di_7zhang_bian_xing_de_shi_xu_fen_xi_he_pin_pu_fen_xi_fa_2.ppt.ppt

§7.2 时间序列与灰色系统组合模型 7.2.1 灰色系统概述 灰色系统理论是华中科技大学教授邓聚龙教授于20世纪70年代末至80年代初提出，已广泛应用于社会、经济、农业、生态、生物等各个领域。 灰色系统是指信息部分明确、部分不明确的系统，已知的信息称为白色，未知的信息称为黑色。它通过对原始数据的重新生成，特别没有规律的原始数据序列通过累加或累减处理而成为具有较强规律性的新数列，再用微分方程来描述这一新的数列，解此微分方程即得到自变量与因变量的关系。 7.2.2 GM（1,1）模型 建立GM（1,1）模型的实质是对原始序列做一次累加生成的序列呈现一定的规律，然后建立一阶线性微分方程模型，求得拟合曲线对系统进行预测。 （1）GM（1,1）预测模型 设有原始序列 （7-40） 将其累加生成新数列 ， i=1，2，…，n （7-41） 其中， 相应的微分方程为 （7-42） 累加矩阵为 （7-43） 常数向量为 （7-44） 应用最小二乘法求得解的系数得 （7-45） 并带入微分方程的解，得到时间函数 （7-46） 再求导还原得 （7-48） 这两个方程就是GM(1,1)模型的预测方程。此时其实际的预测值可由下式得 （7-49） （2）GM（1,1）预测模型的检验方法 根据GM（1,1）模型的预测方程可采用3种检验方法，残差的大小检验、关联度检验和后验方差检验。 设t时刻的残差为 （7-50） 残差的均值为 （7-51） 残差的方差为 （7-52） 原始序列的方差值为 （7-53） 后验差比值 和小误差概率 为后验方差检验的两个重要数据。显然，C越小，表示 越大而 越小； 大说明原始数据的方差大，即原始数据的离散度大； 小说明残差方差小，残差的离散程度小。因 此，C小表示尽管原始数据的离散程度高，但模型计算所得的值与实际值的差并不太离散。 根据C和P的大小可以综合评定预测模型的精度，具体指标见下表 7.2.3 组合预测模型 在时间序列预测实践中，对于某一时间序列预测问题，可用各种预测模型进行预测。一般来说，采用预测模型不同，预测结果也不同；一种更为科学的做法是，讲不同的预测方法进行适当的组合，这就是组合预测方法。为了有效地利用各种模型所提供的信息提出了组合预测方法。 组合预测的类型一般分为两种综合类型：一种是权重组合；另一种是区域综合。 （1）权系数组合预测模型 组合预测的关键是恰当地确定各个预测模