灰色预测方法.pptVIP

8.1 灰色系统基本原理与灰数 二、灰数及其运算 （2）仅有上界的灰数。 有上界无下界的灰数记为： ? ∈[-∞ ,a ] （6）本征灰数与非本征灰数 本征灰数是指不能或暂时还不能找到一个白数作为其“代表”的灰数； 非本征灰数是凭借某种手段，可以找到一个白数作为其“代表”的灰数。 则称此白数为相应灰数的白化值，记为 并用 ?(a) 表示以a为白化值的灰数。 8.3 灰色预测模型 一、GM（1，1）模型的建立 设时间序列有n个观察值： 通过累加生成新序列 令 为 的紧邻均值生成序列 则GM（1，1）的灰微分方程模型为： 其中：α称为发展灰数；μ称为内生控制灰数。 设 为待估参数向量， 可利用最小二乘法求解。解得： 其中 称微分方程： 为灰色微分方程 的白化方程， 也称影子方程。 （1）白化方程的解也称时间响应函数，其为 （2） GM（1，1）灰微分方程 的时间响应序列为 （3）取 （4）还原值 注：（1）原始数据不一定全部用来建模，数据不同，模型不同。 （2）数据的取舍应保证建模序列等时矩、相连，不得有跳跃出现。 （3）一般建模数据应当有最新的数据及其相邻数据构成。 二、模型检验 （1）残差检验 按预测模型计算 并将 累减生成 然后计算原始序列 与 的绝对误差序列及相 对误差序列。 灰色预测检验一般有残差检验、关联度检 验和后验差检验。 给定a,当 成立,称模型为参差合格模型. a取0.01、0.05、0.1所对应的模型分别为：优、合格、勉强合格 （2）关联度检验 根据前面所述关联度的计算方法算出 与原始序列 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。 （3）后验差检验 a.计算原始序列标准差: b. 计算绝对误差序列的标准差： c. 计算方差比： d. 计算小误差概率： 令: ， 则 P 0.95 0.80 0.70 ≤0.70 C 0.35 0.50 0.65 ≥0.65 好 合格 勉强合格 不合格 例 某矿某年3-7月份的轻伤事故情况如表所示: 原始数据列为： 累加生成数列为： 月份 3 4 5 6 7 轻伤人次 26 29 31 33 34 表1 轻伤事故人次 所以 其中α称为发展灰数；μ称为内生控制灰数。 所以， 即事故预测公式为： 生成数列的预测值、原始数列的还原值分别如表所示。 为了得到原始数列的预测值，需要将生成数列的预测值作累减还原为原始值，即根据下式求得： 表2 生成数列的预测值与误差检验 -0.03 153.03 153 4 0.30 118.70 119 3 -0.14 86.14 86 2 -0.27 55.27 55 1 0 26 26 0 k 表3 原始数列的还原值与误差检验 1 26 26 0 2 29 29.27 -0.27 3 31 30.87 0.13 4 33 32.56 0.44 5 34 34.33 -0.33 平均值 30.6 30.606 -0.006 k 数据方差和残差方差分别为： 后验差比值为： 小误差频率 所以 根据 和 的评价标准（表3），本例题的预测结果的评价等级为“好”。 可对8月的轻伤事故进行预测 即根据预测，如果不能采取更有效的事故预防措施的话，下一月份的轻伤事故人次将是36人。 采用 三、GM(1,1)模型应用实例的MATLAB实现 解 (1)累加生成数列为： 3.72 3.56 3.36 3.25 3.13 2.67 销售额 2004 2003 2002 2001 2000 1999 年份 建立GM（1，1）预测模型，并预测2005年产品销售额 原始数据列为： {2.67,3.13,3.25,3.36,3.56,3.72} {2.6700 5.8000 9.0500 12.4100 15.9700 19.6900 X0=[2.67,3.13,3.25,3.36,3.56,3.72]; X1(1)=X0(