灰色预测总结.docVIP

灰色预测总结

灰色系统建模

灰色系统理论在建模中的应用:灰色系统理论在建模中被广泛用来处理数据。与插值拟合相比，利用灰色模型处理数据不仅对数据没有很强的限制，而且精度更高，计算更简便。常用的灰色系统生成方式有:累加生成,累减生成,均值生成,级比生成等,下面对这几种生成做简单介绍.

累加生成:

累减生成:累减生成,即对数列求相邻两数据的差,累减生成是累加生成的逆运算,常简记为IAGO(InverseAccumulatedGeneratingOperation),累减生成可将累加生成还原为非生成数列,在建模过程中用来获得增量信息,其运算符号为?.

2后验差检验法

计算后验差比为：

计算小误差概率：

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

3序列光滑度的理论分析

提高数列的光滑度

1基于函数lnx变换提高数据序列的光滑度

4灰色GM(1.1)优化模型分析传统GM(1.1)模型背景值对预测精度的影响

X0=x

%formatlong;

formatshortg;

[m,n]=size(X0);

X1=cumsum(X0);%累加

X2=[];

fori=2:n

lamuda(i)=X0(i-1)/X0(i);

end

lamuda

fori=1:n-1

X2(i,:)=X1(i)+X1(i+1);

end

fori=1:n-1

X2(i,:)=X1(i)+X1(i+1);

end

fori=2:n

sigema(i)=X0(i)/X1(i-1);

end

sigema%sigema属于（1,1.5）时，则具有准指数规律，可建立预测模型幂函数变换、对数变换和复合变换

m=2/(n+1);

ep=[exp(-m)exp(m)]%级比检验lamuda(i)必须落到ep区间内

B=-0.5.*X2;

t=ones(n-1,1);

B=[B,t];%求B矩阵

YN=X0(2:end);

Pt=YN./X1(1:(length(X0)-1))%对原始数据序列X0进行准光滑性检验，Pt∈[0,ε]当ε0.5时,则称x(0)(t)为准光滑序列

%序列x0的光滑比P(t)=X0(t)/X1(t-1)

A=inv(B.*B)*B.*YN.;

a=A(1)

u=A(2)

c=u/a;

b=X0(1)-c;

X=[num2str(b),exp,(,num2str(-a),k,),num2str(c)];

strcat(X(k+1)=,X)

%symsk;

fort=1:length(X0)

k(1,t)=t-1;

end

k

Y_k_1=b*exp(-a*k)+c;

forj=1:length(k)-1

Y(1,j)=Y_k_1(j+1)-Y_k_1(j);

end

yuce=[Y_k_1(1),Y]%预测值

CA=abs(yuce-X0);%残差数列

Theta=CA%残差检验绝对误差序列

err=CA./X0%相对误差序列如果err0.2,则可认为达到一般要求，如果err0.1,则认为达到较高的要求

AV=mean(CA);%残差数列平均值

R_k=(min(Theta)+0.5*max(Theta))./(Theta+0.5*max(Theta));%P=0.5

R=sum(R_k)/length(R_k)%关联度

Temp0=(CA-AV).^2;

Temp1=sum(Temp0)/length(CA);

S2=sqrt(Temp1);%绝对误差序列的标准差

%----------

AV_0=mean(X0);%原始序列平均值

Temp_0=(X0-AV_0).^2;

Temp_1=sum(Temp_0)/length(CA);

S1=sqrt(Temp_1);%原始序列的标准差

TempC=S2/S1*100%方差比？

C=strcat(num2str(TempC),%)%方差比均方差比值C越小越好，C0.35为好，C0.5为合格

%----------

SS=0.675*S1;

Delta=abs(CA-AV);

TempN=find(Delta=SS);