述，或者说可以近似地作为微分方程的解。 累减生成算法 经过累加之后的序列，已经失去其原来的物理意义和经济意义，故经过方程求解的结果必须还原到原序列，即通过累减得到原始序列。 下面讨论累减算法：用a(r)表示r次累减运算算子。 a(0)表示不作累减，即a(0)x(i)= x(i) a(1)表示一次累减，即a(1)x(i)= x(i)- x(i-1) 一般的有： 式中：j＝1，2，…，n 还可进一步导出下列关系： 利用数学归纳法有： 当i＝r时，有： 当i＝r＝1时，有： 利用上述公式就可以完成累加的逆运算（累减），得到原始序列。 灰色简单模型 现行的比较常用的灰色模型有：灰色简单模型、灰色新还原模型、灰色残差模型、灰色新还原残差模型、DGM模型和费尔哈斯模型，在本节和以下的几节里我们将分别介绍。现在我们先介绍最简单的也最常用的灰色模型，即灰色简单模型，简称为GM（1，1）模型。 灰色微分方程 在介绍一般的灰色模型前，我们先介绍灰色微分方程。 灰色系统理论通过对一般微分方程的深刻剖析定义了系列的灰导数，从而使我们能够利用离散数据系列建立近似的微分方程模型： （10－2） 其中为x的导数，x为的背景值；a，u为参数。 GM（1，1）模型 灰色简单模型GM（1，1）表示一阶的，一个变量的微分预测模型，用于时间序列预测的是其离散形式的模型。 设原始系列为 其1－AGO系列X（1）为： 对一阶生成数列x(1)，建立GM（1，1）