GM(1,1)模型在中国人口序列预测中的应用.docVIP

GM(1,1)模型在中国人口序列预测中的应用 　　摘 要：本文对1990-2014年我国人口时间序列进行分析，建立GM（1，1）模型，对未来人口数进行分析，为相关政策的制定提供依据。 　　关键词：GM（1，1）模型;预测;残差检验;后验差检验;关联度检验 　　人口预测在政治、经济、环境、教育、医疗卫生、农业生产等方面都有非常重要的应用。人口时间序列预测是根据一个历史的序列观测值，找出符合人口变化规律的函数，根据这个函数将历史观测值作为输入值，预测出未来的人口值。本文对1990-2014年我国人口时间序列进行分析，建立GM（1，1）模型，对未来人口数进行分析，为相关政策的制定提供依据。 　　1 GM（1，1）模型原理 　　灰色预测法是一种对不确定性因素的系统进行预测的方法[1]，就是对在一定范围内变化的、与时间有关的灰色过程进行预测。灰色时间序列预测是灰色预测的一种，灰色系统常用的数据处理有两种方式，累加和累减两种。 　　累加是将原始序列通过累加得到生成列。记原始时间序列为： 　　则一次累加生成列为： 　　同理可做m次累加，有： 　　累减是累加的逆运算，累减可将累加生成列还原为非生成列，在建模中获得增量信息。一次累减的公式为： 　　设时间序列X（0）有n个观察值，X（0）={X（0）（1），X（0）（2），…，X（0）（n）}通过累加生成新序列X（1）={X（1）（1），X（1）（2），…，X（1）（n）}，则GM（1，1）模型相应的微分方程为：lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-5.jpggt; 　　求解微分方程即可得到预测模型为： 　　2 GM（1，1）模型的检验 　　灰色预测检验一般包括残差检验、关联度检验和后验差检验。 　　2.1 残差检验。按照预测模型计算，并将累减生成，然后计算原始序列与＼1-297＼96-x2.jpggt;的绝对误差序列及相对误差序列。 　　2.2 关联度检验。根据关联度的计算方法，计算出＼1-297＼96-x2.jpggt;与原始序列＼1-297＼96-x2.jpggt;的关联系数，然后计算出关联度，根据经验，当ρ=0.5时，关联度大于0.6便满意了。 　　2.3 后验差检验 　　计算原始序列的标准差： 　　计算绝对误差序列的标准差： 　　计算方差比： 　　计算小误差概率： 　　表1 GM（1，1）模型精度检验等级参照表 　　[＼amp;指标名称＼amp;精度等级＼amp;相对误差＼amp;关联度＼amp;方差比＼amp;小误差概率＼amp;1优 　　2良好 　　3合格 　　4不合格＼amp;0.05 　　0.10 　　0.20 　　0.30＼amp;gt;0.80 　　gt;0.70 　　gt;0.60 　　gt;0.50＼amp;≤0.35 　　≤0.50 　　≤0.65 　　≥0.65＼amp;≥0.95 　　≥0.80 　　≥0.70 　　lt;0.0＼amp;] 　　3 GM（1，1）模型在我国人口序列预测中的应用 　　这里利用1990-2014年河南省GDP时间序列作为已知序列，建立GM（1，1）模型对未来值进行预测。对原始序列进行累加，得到一次累加生成序列X（1）。通过累加生成序列X（1）建立GM（1，1）模型，利用MATLAB软件进行最小二乘求解，可以得到： 　　lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-13.jpggt; 　　因而灰色预测微分方程为： 　　lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-14.jpggt; 　　化简即可得到预测模型为： 　　lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-15.jpggt; 　　计算拟合值lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-15.jpggt;及模型预测值lt;E：＼123456＼中小企业管理与科技?下旬刊201509＼1-297＼96-x4.jpggt;。 　　下面对该模型的预测精度进行检验。实践中可以计算得到绝对误差序列为： 　　Δ（0）={0，0.3344，0.2735，0.2144，0.1619，0.1102，0.0621，0.0246， 　　0.0014，0.0201，0.0356，0.0358，0.0348，0.0333，0.0167，0.0189，0.0067，0.0624，0.0183，0.2553，0.1424，0.0748，0.0913，0.1041} 　　相对误差序列为： 　　A={0，0.0285，0.