灰色系统理论- gailv.pptVIP

第 * 页 贺利坚 Email: sxhelijian@163.com 灰色系统理论 贺利坚 灰色系统理论及起源 1982年，中国学者邓聚龙教授创立的灰色系统理论，是一种研究少数据、贫信息不确定性问题的新方法。 灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。 灰色系统模型对实验观测数据没有什么特殊的要求和限制，因此应用领域十分宽广。 不确定性方法的比较 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。其研究对象都具有某种不确定性。 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”的特点问题，主要是凭经验借助于隶属函数进行处理。例：年轻人 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”现象的历史统计规律，考察具有多种可能发生的结果之“随机不确定”现象中每一种结果发生的可能性大小。其出发点是大样本，并要求对象服从某种典型分布。 灰色系统理论着重研究“小样本”、“贫信息”不确定性问题，并依据信息覆盖，通过序列算子的作用探索事物运动的现实规律。其特点是“少数据建模”，着重研究“外延明确，内涵不明确”的对象。例如：总人口控制在15亿到16亿之间。 三种不确定性系统研究方法的比较分析 项目 灰色系统 概率统计 模糊数学 研究对象 贫信息不确定 随机不确定 认知不确定 基础集合 灰色朦胧集 康托集 模糊集 方法依据 信息覆盖 映射 映射 途径手段 灰序列算子 频率统计 截集 数据要求 任意分布 典型分布 隶属度可知 侧重点 内涵 内涵 外延 目标 现实规律 历史统计规律 认知表达 特色 小样本 大样本 凭经验 灰色系统理论的研究与应用 灰色系统理论的研究对象 “部分信息已知，部分信息未知”的“小样本、贫信息”不确定性系统。 灰色系统理论的研究内容 灰哲学、灰哲学、灰生成、灰分析、灰建模、灰预测、灰决策、灰控制、灰评估、灰数学等。 灰色系统理论的应用领域 农业科学、经济管理、环境科学、医药卫生、矿业工程、教育科学、水利水电、图像信息、生命科学、控制科学等。 灰数 区间灰数的运算 定理 区间灰数全体构成灰数域 区间灰数全体构成灰色线性空间 序列算子与灰色序列生成 灰色系统是通过对原始数据的挖掘、整理来寻求其变化规律的，这是一种就数据寻找数据的现实规律的途径，我们称为灰色序列生成。 灰色系统理论认为，尽管客观系统表象复杂，数据离乱，但它总是有整体功能的，因此必然蕴含某种内在规律。 关键在于如何选择适当的方式去挖掘它和利用它。一切灰色序列都能通过某种生成弱化其随机性，显现其规律性。 基于冲击扰动系统的理论分析，提出缓冲算子的公理、性质，提出各种实用缓冲算子的构造。 灰生成的主要方法 (1) 层次变换灰生成方法 累加生成、累减生成、反向累加、反向累减等。 (2) 数值变换灰生成方法 初值化生成、均值化生成、区间值化生成、对数生成、方根变换生成、对数－幂函数生成、函数变换生成、Cotx变换生成等。 (3) 极性变换灰生成方法 上限效果测度、下限效果测度、适中效果测度。 例：累加生成算子 通过累加可以看出灰量积累过程的发展态势，使离乱的原始数据中蕴含的积分特性或规律充分显露出来。 如家庭的支出，若按日计算，可能没有什么明显的规律，若按月计算，支出的规律性就可能体现出来，它大体与月工资收入成某种关系； 一个生产重型机械设备的厂家，由于产品生产周期长，其产量、产值若按天计算，就没有规律，若按年计算，则规律显著。 累加生成的定义 灰色关联分析 基本原理：通过对统计序列几何关系的比较来分清系统中多因素间的关联程度，序列曲线的几何形状越接近，则它们之间的关联度越大 。 灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。 灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 基本功能：分析因子与行为的影响，判别主要和次要因子，识别模式，确认同构，鉴别效果，灰色关联聚类，灰色关联决策等。 灰色关联分析的具体计算步骤 第一步，确定分析数列。 第二步，变量的无量纲化 第三步，计算关联系数 第四步，计算关联度 第五步，关联度排序 例：某市道路改建有6 种方案 x1--分车道，x2—快速轨道，x3—混行双层，x4—地铁，x5—现道架设轨道，x6—高架桥分层 各方案指标： 应用再例 灰色系统模型简介 灰建模概念 在序列的基础上，近似微分方程模型，称为灰建模。近似微