灰色理论讲稿.pptVIP

数学建模讲义灰色模型 罗立兵 嘉应学院 主要内容 0 引例 1 灰色系统简介 2 GM（1，1）的建模过程 3 参数的最小二乘估计 4 参数检验 5 实例分析1：粮食产量预测 6 实例分析2：安全事故预测与防范 7 总结与反思 参考资料 灰色预测模型下的中国城市地价状况分析 灰色系统理论在粮食产量预测中的应用 长江水质的评价和预测(05A) 私人汽车拥有量预测(JYUMCM-08B) GM(1,N) 参考资料 高等教育学费标准探讨(CUMCM-08B) 艾滋病疗法的评价及疗效的预测(06B) 长江水质的评价和预测(05A) 施肥效果分析(92A) 私人汽车拥有量预测(JYUMCM-08B) 牙膏的销售量(10.1节) 投资额与生产总值和物价指数(10.4节) 采用 可对8月的轻伤事故进行预测。 即根据预测，如果不能采取更有效的事故预防措施的话，下一月份的轻伤事故人次将是36人。 总结与反思 数据生成 对生成数据建立微分方程 参数估计 模型检验 感觉上我们似乎对灰色模型的建立过程已经非常清楚，但却会觉得灰色模型的建立过程有些不关联，主要是只第一步和第二步，尤其是为什么要建立一个这种形式的微分方程： 我们把微分方程变形： 与指数增长模型对比： （1） （2） 我们再来看看微分方程（1）解的形式： （3） 思考1： 思考2 月份 3 4 5 6 7 轻伤人次 26 29 31 33 34 此时我们还可以根据散点图来建立线性模型吗？ 对于n个变量 若每个变量有m个相互对应 的数据，则可以生成n列数据 其中 对 累加生成 对n个数列建立GM（1,N）微分方程： 利用最小二乘法，求得参数 其中初值条件： 然后再对一阶预测数据进行累减还原得到原始数据序列的预测 值 同样我们可以利用后验差检验和小误差概率的方法对模型进行检验 * * 0 引例2 0 引例1 某矿某年3-7月份的轻伤事故情况如表15-4所示: 表15-4 轻伤事故人次 月份 3 4 5 6 7 轻伤人次 26 29 31 33 34 灰色系统简介 灰色系统是指既含有已知信息，又含有不确定信息的系统，它以“部分信息已知，部分信息未知”的“小样本、贫信息”不确定性为研究对象，并依据信息覆盖，通过序列生成寻求现实规律，其特点是“少数据建模”，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的正确认识和有效控制。 因为灰色系统具备了上述优势，决定了灰色理论具有非常广阔的发展前景，在理论上得到了不断发展和完善，并且在社会科学、自然科学、系统分析、数学建模、预测等众多领域得到广泛的应用，并取得了一系列重大成果。 1 GM（1，1）的建模过程 灰色模型通常记为GM（n，h），称n阶h个变量的灰色模型。但应用的最普遍的是GM（1，1），所以我们重点研究GM（1，1）的建模过程及其应用。 GM（1，1）的建模过程一般分下面几个步骤： 一.数据生成 数据 生成有多种方式，可以根据原始数据集的一些特点选择相应的方式，通常情况下我们采用比较通用的累加生成数据序列。 设观测数据序列： 一阶累加生成数据： 其中： 经过这样生成数据得到新的数据序列，新的数据序列与 原来的数据序列相比，大大弱化随机性程度，平稳性大 大增加。 思考：新的数据序列一般会有什么特点，为什么会变得平稳？ 二.建立灰色方程 这是一个微分方程组，但是由于每一个 是独立的，所以可以把每一个微分方程单独求解，我们只需要求解其中的一个就行。 （1） a ，u是识别参数 下面就来看看具体的求解过程： 一些资料也称a为发展系数， 假设我们把 看成是一个变量，把微分方程变形 成： （1） （2） 我们再来看看微分方程（1）解的形式： （3） 注意我们还有一个初始条件： 把这个初始条件代入（3）中可得到： 故微分方程（1）满足这个初始条件的解为： 这样我们容易得到： 再根据： 故有： 所以： 三.参数的最小二乘估计 用最小二乘法我们可以估计出参数： 其中： 四.参数检验 灰色理论的参数检验有多种方法，通常有：“残差检验”、“后验差检验”和“关联度检验”，但通常采用后验差检验这种有效而常用的方法。下面我们着重来讨论这种检验方法。 后验差检验 为检验按灰色模型预测的可信性，需要进行后验差检验。