第10讲--计算机地质学---灰色系统与地质应用72页.pptVIP

（8）排出关联序 将m个关联度降序排列，得到关联序。 （9）关联分析 由关联序分析哪个子因素是主要影响因素，哪个可以忽略，并分析其原因，得到合理的地质解释。 10.4.4 实例分析 以济南钢铁集团总公司为例，大气环境质量进行了长达4年的监测,这里仅以2002～2003年度的统计数据为例，表中M0为其大气质量指数。 以M0为主因素进行分析，由程序计算可得到如下结果： （1）原始矩阵： 1.730 0.079 0.755 0.052 1.680 0.046 0.783 0.030 1.380 0.083 0.574 0.050 1.650 0.105 0.810 0.062 （2）初值化矩阵: 1.000 1.000 1.000 1.000 0.971 0.582 1.037 0.654 0.798 1.051 0.760 0.962 0.954 1.329 1.073 1.192 （3）求绝对值矩阵中的最大值和最小值： Δmax=0.389；Δmin=0 （4）计算关联度：SO2：G(1,2)=0.33；TSP：G(1,3)=0.532；NOx：G(1,4)=0.36 （5）结果分析：由计算结果可知，G(1,3）G(1,4)G(1,2),TSP（总悬浮颗粒物）与M0关联度最高，为主要污染因子。 由此例可得出，灰色关联度的建立为评价大气环境质量提供了一个更为合理的手段，为确定该地区的主要污染因子，进一步改善环境质量提供可靠的依据；同时还可以利用灰色系统理论对大气环境质量进行预测，以加强预测手段。 10.5 灰色建模预测 10.5.1 概述 预测是指根据过去和现在的状态估计系统未来的发展变化趋势。数学模型是系统预测必需工具，而灰色系统预测的核心是建立灰色动态模型。灰色动态模型是由微分方程拟合的。包含h个变量，用n阶微分方程拟合的模型称为h序列n阶动态模型，记为GM（h,n）。只用一个变量的数据序列，对该变量进行发展态势预测，称为灰色序列预测。最简单的方法是用一阶线性微分方程拟合模型，建立单序列线性动态模型GM（1，1）。现以GM（1，1）模型为例叙述其主要计算步骤： 10.5.2 GM（1，1）建模与预测步骤 （1）建立变量的（拟）时间数据序列 设对某变量进行了n次等时间间隔的观测（或在空间上按一定方向、一定时间间隔观测了n个点），则观测数据可构成该变量的（拟）时间数据序列： （2）对原始数据序列进行累加生成处理 （5）写出白化形式微分方程的解 线性灰微分方程的白化形式为： 我们称之为一阶单变量灰微分方程模型，记为GM（1，1）。 GM（1，1）模型的时间响应函数模型为： 它是GM（1，1）模型灰色预测的基本计算公式。GM（1，1)模型中指数系数a称为发展系数，它反映了预测指标的发展态势，b称为灰作用量。作为系统，其作用量应是外生的，也就是外部加入的，或者说是事先给定的。而GM（1，1）是单序列建模，只用到系统的行为序列（或称输出序列、背景值），而无外作用序列（或称输入序列、驱动量）。 GM（1，1）中的灰作用量是从背景值挖掘出来的数据，它反映出数据变化的关系，在系统中的作用相当于作用量，它的内涵与确定的内容是灰的，因此可作为灰作用量。灰作用量的存在，是区分灰色建模与一般输入、输出建模（黑箱建模）的试金石，是内涵外延化的具体体现，是灰色系统理论着重系统内涵开发的表现，也是灰系统观点与黑箱观点相区分的重要标志。 （6）精度检验 精度检验可采用下列方法： ① 残差（相对误差）检验 ③ 留步检验 建模时只用原始数据序列的前n-1个数据，建模后利用模型预测出第n个数据，然后中与实际数据对比，若相对误差小于5%即可认为符合要求。 （7）残差校正 如果经过检验模型的预测精度满意，则可用时间响应函数模型进行预测，否则，可进行残差校正，以提高预测精度。残差校正具体步骤为： 10.5.3