GM模型及其Matlab实现.docVIP

灰色系统预测GM(1,1)模型及其Matlab实现 三天三夜72小时： 读懂题目-》查找文献资料-》选择题目-》重查找文献资料-》 精读其中几篇-》查找资料的资料。。。。 在数学建模中常常会遇到数据的预测问题，有些赛题中，预测 占主导地位，例如： 2003年A题 SARS的传播问题； 2005年A题 长江水质的评价和预测问题； 2006年B题 艾滋病疗法的评价及疗效的预测问题； 2007年A题 中国人口增长预测问题。 有些问题则是需要在求解的过程中进行预测，如2009年D题 “会议筹备”对与会人数的确定等。 参考资料： 《灰色系统理论及其应用 第五版》 作者：刘思峰，党耀国等著 出版时间：2010.05 校超星数字图书馆可阅读。 灰色模型（Gray Model）GM(1,1)模型。它是基于随机的原始时间序列，经按时间累加后所形成的新的时间序列呈现的规律可用一阶线性微分方程的解来逼近。经证明，经一阶线性微分方程的解逼近所揭示的原始时间序列呈指数变化规律。因此，当原始时间序列隐含着指数变化规律时，灰色模型GM(1,1)的预测是非常成功的。 目前，灰色模型GM(1,1)己广泛应用于工程技术、社会、经济、农业、生态、环境等各种系统的预测中。 1 灰色预测基础知识 灰色系统理论认为:系统的行为现象尽管是朦胧的,数据是复杂的,但它毕竟是有序的,是有整体功能的。在建立灰色预测模型之前,需先对原始时间序列进行数据处理,经过数据预处理后的数据序列称为生成列。对原始数据进行预处理,不是寻求它的统计规律和概率分布,而是将杂乱无章的原始数据列通过一定的方法处理,变成有规律的时间序列数据,即以数找数的规律,再建立动态模型。灰色系统常用的数据处理方式有累加和累减两种,通常用累加方法。 灰色预测通过鉴别系统因素之间发展趋势的相异程度,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物的未来发展趋势。灰色预测的数据是通过生成数据的模型所得到的预测值的逆处理结 果。灰色预测是以灰色模型为基础的,在诸多的灰色模型中,以灰色系统中单序列一阶线性微分方程模型 GM(1,1)模型最为常用。下面简要地介绍 GM(1,1)模型。 设有原始数据列x(0)=(x(0)(1),x(0)(2),…,x(0)(n)),n 为数据个数。 如果根据x(0)数据列建立 GM(1,1)来实现预测功能,则基本步骤如下: (1)原始数据累加以便弱化随机序列的波动性和随机性,得到新数据序列: x(1) = {x(1)(1),x(1)(2),…,x(1)(n)} 其中,x(1)(t)中各数据表示对应前几项数据的累加。 x(1)(t)= ， t=1,2,…,n (2)对x(1)(t)建立下述一阶线性微分方程: 即GM(1,1)模型。 其中,a,u 为待定系数,分别称为发展系数和灰色作用量,a 的有效区间是 (-2,2),并记a,u 构成的矩阵为灰参数=。只要求出参数a,u,就能求出x(1)(t),进而求出x(0)的未来预测值。 (3)对累加生成数据做均值生成B 与常数项向量Yn,即 B＝Yn= (4)用最小二乘法求解灰参数,则 ＝(BTB)-1BTYn代入 ,并对进行求解,得 (1)(t+1)＝(X(0)(1)－)＋ 是通过最小二乘法求出的近似值,所 以(1)(t+1)是一个 近似表达式,为了与原序列x(1)(t+1)区分开来,故记为(1)(t+1)。 式中为时间序列，可取年、季或月。(1)(t+1)及(1)(t)进行离散,并将二者做差以便还原x(0)原序列,得到近似数据序列(0)(t+1)如下: (0)(t+1)=(1)(t+1)-(1)(t) (7)对建立的灰色模型进行检验,步骤如下: 计算x(0)(t)与(0)(t)之间的残差e(0)(t)和相对误差q(0)(t): e(0)(t)=x(0)(t)-(0)(t) q(0)(t)=e(0)(t)/x(0)(t) 等等。 (8)利用模型进行预测: (0) ={(0)(1),(0)(2),…,(0)(n），(0)(n+1),…,(0)(n+m)} 原数列的模拟 未来数列的预测 应用举例 取某高校年～200年的某专业招生数据建模,见表1。 1 某高校专业招生数据表 年 招生人数 2000 132 2001 92 2002 118 2003 130 2004 187 2005 207 以表1中的数据构造原始数据列X(0),即 X(0＝{X(0)(1),X(0)(2),X(0)(3),X(0)(4),