基于GM模型线性函数变换及优化研究.docVIP

基于GM模型线性函数变换及优化研究 　　【摘要】本文以优化模型、改善模型的模拟、预测效果研究，重点引入线性变换，得到新的序列估算式，从而将GM（1，1）模型扩展为线性变换GM（1，1）模型，并进一步优化背景值最佳生成系数，再扩展为加权灰色预测模型――RGM（1，1）.实例表明，尽管模拟序列特征改变，但是变换后的GM（1，1）模型能更好地预测原始数据的变化，能显著地提升模型的预测精度. 　　【关键词】离散GM（1，1）模型；模拟序列；线性函数变换；预测精度 　　1982年华中理工大学邓聚龙教授创立了灰色系统理论，是一种研究少数据、贫信息不确定性问题的新方法.三十几年来，引起了不少国内外学者的关注，得到了长足的发展.目前，在我国已经成为社会、经济、科学技术、高等教育等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一.特别是它对时间序列短、小样本、贫信息不确定性系统的分析与建模，具有独特的功效，因此得到了广泛的应用.在这里我们将重点对灰色系统建模、离散灰色预测模型进行研究. 　　在系统研究过程中，由于系统内外扰动的存在和人类认识能力的局限，人们所获得的信息往往带有某种不确定性.随着科学技术的发展和人类社会的进步，人们对各类系统不确定性的认识逐步深化，对不确定性系统的研究也日益深入.概率统计、模糊数学、灰色系统理论和粗糙集理论是四种最常用的不确定性系统研究方法，其研究对象都具有某种不确定性，这是它们的共同特点.灰色系统理论因能解决诸如模糊数学、概率统计等所不能解决的“小样本、贫信息不确定”问题而广泛应用于横断学科，GM（1，1）模型也作为灰色系统理论重要内容而广泛应用于动态预测领域. 　　一、灰系统的基本原理 　　在控制论中，人们常用颜色的深浅形容信息的明确程度.我们用“黑”表示信息未知，用“白”表示信息完全明确，用“灰”表示部分信息明确、部分信息不明确.相应地，信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部分信息明确、部分信息不明确的系统称为灰色系统. 　　灰色系统理论经过30多年的发展，现已基本建立起一门新兴学科的结构体系.本文重点探讨基于GM（1，1）模型所做出的定量预测及优化.主要任务之一，就根据社会、经济、生态等系统的行为特征数据，寻找不同系统变量之间或某些系统变量自身的数学关系与变化规律. 　　灰色预测模型（Gray Forecast Model）是通?^少量的、不完全的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测.预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断. 　　二、灰生成技术 　　灰色系统基于序列算子的作用，通过对原始数据处理，挖掘其变化规律.这是一种就数据寻找数据的现实规律的途径，称为灰色序列生成.在预测科学领域，模型的优劣取决于数据受到某种干扰而失真程度，而因此难以用模型来对系统的未来变化进行预测.实际问题中，总是存在大量的冲击扰动系统，导致了定量预测结果与人们直观的定性分析结论大相径庭的现象经常发生.因此，寻求定量预测与定性分析的结合点，设法淡化或消除系统行为数据所受到的冲击扰动，还数据以本来面目，从而提高预测的命中率就变得尤为重要. 　　灰生成特点：在保持原序列形式的前提下，改变序列中数据的值与性质.一切灰色序列都能通过某种生成弱化其随机性，显现其规律性. 　　灰生成的作用：（1）统一序列的目标性质，为灰决策提供基础；（2）将摆动序列转换为单调增长序列，以利于灰建模；（3）揭示潜藏在序列中的递增势态，变不可比为可比序列. 　　两种常见的灰生成类型：（1）一次累加生成序列（1-AGO）；（2）均值生成序列（MEAN）. 　　三、GM（1，1）预测模型的建模机理 　　设离散数据序列为 　　其中，a，b为待识别参数，即灰参数.a为发展系数，表示模型增长趋势，若a0则其趋势是衰减的，其绝对值越大衰减越快.b为灰色作用量，是因子集的数字形式，表明外部因子作用的强弱，b的变化代表变形模式的变化.等式（3.4）相应的白化一阶微分方程，也叫影子方程为 　　四、检验GM（1，1）模型的精度 　　当采用GM（1，1）模型的各种形式进行模拟精度均达不到要求时，可以考虑对残差序列建立GM（1，1）模型，对原来的模型进行修正，以提高模拟精度.如果检验合格，则可以用模型进行预测. 　　GM（1，1）模型是灰色模型中最常见也是最基础的预测模型，其应用非常广泛.但是，在某些特定情况下其预测精度相对较差，预测数据误差有时非常大.本文重点分析基于线性变换得到的GM（1，1）模型，指出提高预