灰色模型算法文档.docVIP

. . Word格式 灰色预测算法 及相关程序  TOC \o 1-4 \h \z \u 1 引言 3 2算法的基本原理 3 2.1 GM（1，1）模型： 3 2.2生成数 4 2.2.1累加生成 4 2.2.2累减生成 5 3算法的具体实现流程 6 3.1 算法流程图 6 3.2 实现步骤 8 3.3 数据准备与预处理 10 4 算法程序实现 10 4.1 程序使用说明 10 4.2 程序源代码 11 4.3 程序运行 16 4.3.1程序运行及运行环境说明 16 4.3.2 输入数据 16 4.3.3 输出数据 16 5 参考文献 16 灰色预测算法 1 引言 灰色预测（grey prediction）是利用灰色系统理论就灰色系统所作的预测．灰色系统理论认为，尽管系统表象复杂，数据散乱，信息不充分，但作为系统，它必然有整体功能和内在规律，必然是有序的．现有的分析方法大多依据过去的大量数据，按照统计方法分析其规律，这样不仅受数据量的限制，而且准确程度不高．而灰色系统理论把随机量看作是在一定范围内变化的灰色量，对灰色量的处理不是寻求它的统计规律和概率分布，而是对原始数据加以处理，将杂乱无章的原始数据变为规律性较强的生成数据，通过对生成数据建立动态模型，来挖掘系统内部信息并充分利用信息进行分析预测． 目前，灰色系统理论用于预测主要通过GM（m，n）模型，该模型是灰色系统理论的量化体现，可用于以下几个方面的预测： （1）数列预测：对某个事物发展变化的大小与时间进行预测． （2）灾变预测：预测灾变发生的时间或者说是异常值出现时区的分布．如人体的血压过高或过低的时间预测． （3）季节性灾变预测：对发生在每年特定时区的事件和命题作预测． （4）拓扑预测：即事物整体的预测，亦称波形预测．其特点是对于预先给定的多组数值建立GM（1，1）模型群，根据预测结果构造出整个波形． （5）系统预测：对系统中众多变量间相互协调关系的发展变化所进行的预测． 2算法的基本原理 2.1 GM（1，1）模型： 灰色模型GM（1，1） GM（1，1）的含义为1阶，1个变量的灰色模型，它是在数据生成的基础上建立如下灰微分方程： 式中为原始序列，，．a称为发展系数，它反映和的发展态势；b称为灰作用量，它的大小反映数据变化的关系．对序列，因为为与的平均值，故记为MEAN，即 MEAN 的白化型为： 初始值用，则其解为： 该式用于预测时称为时间响应函数，表示为 累减还原： 其中（a,b）可通过最小二乘求解。 2.2生成数 灰色模型是将随机数经生成后变为有序的生成数据，然后建立微分方程，寻找生成数据的规律，再将运算结果还原的一种方法，其基础是数据的生成．常用的生成方式有累加生成和累减生成． 2.2.1累加生成 累加生成是将原始数据通过累加以生成新的数列．记原始数列为: 记的生成数列AGO为： 其中． 称为的一次累加生成，记为1—AGO． 定义的2—AGO为：=AGO． 一般定义的r次AGO为：=AGO． 原始数据经累加生成后，其随机性明显减小，而规律性将增加．对于非负的数据序列，累加生成的是一个递增的序列． 2.2.2累减生成 累减生成是累加生成的逆运算，它是通过将原始序列前后两个数据相减生成新的数据序列．累减生成可将累加生成还原为非生成数列，在建模中获得增量信息．即： IAGO 3算法的具体实现流程 3.1 算法流程图 3.2 实现步骤 （1）数据检验与处理： 具体算法：根据原始序列的级比的大小，判断GM（1，1）建模的可行性．的定义为： 可揭示数列的平滑情况或指数律的符合情况，若为常数，则具有白指数律（即确切的指数律），当然，此时无建立GM（1，1）模型的价值．GM（1，1）建模希望的是的取值区间长度（覆盖的测度）接近于零而不等于零，其可容区为（0．1353，7．389），即 参数或级比的可容区是GM（1，1）建模的基本条件，但不是实用条件，要想建立满意有效的GM（1，1）模型，参数或级比应落于界区内．设n是原始数据的个数，则我们有： a的界区：； 的界区：，若，则认为是可作GM（1，1）建模的． （2）建立模型GM(1,1) 具体算法：利用算法思想的介绍建立模型，则可得累加预测值和预测值： 模型的白化型为： 初始值用，则其解为： 该式用于预测时称为时间响应函数，表示为 累减还原 ； （3）检验预测值： ①残差检验：设为原始数列 设为通过模型（11-52）和（11-53）得到的预测数据列 则称为残差，称 为GM（1，1）的残