管理课件灰色预测模型.pptVIP

灰色预测模型及其应用 灰色预测模型（Gray Forecast Model）是通过少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测. 预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断. 灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论.灰色预测是对灰色系统所做的预测.目前常用的一些预测方法（如回归分析等），需要较大的样本.若样本较小，常造成较大误差，使预测目标失效.灰色预测模型所需建模信息少，运算方便，建模精度高，在各种预测领域都有着广泛的应用，是处理小样本预测问题的有效工具. 　1. 灰色系统的定义 　2. 灰色系统的特点 　 通过下面的数据分析、处理过程，我们将了解到，有了一个时间数据序列后，如何建立一个基于模型的灰色预测。 　1. 数据的预处理 首先我们从一个简单例子来考察问题. 【例1】 设原始数据序列 7.2 灰色系统的模型 7.2 灰色系统的模型 归纳上面的式子可写为 称此式所表示的数据列为原始数据列的一次累加生成，简称为一次累加生成.显然有 7.2 灰色系统的模型 7.2 灰色系统的模型 7.2 灰色系统的模型 2. 建模原理 给定观测数据列 经一次累加得 7.2 灰色系统的模型 　 其中是常数，称为发展灰数；称为内生控制灰数，是对系统的常定输入.此方程满足初始条件 7.2 灰色系统的模型 7.2 灰色系统的模型 7.2 灰色系统的模型 7.2 灰色系统的模型 7.2 灰色系统的模型 7.2 灰色系统的模型 3.精度检验 (1)残差检验：分别计算 7.2 灰色系统的模型 （3）预测精度等级对照表，见表7.1. 7.2 灰色系统的模型 由于模型是基于一阶常微分方程（7.3）建立的，故称为一阶一元灰色模型，记为GM(1,1).须指出的是， 建模时先要作一次累加，因此要求原始数据均为非负数.否则，累加时会正负抵消，达不到使数据序列随时间递增的目的.如果实际问题的原始数据列出现负数，可对原始数据列进行“数据整体提升”处理. 注意到一阶常微分方程是导出GM(1,1)模型的桥梁，在我们应用GM(1,1)模型于实际问题预测时，不必求解一阶常微分方程（7.3）. 7.2 灰色系统的模型 4.GM(1,1)的建模步骤 综上所述，GM(1,1)的建模步骤如下： * * 2012年暑期建模培训 缺点：不考虑系统内在机理，有时会出现较大的错误。因此，对于内在机理明确的系统，一般不建议使用灰色预测模型。 例子：预测与会代表人数（高教杯2009D题） 此题要求为会议筹备组制定一个预定宾馆客房，租借会议室，租用客车的合理方案，为了解决这些问题，首先要先预测与会代表人数。预测的依据为代表回执数量及往届的与会人员数据。已知本届会议的回执情况及以往几届会议代表回执与与会情况，见下表，根据这些数据预测本届与会代表人数。 19 28 59 17 48 78 女 41 68 107 32 104 154 男 独住3 独住2 独住1 合住3 合住2 合住1 要求 本届会议代表的回执中有关住宿要求信息 说明：表头第一行中的数字1、2、3分别指每天每间120~160元、161~200元、201~300元三种不同价格的房间。合住是指要求两人合住一间。独住是指可安排单人间，或一人单独住一个双人间。 附表3 以往几届会议代表回执和与会情况 104 75 69 57 未发回执而与会的代表数量 213 121 115 89 发来回执但未与会的代表数量 711 408 356 315 发来回执的代表数量 第四届 第三届 第二届 第一届 每年的与会人数和年份之间没有太多的内在联系，因此可以看做一个灰色系统！！！！ 针对2009年D题来做预测： 不难的到本届发来的回执为755份，通过前四届的情况计算缺席率和未知与会率如下： 未知与会率=未发回执但参加会议人数/发来回执的代表数量 缺席率=发来回执但未参加人数/发来回执的代表数量 0.14627 0.18382 0.19382 0.18095 未知与会率 0.29958 0.29657 0.32303 0.28254 缺席率 第四届 第三届 第二届 第一届 缺席率基本上稳定在0.3，故可以认为缺席率为0.3； 未知与会率变化较大，而且只有4个数，可以使用灰色预测模型。 1. 对数据进行预处理，消除数据波动变化； xyuanshi=[0.18095 0.19382 0.18382 0.