学建模-灰色预测方法.pptVIP

式中： ——数列 对 的关联度。 ——样本个数。 (3) 后验差检验 a. 计算原始数列的均值 b. 计算原始数列的方差 根据经验，当ρ=0.5时，关联度大于0.6便满意了。 此外，也可计算 与 的绝对关联度 【1】，若对于给定的 ，则称为关联度合格模型。 * c. 计算残差序列 的均值 d. 求残差的方差 e. 计算均方差比 f. 计算小误差概率 注：对给定的 称模型为均方差比合格模型 。 注：对给定的 称模型为小误差概率合格模型 。 * g. 检验 根据经验，对给定 的一组取值，就确定 了检验模型模拟精度的等级划分如下表。 通过以上检验，如果相对误差、关联度、均方差比值、小误差概率都在允许范围之内时，则可用所建模进行预测，否则应进行残差修正。 * 表 预测精度等级划分 指标临界值 精度等级 相对误差 关联度 均方差比值 小误差概率 一级 0.01 0.90 0.35 0.95 二级 0.05 0.80 0.50 0.80 三级 0.10 0.70 0.65 0.70 四级 0.20 0.60 0.80 0.60 * 四、预测 GM(1,1)模型经以上检验合格后可用于预测，其预测公式为： 式中： —— i时期预测值。 ， ——生成数列预测值，按 计算。 对于数列预测，要建立多个预测模型，得到多组预测值，然后进行分析，从中确定出一个合适的预测模型，以取定一组合适的预测值。 * 对于一组数列，要建立多个预测模型，是通过对原始数列进行不同的取舍，形成新的数列，即对数列中的数据用不同的组合方式和取舍方式派生出新的数列，对原始数列和派生出来的新数据都建立预测模型，这样就对一个数列建立了多个预测模型。 例如有下述原始数列： 对 中的数据可用如下取舍： * ， 这样就形成了四个新数列： 再加上原始数列，就可建立五个GM（1，1）模型。 * 3 GM(1,1)模型的改进 一、用残差模型进行修正 若用原始时间序列 检验不合格或精度不理想时，则可用GM（1，1）残差模型进行修正以提高原GM（1，1）模型的预测精度，从而达到改进目的。 建立的GM(1,1)模型 * 如有原始数列 ，并已建立GM（1，1）模型 由该GM（1，1）模型可得生成数列 的模拟值 记生成数列 与其模拟值 之差为 ，则有 （1）GM（1，1）残差模型 * 式中： ——开始进行残差修正的原始数列 的数据序号； 如果取 则可建模的残差尾段为 ——第 个生成数据与其模拟值的偏差。 注意： 符号一致； 必须满足 将上述的残差尾段仍记为 * 的的一次累加生成数列 为。 对 建立GM（1，1）模型有： 对上式求导数得残差尾段 的模拟序列 其中 * 则得 的残差修正GM（1，1）模型， 用 修正累加序列 的模拟序列 则得 式中的正负号应与残差尾段 的符号保持一致。 * 二、对GM(1,1)模型的其它改进方法 （1）新信息GM（1，1）模型不断地补充新出现的信息，即在预测下一时刻的值时，将最新的信息加入。此模型随着时间推移，序列长度会越来越长； （2）新陈代谢GM（1，1）模型即新信息出现后，将老信息去掉，加入新信息，保持序列长度不变； （3）GM（1，1）模型群法 用原始时间序列数据建立多个GM（1，1）模型，给出预测值的区间； * 一、数列的预测实例 原始数据 (1)求原始序列的一届累加生成 4 灰 色 预 测 实例 * (2)对 作准光滑性检验 (3)对 作准指数规律性检验 (4)作 的紧邻均值生成序列