计算机实践讲解.docxVIP

实验一 实验名称： 灰色系统理论及其应用 实验题目及结果： 1．某市工业、农业、运输业、商业各部门的数据如下： 分别以，为系统特征序列，计算灰色关联度。 在计算灰色关联度之前，先将数据进行变换和处理，使其消除量纲，具有可比性。根据上述序列，做曲线图为： 由表可以看出，工业与其它三个走势相反。所以无量纲化时，令农业、运输业、商业 令工业 得到无量纲后的序列后，分别以x1, x2为系统特征序列，计算灰色关联度（分辨率ρ = 0.5），如下表： 关联度 x1 x2 x3 x4 x1 1.0000 0.8920 0.8096 0.6442 x2 0.9031 1.0000 0.7658 0.6418 由关联系数表可以看出，x1与x2灰色关联度最大，x1，x2与x4的关联度最小，与表中所表示的相符。 2、y1=170,174,197,216.4,235.8,y2=57.55,70.74,76.8,80.7,89.85,y3= (68.56,70.85,85.38,99.83,103.4) 为系统特征行为序列， x1=308.58,310,285,346,367,x2=195.34,189.9,189.2,205,222.7x3= 24.6,21,12.2,15.1,14.57,x4=20,25.6,23.3,29.2,30,x5= (18.98,19,22.3,23.5,27.66)为相关因素行为序列，试做优势分析。 设表示比较因素数列对母序列的关联度，可以构造关联度矩阵为。这里令分辨率ρ = 0.5，可以得到关联度矩阵为： = 从关联矩阵 R 可以看出： (1)、第3列元素都比较小，表明每一个特征序列对第3个行为序列的影响小。即第三个序列有一定的独立性。 (2)、0.9354最大，表明第5个因素序列的大小对第1个特征序列的影响最大 (3)、在第4个序列中，0.8927最大，也为全局次大，表明第4个因素序列对第3个特征序列的影响最大 3、某地区平均降雨量数据（单位：mm）序列为x=x1,x2,…x17= (390.6,412.0,320.0,559.2,380.8,542.4,553.0,310.0,561.0,300.0,632.0,540.0, 406.2,313.8,576.0,587.6,318.5)其中分别为1971,1972，...，1987年的数据，取=320mm为下限异常值（旱灾），试作旱灾预测。 取=320mm为下限异常值，可以得到发生旱灾的时间序列为：=( 3, 8 ,10 ,14,17)（将序列值同时减去1970）。下面则对时间序列建立GM（1,1）模型，进行灰色预测。 GM（1,1）模型： (1)、数据的检验与处理 为保证建模的可行性，对原始数据进行必要的检验处理，计算数列的级比 得： （0.3750，0.8000，0.7143，0.8235）， 可容覆盖域为 =（0.7165，1.3307）。 因为λ不全在Θ内，所以将原序列作变换，令y=x+c,取c=10,变换后的序列的级比值为： λ=(0.7222，0.9000，0.8333，0.8889) 全部位于可容覆盖域内。此时序列为x=(13,18,20,24,27)。 (2)、建立模型 将原始序列做一次累加，得到AGO序列为 求均值序列为 于是，建立微分方程模型为： 令，，则得. 得到预测值为： 由上述算法生成的B=，。 解得： . 所以预测值为： 所以预测序列为 令k=n=5,得 =20.9299 ，=25.7985,因为20.9299-17=4。所以下一次旱灾在4年以后。 （3）误差分析 对模拟数据进行残差检验，得到残差检验表为： 序号 实际数据 模拟数据 残差 相对误差 2 8 7.7785 -0.0277 0.35% 3 10 10.4498 0.0450 0.45% 4 14 13.5225 -0.0341 0.24% 5 17 17.0568 0.0033 0.02% 4. 乡镇企业的产值与其它四个行为因素的相关度如下： 关联度 固定资产 流动资产 劳动力 企业留利 产值 0.6398 0.7374 0.8532 0.7775 由表中可以看出，乡镇企业的产值与劳动力的关联度最大，所以可以重视劳动力的发展，与固定资产的关联度最小，即固定资产对乡镇企业的发展的影响相对较弱。而流动资产与企业留利对乡镇企业的发展影响居中。 5、设原始序列为， 试建立GM(2，1)模型。 (1)模型建立 由题目得x(0)=(2.8740,3.278,3.337,3.39,3.679) x(0)的1－AGO序列为： x(1)=2.8740,6