灰色预测法优质文档课件.pptVIP

灰色预测法

2“灰色”一词来源于控制理论，在控制理论中用颜色的深浅表示信息量的多少黑色系统一个系统内部的信息对外界来说是一无所知的灰色系统系统内部的信息一部分是已知的，另一部分是为止的，系统内各因素具有不确定的关系白色系统系统的内部特征是完全已知的，即系统的信息是完全充分的

3灰色预测对既含有已知信息又含有不确定信息的系统，即灰色系统进行预测，尽管灰色系统表象复杂，数据散乱，信息不充分，但作为一个系统，必然有潜在的规律，必然是有序的。通过对“小样本”,“贫信息”原始数据的生成处理，生成具有较强规律性的生成序列，来寻找系统变动的内在规律，进行建模和预测

4灰色预测的特点不需要任何假定不必寻找随机变量的概率分布和统计特征所需数据不多既可用于宏观系统，也可用于微观系统既可用于短期预测，也可用于长期预测

5灰色预测的类型灰色时间序列预测；用观察到的反映预测对象特征的时间序列构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。畸变预测；通过灰色模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。系统预测；通过对系统行为特征指标建立一组相互关联的灰色预测模型，预测系统中众多变量间的相互协调关系的变化。（如：相互关联产品销售量互相制约的预测）拓扑预测；根据原始数据绘制曲线，在曲线上按定值寻找该定值发生的所有时点，并以该定值为框架构成时点数列，然后建立模型预测该定值所发生的时点

6灰色预测模型数据的预处理GM(1,1)模型的建立及检验GM(1,1)模型在销售量预测中的应用GM(1,1)模型的延伸

数据的预处理生成列

8生成列将原始数据列中的数据,按某种要求作数据处理称为生成。客观世界尽管复杂,表述其行为的数据可能是杂乱无章的,然而它必然都存在着某种内在规律,不过这些规律被纷繁复杂的现象所掩盖,人们很难直接从原始数据中找到某种内在的规律.对原始数据的生成就是企图从杂乱无章的现象中去发现内在规律.记原始时间序列为：记生成列为：

9（一）累加生成：对原始时间序列进行依个累加得到新的序列（二）累减生成：原始数据前后两个数据相减注意：累减是累加的逆运算，可以将累加的生成列还原为非生成列

10序号123456x(0)(i)26.731.523.734.135.830.9x(1)(i)26.758.281.9116151.8182.7原始时间序列杂乱无章，通过累加生成弱化了数据的随机性，增强了规律性，看出灰量积累过程的发展态势，使杂乱无章的原始数据中蕴含的规律加以显化，因此累加生成是使原始数据由灰变白的过程。

GM(1,1)模型的建立

12GM（1,1）模型的建立GM是英文GreyModel的缩写，GM(1,1)表示由一阶微分方程、一个变量的灰色预测模型。设时间序列X(0)有n个观测值通过累加生成了新序列：于是把生成序列X(1)视为t的连续函数可建立微分方程：←白化的序列←白化形式的微分方程式中：a称为发展灰数，称为内生控制灰数。

13设为待估参数向量：=利用最小二乘法求解，可得：其中：

14求解微分方程，即可得预测模型：两点注意：给定原始序列X（0）中的数据，不一定要全部用来建模，对原始序列的取舍不同，模型会不同，即a，μ会不同。建模的数据取舍，应保证建模序列是等时距、相连的，不得有跳跃出现。

GM(1,1)模型的检验

16模型的检验方法

17（一）残差检验残差大小检验，即对模型值和实际值的残差进行逐点检验。按预测模型计算，并将累减生成，并计算原始序列与的绝对误差序列以及相对误差序列。绝对误差序列：相对误差序列：

18（二）关联度检验客观世界中，许多因素之间的关系式灰的。灰关联度分析实质上就是比较数据到曲线几何形状的接近程度，几何曲线越接近，变化趋势也就越接近，关联度也就越大

191.关联系数设：关联系数定义为：称为分辨率，，一般取注意：对单位不一、初值不同的序列，在计算关联系数之前应先进行初始化，将该序列的所有数据分别处以第一个数据。

202.关联度从关联系数的结果来看，我们得到的是数列与参考列个点贱的关联系数没信息比较分散不便于比较，因而有必要将关联系数集中体现在一个值上，也就是关联度在计算出序列与序列的关联系数之后,计算各类关联系数的平均值这个平均值r称为序列与序列的关联度。根据经验，当时，关联度大于0.6时是满意的。

21（三）后验差检验（1）计算原始序列的标准差：（2）计算绝对误差序列的标准差：（3）计算方差比：解释:指标C越小越好，C越小说明，S1越大，S2越小，即原始数据离散程度大而残差离散程度小，说明