GM11模型应用及残差修正.docxVIP

一．GM(1,1)预测模型应用举例 灰色预测是基于GM(1,1)预测模型的预测，按其应用的对象可有四种类型： 数列预测。这类预测是针对系统行为特征值的发展变化所进行的预测。 灾变预测。这类预测是针对系统行为的特征值超过某个阙值的异常值将在何时出现的预测。 季节灾变预测。若系统行为的特征有异常值出现或某种事件的发生是在一年中的某个特定的时区，则该预测为季节性灾变预测。 拓扑预测。这类预测是对一段时间内系统行为特征数据波形的预测。例1（数列预测）：设原始序列 X (0) ? (x (0) (1), x (0) (2), x (0) (3), x (0) (4), x (0) (5)) ? (2.874,3.278,3.337,3.390,3.679) 试用GM(1,1)模型对 X (0) 进行模拟和预测，并计算模拟精度。解：第一步：对 X (0) 进行一次累加，得 X (1) ? (2.874,6.152,9.489,12.897,16.558) 第二步：对 X (0) 作准光滑性检验。由 ? (k) ? x(0) (k) x(1) (k ?1) 得?(3) ? 0.54, ?(4) ? 0.36 ? 0.5, ?(5) ? 0.29 ? 0.5 。 当k3时准光滑条件满足。 第三步：检验 X (1) 是否具有准指数规律。由 ? (1) (k) ? x(1) (k) x(1) (k ?1) ? 1 ? ?(k) 得? (1) (3) ? 1.54,? (1) (4) ? 1.36,? (1) (5) ? 1.29 当k3时，? (1) (k ) ?? [1,1.5],? ? 0.5 ，准指数规律满足，故可对 X (1) 建立GM(1,1) 模型。 第四步：对 X (1) 作紧邻均值生成，得 Z (1) ? (4.513,7.820,11.184,14.718) 于是 ?? z (1) (2) 1? ? ? 4.513 1? ?x(0) (2)? ?3.2 7 ?8 ? ? ? ? ? ? ? ? B ? ?? z (1) (3) 1? ? ? ? 7.820 1?,Y ? ? x(0) (3)? ? ?3.3 3 7? ?? z (1) (4) 1? ??11.184 1? ?x(0) (4)? ?3.3 9 ?0 ? ? ? ? ? ? ? ? ??? z (1) (5) 1?? ??14.7 1 8 1? ?? x(0) (5)?? ?3.6 7 ?9 第五步：对参数列?? ? [a, b]T 进行最小二乘估计。得 ?? 0.0 3 7?2 ?? ? (BT B)?1 BTY ? ? ? ? 3.0 6 5 3? 第六步：确定模型 dx (1) ? 0.0 3 7 x2(1) ? 3.0 6 5 3 dt 及时间响应序列 b b x?(1) (k ? 1) ? (x(0) (1) ? )e?ak ? ? 85.276151e0.0372k ? 82.4 0 2 1 5 1 a a 第七步：求 X (1) 的模拟值 X? (1) ? (x?(1) (1), x?(1) (2), x?(1) (3), x?(1) (4), x?(1) (5)) ? (2.8704,6.1060,9.4605,12.9422,16.5 5 5)8 第八步：还原求出 X (0) 的模拟值。由 x?(0) (k ?1) ? a(1) x?(1) (k ?1) ? x?(1) (k ?1) ? x?(1) (k ) 得 X? (0) ? (x?(0) (1), x?(0) (2), x?(0) (3), x?(0) (4), x?(0) (5)) ? (2.8 7 4,30.2 3 2,30.3 5 4,35.4 8 1,37.6 1 3)6 第九步：检验误差。由下表可算出残差平方和： 序号实际数据 序号 实际数据 模拟数据 x (0) (k ) x?(0) (k ) 残差 ? (k ) ? x (0) (k ) - x?(0) (k ) 相对误差 ? k ? | ? (k ) | x (0) (k ) 2 3.278 3.2300 0.0460 1.40% 3 3.337 3.3545 -0.0175 0.52% 4 3.390 3.4817 -0.0917 2.71% 5 3.679 3.6136 0.0654 1.78% 平均相对误差 1.6025% 第十步：预测 x?(0) (k ?1) x?(1) (6) ? 85.276151e0.0372?5 ? 82.402151 ? 20.3063 x?(0) (6) ? 3.7505 x?(1) (7) ? 85.276151e0.0372?6 ? 82.