第六章 灰色预测.docVIP

灰色预测 预测实际上就是借助于对过去的探讨来推测、了解未来的发展趋势。灰色预测则通过原始数据的处理和灰色模型的建立，发现、掌握系统发展规律，对系统的未来状态作出科学的定量预测。本章将介绍一些主要的灰色模型和方法，它们都可以用来作预测。但是对于一个具体问题，究竟应该选择什么样的预测模型应该有充分的定性分析。然而模型的选择不是一成不变的。一个模型要经过多种检验才能判定其是否合理，是否合格。只有通过检验的模型才能用作预测。 第一节 灰色预测模型的检验方法 一，绝对关联度检验方法 现设有原始序列 其相应的相对误差序列为 ={Δk} 上式中为原始序列，为相应的模拟序列，ε为与的绝对关联度。若对于给定的ε0＞0，有ε＞ε0，则称模型为关联度合格模型。 二，均方差比和小误差概率检验方法 设有为原始序列，为相应的模拟序列，ε（0）为残差序列，则的均值、方差分别为： , 残差的均值、方差分别为： ， （1）若其中称为方差比值。对于给定的C0＞0，当C＜C0时，称模型为均方差比合格模型； （2）若其中） 我们通过上述分析给出了检验模型的三种方法。这三种方法都是通过对残差的考察来判断模型的精度，其中平均相对误差和模拟误差都要求越小越好，而绝对关联度ε则要求越大越好，均方差比值C越小越好（因为C小说明S2小，S1大，即残差方差小，原始数据方差大，说明残差比较集中，摆动幅度小，原始数据比较分散，摆动幅度的，所以模拟效果好要求S2与S1相比尽可能小），以及小误差概率p越大越好。若给定α，ε0，C0，p0的一组取值，我们就确定了检验模型模拟精度的一个等级。 常用的精度等级见表6-1。一般情况下，最常用的是相对误差检验指标。 表6-1 精度检验等级参照表 指标临 界值 等级 相对误差 α 关联度 ε0 均方差比值 C0 小误差概率 p0 一级 0.01 0.90 0.35 0.95 二级 0.05 0.80 0.5 0.80 三级 0.10 0.70 0.65 0.70 四级 0.20 0.60 0.80 0.60 引自刘思峰、郭天榜等（1999） 数列预测 数列预测就是对系统变量的未来行为进行预测，常用的数列预测模型是GM（1，1）模型。根据实际情况，也可以考虑采用其它灰色模型。在定性分析的基础上，定义适当的序列算子，然后建立GM（1，1）模型，通过精度检验之后，即可用来作预测。其整个建模方法可参见第五章GM（1，1）模型。 第三节 灰色灾变预测 一、灰色灾变预测 灰色灾变预测实质上是对异常值预测。什么样的值算看作异常值，往往是人们凭主管经验和历史值来确定的。灰色灾变的任务就是要给出下一个或下几个异常值出现的时刻，以便人们提前做好准备，采取预防性对策。 现设X为原始序列 为灾变序列，则称 为灾变日期序列。 灾变预测就是要通过对灾变日期序列的研究，来寻找其规律性，预测以后若干次灾变发生的日期。灰色系统的灾变预测是通过对灾变日期序列建立GM（1，1）模型实现的。 设为灾变日期序列，其一次累加序列为 Q（1）的紧邻均值生成序列为Z（1），则称q（k）+az（1）（k）=bx（1）, x（2）,x（n）， 其中q（m）（≤n）为最近一次灾变发生的日期，则称为下一次灾变的预测日期；对任意k＞0，称为未来第k次灾变的预测日期。 二、灰色季节灾变预测 设Ω=[a，b]为总时区，若ωi=[ai，bi][a，b]，i=1，2，…，s，满足Ω=；ωi∩ωj=，任意的j≠i，则称ω（i=1，2，……，s）为Ω中的季节，也称时段或分时区。 设ωiΩ为一个季节，原始序列 X=（x(1)，x(2)，…，x(n)） 对给定的异常值ξ，称与之对应的灾变序列 Xξ=（x[q(1)]，x[q(2)]，…，x[q(m)]） 相应地，我们称 为季节灾变日期序列。 季节灾变预测可按以下步骤进行： 第一步：给出原始序列X=（x(1)，x(2)，…，x(n)）； 第二步：研究原始序列数据的变化范围，确定季节ωi=[ai，bi]； 第三步：令y（k）=x（k）-ai，化原始序列为Y=（y(1)，y(2)，…，y(n)），以提高数据分辨率； 第四步：给定异常值ξ，找出季节灾变序列 Yξ=（y[q(1)，q(2)，…，q(m)]） 及季节灾变日期序列 第五步：建立灾变GM（1，1）模型；q（k）+az（1）（k）=b； 第六步：检验模拟精度，进行预测。 第四节 灰色预测在渔业科学中应用实例分析 灰色序列预测在渔业科学中得到较为广泛的应用，特别是渔业产量方面。根据近几年的资料和文献，灰色预测在渔业方面的应用主要在以下几个方面：渔业产量、渔业人口、渔情预报（渔获量方面）和渔业资源分析等。 渔业产量方面 （一）山东海洋捕捞产量预测 潘澎在1997年第三期的《齐鲁