02-GM模型课件讲解.ppt

第2节 灰色系统模型 灰色系统模型简介 常用灰色系统模型 GM(1,1)模型发展的四阶段 灰色系统模型应用 * 灰建模概念 在序列的基础上，近似微分方程模型，称为灰建模。近似微分方程模型称为灰模型。 灰模型特性 灰色模型既不是一般的函数模型，也不是完全(纯粹)的差分方程模型，或者完全(纯粹)的微分方程模型，而是具有部分差分、部分微分性质的模型。 灰色模型建模条件 结构条件、材料条件、品质条件 1 、 灰色系统模型简介 * 2、常见灰色系统模型 GM(1,1)模型 GM(1,N)模型 GM(0,N)模型 GM(2,1)模型 verhulst 模型 目前，最常用、研究最多的是GM(1,1)模型。 * 3、GM(1,1)模型的发展四阶段 阶段一: 同化阶段 把GM(1,1)模型作为经典数学模型来考虑,或用 一般的数学概念来描述,等同于一般的微分方程。 该阶段属于初级阶段。 阶段二：异化阶段 灰色模型从微分方程模型中逐渐分离出来, 建立GM(1,1)模型的影子方程或白化方程。 该阶段属于发展阶段。 * 阶段四：进化阶段 打破发展系数(-2,+2)的范围； 提出了GM(1,1 )模型及其推理模型； 模型的最新阶段。 阶段三：融化阶段 有充实的理论基础； 建立定义型、白化型、派生模型型、派生型、派生模型指数型、派生模型内涵型等多种式，其显著特点是模型具有解与方程统一的性质； 灰色GM(1,1)模型的高级阶段。 * 4 GM(1.1)模型建模机理 * * * * * * * * * 5 GM(1.1)模型的精度检验 5.1 相对误差检验法 * * 5.2 后验差检验法 * * 模型精度等级 均方差比值C 小误差概率p 1级（好） C=0.35 0.95=p 2级（合格） 0.35C=0.5 0.80=p0.95 3级（勉强） 0.5C=0.65 0.70=p0.80 4级（不合格） 0.65C P0.70 * 5.3 关联度检验法 * * * 6、灰色系统模型应用 灰色系统模型在农业科学、经济管理、环境科学、医药卫生、矿业工程、教育科学、水利水电、图像信息、生命科学、控制科学、航空航天等众多领域中得到了广泛的应用，解决了许多过去难以解决的实际问题，展示了极为广泛的应用前景。 * 6.1灰色预测 灰预测是灰色系统理论中的一个重要内容, 它是指基于灰色系统理论的GM(1,1)模型的预测。灰预测可分为五类： 1. 数列预测(Sequence Grey Prediction) 级比 落于可容区的(大)惯性序列, 可以直接建立GM(1,1)模型, 以预测数据值的分布, 称为数列灰预测。概括的来说, 即为对数据大小进行的预测。 * 2. 灾变(异常值)灰预测(Calamities Grey Prediction) 对于级比不是全部落于可容区的小惯性序列, 对跳变点时分布建模以预测跳变点未来的时分布称为灾变灰预测, 或异常值灰预测。通俗的说, 即为对一定时间内是否发生灾变, 或某种异常的数据可能发生在哪些年代的预测。 3. 季节灾变灰预测(Seasonal Calamities Grey Prediction) 对发生在特定时区(季节)的事件作时分布预测, 称为季节灾变灰预测。通俗的说, 即为对一年或某个季节内发生的灾变或异常值进行的预测。 * 4. 拓扑灰预测(Topological Grey Prediction) 对于大幅度摆动序列, 按点集拓扑基选取时分布序列, 作GM(1,1)建模, 预测拓扑基的时分布, 以达到预测摆动序列未来发展态势的目的, 称为拓扑灰预测。它是一种全波形预测, 是整体预测。 5. 系统灰预测(Systematic Grey Prediction) 由多个行为变量形成的灰微分方程组, 通过GM(1,1)嵌套的方法, 预测多个行为变量的发展变化, 以避免解高阶特征方程之繁, 称为系统灰预测。 * 6.2 灰色预测的建模步骤 第一步：级比检验、建模可行性分析 第二步：数据变换处理 数据变换处理的原则是经过处理后的序列级比落在可容覆盖中，从而对于级比不合格的序列，可保证经过选择数据变换处理后能够进行GM(1,1)建模。通常的数据变换有平移变换、对数变换、方根变换。 对于给定序列 ，能否建立精度较高的GM(1,1)预测模型，一般可用 的级比的大小与所属区间，即其覆盖来判断。 * 第三步：GM(1,1)建模 * 第四步：模型检验 1. 事中检验 通常