数学建模灰色预测方法.docxVIP

灰色预测法 灰色预测理论 GM(1,1)模型 GM(1,1) 模型的改进 4 灰色预测实例 1 灰 色 预 测 理 论 一、灰色预测的概念 （1）灰色系统、白色系统和黑色系统 白色系统是指一个系统的内部特征是完全已知的，即系统的信息是完全充分的。 黑色系统是指一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。 灰色系统内的一部分信息是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系。 （2）灰色预测方法 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。 灰色预测是对既含有已知信息又含有不确定信息的系统进行预则，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。 灰色预测法用等时距观测到的反映预测对 象特征的一系列数量值构造灰色预测模型， 预测未来某一时刻的特征量，或达到某一特征量的时间。 （3）灰色预测数据的特 点： 1）序列性：原始数据以时间序列的形式出现。 2）少数据性：原始数据序列可以少到只有4个数据。 （4）灰色预测的四种常见类型 灰色时间序列预测 即用观察到的反映预测对象特征的时间序列来构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。 灾变预测 即通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。 系统预测 通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。 拓扑预测（波形预测） 将原始数据做曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点。 二、灰色生成数列 对灰数的处理主要是利用数据处理方法去寻求数据间 的内在规律，通过对已知数据列中的数据进行处理而产生新的数据列，以此来研究寻找数据的规律性，这种方法称为数据的生成。 数据的生成方式有多种，常用的方法有累加生成、累减生成和加权累加生成等。 （1）累加生成 设原始数列为 ，令 则称 为数列 的１- 次累加生成，数列 称为数列 的１- 次累加生成数列。类似地有 称之为 的r- 次累加生成。记 ，称之为 的r- 次累加生成数列。 累加的规则: 将原始序列的第一个数据作为生成列的第一个数据，将原始序列的第二个数据加到原始序列的第一个数据上，其和作为生成列的第二个数据，将原始序列的第三个数据加到生成列的第二个数 据上，其和作为生成列的第三个数据，按此规则进行下去，便可得到生成列。 对非负数据，累加次数越多则随机性弱化越多，累加次数足够大后，可认为时间序列已由随机序列变为非随机序列。 一般随机序列的多次累加序列，大多可用指数曲线逼近。 累加举例：设原始时间序列为 X ?0? ? ?1 , 2 ,1.5 , 3? 一次累加生成列为 X ? 1 ? ? ?1 , 3 , 4.5 , 7.5? X ? 0? 的曲线是摆动的，起伏变化幅度较 大，X?而1? 已呈现明显的增长规律性。 （2）累减生成 将原始序列前后两个数据相减得到累减生成序列 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： 如果数据列为 ，令 x( 0 ) ( k ) ? x (1) ( k ) ? x (1) ( k ? 1), k ? 2, 3, L , n 则称 x ( 0) ( k) 为数列 x(1) 的1- 次累减生成。 一般地，对于r次累加生成数列 则称 为数列 的累减生成数列。 （3） 均值生成 设原始数列 则称 与 为数列 的邻值， 为后邻值， 为前邻值. 对于常数 ，则称 为由数列 的邻值在生成系数（权） 下 的邻值生成数（或生成值）。 特别地，当生成系数 时，则称 为紧邻均值生成数，即等权邻值生成数。 类似地，可以定义非紧邻值生成数 由 而得的数列 称为紧邻均值生成数列。 GM（1，1）模型 灰色模型是利用离散随机数经过生成变为随机性被显 著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。 灰色预测模型称为GM模型，G为grey的第一个字母，M为model的第一个字母。 GM（1，1）表示一阶的，一个变量的微分方程型预测模型。GM（1，1）是一阶单序列的线性动态模型，主要用于时间序列预测。 一、 GM（1，1）模型概述 设有数列 X ( 0) 共有 n 个观察值 x ( 0) （0） ( 0) ( n) (1), x （2）,L x 对 X(0) 作累加生成，得到新的数列 (1) X ，其元素 k x (1) ( k ) ? ? x ( 0 ) ( m ) k ? 1, 2, L , n ?1 有： x (1) (1) ? x( 0) (1) x (1) (2) ? x ( 0 ) (1) ? x