灰色预测模型26575.ppt

1、灰色系统介绍 2、灰色系统的基本原理 3、灰数及其运算 4、灰生成技术 5、GM（1，1）模型 注意： 如何检验GM(1,1)模型的精度？ 问题3 残差： 平均相对误差： 相对误差： 精度： 真实值 预测值 建立灰色预测模型的一般步骤 第一步：级比检验，建模可行性分析。 第二步：数据变换处理。 第三步： 用GM(1,1)建模。 第四步：模型检验。 灰色建模实例 北方某城市1986-1992年交通噪声平均声级数据 序号 年份 Leq 序号 年份 Leq 1 1986 71.1 2 1987 72.4 3 1988 72.4 4 1989 72.1 5 1990 71.4 6 1991 72.0 7 1992 71.6 表：某城市近年来交通噪声数据[dB(A)] 第一步：级比检验，建模可行性分析 1.建立交通噪声平均声级数据时间序列： 2. 求级比： 3. 级比判断： 由于所有的 ， ，故可以用 作满意的GM(1, 1) 建模。 第二步： 用GM(1,1)建模 1. 对原始数据 作一次累加： 得： 2. 构造数据矩阵B及数据向量Y ： 于是得到： 3.最小二乘估计求参数列 ： 于是得到 。 4. 建立模型： 解得时间响应序列为： （＊） 5. 求生成数列值 及模型还原值 ： 令 代入时间响应函数可算得 ， 其中取 。 由累减生成 ，得还原值： 第三步： 模型检验 序号 年份 原始值 预测值 残差 相对误差 1 1986 71.1 2 1987 72.4 3 1988 72.4 4 1989 72.1 5 1990 71.4 6 1991 72.0 7 1992 71.6 71.1 0 0 72.4 0 0 72.2 0.2 0.28% 72.1 0 0 71.9 -0.5 -0.7% 71.7 0.3 0.42% 71.6 0 0 表：GM(1,1)模型检验表 平均相对误差： 精度： 经验证，该模型的精度较高，可进行预报 和预测。 灰色预测模型 ■ 灰色系统是由华中科技大学的邓聚龙教授80年代初所创立，在短短的三十年里已得到了长足的发展。 ■ 灰色系统研究的是“部分信息明确，部分信息未知”的“小样本，贫信息”不确定性问题，并依据信息覆盖，通过序列算子的作用探索事物运动的现实规律。其特点是“少数据建模”，着重研究“外延明确，内涵不明确”的对象。 1、不需要大量的样本。 2、样本不需要有规律性分布。 3、计算工作量小。 4、定量分析结果与定性分析结果不会不一致。 5、可用于近期、短期，和中长期预测。 6、灰色预测精准度高。 灰色模型的优点 公理1、差异信息原理。“差异”是信息，凡信息必有差异。 公理2、解的非唯一性