三类序列的灰色建模.docVIP

三类序列的灰色建模 作者：吴明明 指导老师：陈定元 摘要 GM(1,1) 模型是灰色系统理论中最主要的理论之一。根据GM(1,1)模型本身存在的机理误差，本文通过对三类序列（单调序列、跳跃序列、模糊序列）的GM（1,1）建模的的分析，对GM（1,1）模型进行优化，探讨了不同类型的数据的GM（1,1）建模问题，提高预测的精度。 关键词 GM（1,1）模型 优化 单调序列 跳跃序列 模糊序列 精度 1 引言 灰色预测理论是灰色系统理论的主要内容之一，而GM（1,1）模型又是灰色建模预测理论中最核心的模型，因此该模型在灰色系统理论中占有十分重要的地位，自邓聚龙提出该模型一来，该模型已经被广泛应用于农业、经济、能源、气象、管理和工程技术等领域，其具有所需样本少，计算时间短等特点，优于传统的预测方法。现在GM(1,1) 模型的研究主要集中两大问题：一是对模型本身进行优化;二是研究建模序列的数据，以达到提高模型的精度。本文将主要从GM（1,1）模型建模的常用数据类型进行优化，以达到提高模型精度的目的。 2 GM(1,1)建模概述 2.1 GM（1,1）模型的发展与现状 准确的预测是科学决策的前提和基础。传统的预测方法大多以大样本的数据为前提,事实上, 在研究系统问题,特别是社会经济系统时, 研究者遇到的最大困难往往在于真实、准确数据的获取, 这是制约研究工作的最大瓶颈, 大样本的条件在一定程度上也制约了这些方法的应用。我国学者邓聚龙教授在20世纪80年代初创立的灰色系统理论能够克服这种制约, 灰色系统以小样本、贫信息为特点, 即以少量的可得数据为基础, 经过灰色模型处理, 得到具有满意可信度的结论。目前应用得比较广泛的灰色模型有GM(1,1)模型、灰色Verhulst模型、GM(1,N)模型, 然而GM(1,1)与GM(1,N )模型在形式上都是线性模型。实际上, 诸如一个从生到死的过程, 一个从发生到饱和的过程, 一个发展变化受众多因素影响的复杂过程, 均呈现非线性特性, 非线性灰色模型应该是灰色系统模型体系的重要组成部分。但是, 有关这方面研究工作的进展却比较缓慢，预测时由于很多因素使得预测不够准确。 2.2 GM（1,1）模型的解析表达式 设原始序列,则的1-AGO序列为： ， 其中。 的紧邻均值生成序列为： ， 其中。 称一阶线性微分方程 （1） 为灰色微分方程（即灰色GM（1,1）模型） （2） 的白化方程。 用式（1）的解 在处的值来逼近或描述。 3 GM(1,1)模型的优化 GM(1,1)模型的突出特点是: 建模过程简单, 模型表达式简洁, 便于求解, 应用广泛。在发展系数a 的绝对值较小时( 当时间间隔很小、序列数据变化平缓时, 如) , 模拟值精度较高。但当发展系数a 的绝对值较大( 如) 时, 模型偏差较大, 无法用于中长期预测,甚至不宜作短期预测。 式（1）中的系数与常数项是由式（2）用下述方法来确定： , (3) 其中。 由此可知GM（1,1）模型的模拟的与预测精度取决于常数和，而和的值依赖于原始序列和背景值的构造形式。即背景值的构造公式是导致模拟误差及GM（1,1）模型的适应性的关键因素之一。 在上（参见图1）对式（1）两边求积分得 , 即 , 亦即 。 （4） 图一 原GM(1,1)模型的误差来源示意图 将式(4)和式(2)比较可知,用一阶线性微分式(1)解来逼近,其误差来源于，用代替 所致，为消除由此产生的误差，不妨记 。 （5） 设 ,其中，为待定系数，且满足 。 将代入式（5）得: 。 （6） 又由 得: 。 （7） 将式(7) 代入式(6) 得 （8） 由此得到优化GM（1,1）模型如下： 定理 为非负准光滑序列，，为的1-AGO序列，若为参数 , 其中当时，， ，，则： 1)灰色微分方程的最小二乘估计参数满足Y； 2)灰色微分方程的白化方程的响应时间为 ； 3)灰色微分方程时间响应式为： ; 4)还原值为。 如果在区间上，，则：式（8）可以理解。 事实上，