灰色预测GM(1,1)模型在交通运输枢纽规划中应用.ppt

第一PPT模板网， 灰色预测GM(1，1)模型 在交通运输枢纽规划中的应用 小组成员 汇报人： 灰色预测的概念 灰色系统理论的由来 灰色预测理论是我国学者邓聚龙教授在本世纪80年代初提出的 灰色预测的概念 什么是灰色预测法？ 灰色系统、白色系统和黑色系统 灰色预测法是一种对含有不确定因素的系统进行预测的方法。 灰色预测的概念 灰色预测的四种常见类型 灰色时间序列预测 畸变预测 系统预测 拓扑预测 生成列 为了弱化原始时间序列的随机性，在建立灰色预测模型之前，需先对原始时间序列进行数据处理，经过数据处理后的时间序列即称为生成列。 什么是生成列？ 生成列 数据处理方式 灰色系统常用的数据处理方式有累加和累减两种。 累加：将原始序列通过累加得到生成列。 累减：原始序列前后两个数据相减得到累减生成列。 关联度 关联系数 关联度分析是分析系统中各因素关联程度的方法，在计算关联度之前需先计算关联系数。 设 则关联系数定义为： 关联度 式中： 为第k个点 和 的绝对误差； 为两级最小差； 为两级最大差； ρ称为分辨率，0ρ1,一般取ρ=0.5； 对单位不一，初值不同的序列，在计算相关系数前应首先进行初始化，即将该序列所有数据分别除以第一个数据。 关联度 和 的关联度为： GM(1，1)模型的建立 设时间序列 有n个观察值，通过累加生成新序列 则GM（1，1）模型相应的微分方程为： 其中：α称为发展灰数；b称为内生控制灰数(均为待估值）。 GM(1，1)模型的建立 设 为待估参数向量， ，可利用最小二乘法求解。解得： 求解微分方程，即可得预测模型： 模型检验 灰色预测检验方法 残差检验 关联度检验 后验差检验 模型检验 （1）残差检验 绝对残差序列 相对残差序列 给定 ，当 ，且 成立时，称模型为残差合格模型。 平均相对残差 模型检验 根据前面所述关联度的计算方法算出 与原始序列 的关联系数，然后计算出关联 （2）关联度检验 度，根据经验， 当ρ=0.5时，关联度大于0.6便满意了。 模型检验 （3）后验差检验 a.计算原始序列标准差: b. 计算绝对误差序列的标准差： c. 计算方差比： d. 计算小误差概率： 令: ， 则： P 0.95 0.80 0.70 ≤0.70 C 0.35 0.50 0.65 ≥0.65 好 合格 勉强合格 不合格 GM（1,1）残差模型 建立的GM(1,1)模型检验不合格时，可以用GM(1,1)残差模型来修正。 如果原始序列建立的GM(1,1)模型不够精确，可以用GM(1,1)残差模型来提高精度。 若用原始序列 建立的GM(1,1)模型 =[ ] + 可获得生成序列 的预测值，定义残差序列 = 。 若取j=i, i+1, …, n，则对应的残差序列为： ={ ，…， } ， GM（1,1）残差模型 计算其生成序列 ，并据此建立相应的GM(1,1)模型： 得修正模型 其中 为修正参数。 应用此模型时要考虑： 一般不是使用全部残差数据来建立模型，而只是利用了部分残差。 修正模型所代表的是差分微分方程，其修正作用与 中的i 的取值有关。 某县2007年至2012年的年公路货运量如下表，试建立GM(1,1)预测模型，并预测2013年的年公路货运量。 年份 2007 2008 2009 2010 2011 2012 公路货运量(百万吨) 2.67 3.13 3.25 3.36 3.56 3.72 GM（1,1）模型应用实例 设 ={2.67，3.13，3.25，3.36，3.56，3.72} 第1步 构造累加生成序列 ={2.67，5.80，9.05，12.41，15.97，19.69} 第2步 构造数据矩阵 和数据向量 GM（1,1）模型应用实例 第3步 计算 = = = = = = 第4步 得出预测模型 0.043879 =2.925663 =69.3457 66.6757 （ =2.67； =－66.6757） 第5步 残差检验 (1)根据预测公式，计算 ，得 GM（1,1）模型应用实例 ＝｛2.67，5.78，9.03，12.43，15.97，19.68，19.69｝( =0,1, … ,6) (2)累减生成 序列， =1,2, … ,6 ＝｛2.67，3.11，3.25，3.40，3.54，3.71｝ 原始序列： ＝｛2.67，3.13，3.25，3.36，3.56，3.72｝ (3)计算绝对残差和相对残差序列 绝对残差序列： ＝｛0，0.02，0，0.04，0.02，0.01｝ ＝｛0，0.64%，0，1.19%，0.56%，0.27%｝ 相对残差序列： 相对残差不超过1.19%，模型精确度高。 第