数学建模灰色系统建模选编.pptVIP

2013数学建模培训;第二讲 灰色系统建模;一、引 言; 综合评价和预测是数学建模竞赛中较为常见的两类问题。 灰色关联分析与层次分析法、模糊综合评判法、数据包络分析法、神经网络评价法、主成分分析法、因子分析法、理想解法等是数学建模中常用的综合评价与决策方法。 灰色系统模型主要指 GM(1,1)模;模型，它与微分和差分方程模型、拟合方法、回归分析方法、时间序列、马氏链、神经网络等是数学建模中常用的预测方法。 本讲首先介绍灰色系统的概念与基本原理，然后重点介绍灰色关联分析方法和灰色系统模型GM(1,1)，最后介绍灰色关联分析方法和灰色系统;模型在数学建模中的应用。 本讲首先要理解适宜用灰色系统方法解决的问题特点，其次要了解灰色关联分析和灰色预测的原理，然后要熟练掌握灰色关联分析和灰色预测软件和程序的使用方法。 下面给出本讲学习大纲，以方便大家学习。;1. 灰色系统中的“灰色”是何意思？ 2. 为何要用序列算子生成灰色序列？ 3. 如何理解累加算子的作用？ 4. 灰色关联分析可用于何种问题，它的基本思想是什么？ 5. 灰色关联分析前为何要对原始数据规范化，四种规范化方式的适用范围是什么？;6. 灰色关联度定义及分析方法中存在的问题。 7. 两类灰色关联分析程序的差别。 8. 为何在用GM 模型进行预测前通常要对原始数据进行累加？ 9. 如何理解GM(1,1)模型的基本形式和白化形式？ 10. GM模型的优缺点及适用范围。;二、灰色系统的概念与原理; 灰色系统理论是华中科大邓聚龙教授1982年创立的一种研究少数据、贫信息不确定性问题的新方法。 概率统计、模糊数学和灰色系统理论是三种最常用的不确定性系统研究方法。 概率统计研究的是“随机不确定”现象，着重于考察随机不确定现象的;历史规律。其出发点是大样本，并要求对象服从某种典型分布。 模糊数学着重研究“认知不确定”问题，其研究对象具有“内涵明确、外延不明确”的特点。例如，“年轻人”，“有钱”。 灰色系统理论着重研究“小样本, 贫信息”认知不确定问题，其研究对;象具有“外延明确、内涵不明确”的特点。 例如，“ 8万到10万之间” 就是一个灰概念，其外延明确，但内涵不清楚。;1. 灰色系统的概念 对象的灰色系统中“灰色”的基本含义是指信息不完全，包括元素信息不完全；结构信息不完全；边界信息不完全；运行行为信息不完全。 ;2. 灰色系统的原理 目前, 灰色系统的理论体系尚不完善。通常，灰色系统必须满足下列基本原理： (1) 差异信息原理——所有信息皆有差异； (2) 解的不唯一原理——信息不完全、不确定情况下的解不唯一； ; (3) 最少信息原理——充分利用已有的最小信息； (4) 认知根据原理——信息是认知的根据； (5) 新信息优先原理——新信息对认知的作用优于老信息； (6) 灰性不灭原理——信息不完全 (灰)是绝对的。; 灰色系统是极少数由中国学者创立的理论之一，基本概念与基本理论相当不完备，国内外许多学者对灰色系统理论也有许多争论和不同看法。 本讲不过多探讨灰色系统的概念和理论，而只是将其视为一种实用的建模工具，会恰当地用其解决建模问题即可。;三、序列算子和灰色序列; 灰色系统中原始数据中的信息是不完全的。灰色系统往往通过对原始数据的挖掘和整理来降低信息的不确定性，这一数据预处理过程称为灰色序列的生成，生成灰色序列的方法称为序列算子。 最常用的序列算子是累加算子。 累加是使灰色系统变白的一种方;法，在灰色系统理论中占有极其重要的地位。累加可使表面凌乱的原始数据中蕴含的规律充分显现再来。 例如，在对比今年与去年家庭支出时，若按日对比，可能很难发现明显规律；若累加后按月对比，规律就可能显现出来，可能呈明显的上升趋势。; 设原始数据序列 X=(x(1),x(2),…,x(n)) 令XD=(x(1)d,x(2)d,…,x(n)d)，其中 则D称为一次累加生成算子，记为1-AGO。 类似可定义二阶累加算子。 非负准光滑序列经过累加生成后,;都会减少随机性，呈现出近似的指数增长规律，称之为灰指数律。 原始序列越光滑，生成后的指数规律也越明显。 因此，灰色系统预测的常用方法是：首先对原始序列进行累加，然后用GM(1,