常见的灰色系统预测.pptVIP

* 灰色预测 我们将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。 系统信息不完全的情况有以下四种： （1）元素信息不完全。　　 （2）结构信息不完全。　　 （3）边界信息不完全。　　 （4）运行行为信息不完全。 　灰色预测模型 灰色系统理论的基本观点 1、灰色系统理论认为任何随机过程都是一定幅度值范围、一定时区内变化的灰色量，所以随机过程是一个灰色过程。 在处理手法上，灰色过程是通过对原始数据的整理来寻找数的规律，这叫数的生成。 2、灰色系统理论认为：尽管客观系统表象复杂，数据离乱，但它总是有整体功能的，总是有序的，对原始数据作累加处理后，便出现了明显的指数规律。这是由于大多数系统是广义的能量系统，而指数规律便是能量变化的一种规律。 生成数的主法 　　随机过程在灰色系统里被称为灰色量，灰色系统对灰色量的处理既不找概率分布，也不寻求统计特征，而是通过数据处理方法来寻找数据表现的规律，这种数据处理方法称为生成法，灰色系统中主要有累加生成和累减生成。 一、累加生成 记原始序列为： 生成序列为： 其中： 例 累计生成序列 累减生成 例 令K＝0，X1(0)=0 累计生成序列 §3.关联度 　　关联度分析是分析系统中各因素关联程度的方法。计算关联关需先计算关联系数。 关联系数计算方法： 设参考序列为 被比较序列为 关联系数定义为： 其中： （1）　　　　　　　为第K点X0与Xi的绝对差。 （接下页） （3）　　　　　　　　　　是两级最大差，其含义与最小差相似。 （4）p称为分辨率0＜p＜1，,P 越大，分辨率越大，一般采取P＝0.5 （5）对单位不一，初值不同的序列，在计算关联系数前应首选进行初值化，即将该序列所有数据分别除以第一个数据。 2、关联度 被比较序列与参考序列的关联度是各类关联系数的平均值，即 （2）　　　　　　　　　　为两级最小差。其中　　　　　　　　　是第一级最小差，表示在Xi序列上找各点与X0的最小差。 为第二级最小差，表示在各序列找出的最小差基础上寻求所有序列中的最小差。 例 　　设参考序列为Y0＝（8，8.88，16，18，24，32），被比较序列为 　　　Y1＝（10，11.66，18.34，20，23.4，30） 　　　Y2＝（5，5.625，5.375，6.875，8.125，8.75） 求其关联度： r1、r2表明X1和X0的关联程度大于X2与X0的关联程度。 §4. GM（1.1）预测模型 一、GM（1.1）模型 　　设时间序列X0有几个观察值， 累加生成序列 ，生成序列X1 满足： 式中a称发展灰数，U称内生控制灰数。 设 为待估参数向量 ，利用最小二乘法求解可得 其中 二、模型检验 灰色预测模型检验一般有残差检验，关联度检验和后验差检验。 1.残差检验 首先按模型计算 ，其次将 累减生成 ，最后计算 原始序列 与 的绝对残差 及相对误差 2.关联度检验 按关联度计算方法算出　　 与原始序列　　 的关联系数，然后算出关联度，根据经验，当p=0.5时，关联度大于0.6便是满意的。 3.后验差检验 （1）首先计算原始序列的平均值 （2）再计算原始序列的均方差 （3）再次计算残差　　　的均值 （4）然后再求残差的均方差　　　　　，式中 （5）计算方差比 （6）计算小误差概率 其中 令 若相关误差，关联度、后验差检验在允许范围之内，则可用所建模型进行预测，否则应进行残差修正。 例：某县皮棉产量如表，试建立GN(1.1)预测模型，并预测第8期皮棉产量。 3.72 3.56 3.36 3.25 3.13 2.67 产量(百万担) 6 5 4 3 2 1 序 号 解：令X0(1)、 X0(2)、 X0(3)、 X0(4)、 X0(5)、 X0(6)对立于原始序列数据 第一步，构造累加生成序列： 生成序列X1={2.67，5.80，9.05，12.41，15.97，19.69} 第二步，构造数据矩阵B和数据向量Yn： 第三步，计算BTB，(BTB)-1Yn： 即a=-0.043879 u=2.925663 第四步，得出预测模型： 第五步：残差检验： （1）计算： （2）累减生成　　　　序列： 原始序列 （3）计算绝对误差及相对误差序列： 绝对误差序列Δ0{0，0.02，0.04，0.02，0.01} 相对误差序列Φ＝{0/2.67×100%，0.02/3.13 ×100%，0/3.25 ×100%，0.04/ 3.36 ×100%，0.02/3.56 ×100%，0.01/3.72 ×100%}={0.064%,0,1.19%,0.56%,0.27%} 相对误差小于1.19%，模型精确度高。 第六步，进行关联度检验