灰色系统建模.pptVIP

**第63页，共130页，星期日，2025年，2月5日**灰色系统理论是基于关联空间、光滑离散函数等概念定义灰导数与灰微分方程，进而用离散数据列建立微分方程形式的动态模型，即灰色模型是利用离散随机数经过生成变为随机性被显著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。G表示grey（灰色），M表示model（模型）§4灰色模型ＧＭ(1,N)第64页，共130页，星期日，2025年，2月5日**（1）GM(1,1)的定义1.GM(1,1)模型GM（1，1）表示1阶的、1个变量的模型。第65页，共130页，星期日，2025年，2月5日**1.GM(1,1)模型---GM(1,1)模型定义第66页，共130页，星期日，2025年，2月5日**第67页，共130页，星期日，2025年，2月5日**第68页，共130页，星期日，2025年，2月5日**GM(1,1)的白化型第69页，共130页，星期日，2025年，2月5日值得注意的是：GM(1,1)的白化型（6）并不是由GM(1,1)的灰微分方程直接推导出来的，它仅仅是一种“借用”或“白化默认”。另一方面，GM(1,1)的白化型是一个真正的微分方程，如果白化型模型精度高，则表明所用数列建立的模型GM(1,1)与真正的微分方程模型吻合较好，反之亦然。第70页，共130页，星期日，2025年，2月5日**2.GM(1,N)模型----GM(1,N)的定义第71页，共130页，星期日，2025年，2月5日**第72页，共130页，星期日，2025年，2月5日**第73页，共130页，星期日，2025年，2月5日**第74页，共130页，星期日，2025年，2月5日如果为奇异矩阵（例如当n?1N时），即不存在，则此时u?不能用（8）式确定。但注意到u?的元素实际上是各子因素对主因素影响大小的反映，因此，我们可以引入加权矩阵，使对各因素的未来发展趋势进行调整控制。对于未来发展减弱趋势的因素赋予较大的权值，而对于未来增强趋势的因素赋予较小的权值，使之更好地反映未来的实际情况。此时，计算向量u?可采用下面的公式第75页，共130页，星期日，2025年，2月5日**2.GM(1,N)模型----GM(1,N)的白化型第76页，共130页，星期日，2025年，2月5日3、灰色预测方法**灰色预测是指利用GM模型对系统行为特征的发展变化规律进行估计预测，同时也可以对行为特征的异常情况发生的时刻进行估计计算，以及对在特定时区内发生事件的未来时间分布情况做出研究等等。这些工作实质上是将“随机过程”当作“灰色过程”，“随机变量”当作“灰变量”，并主要以灰色系统理论中GM(1,1)模型来进行处理。灰色预测在工业、农业、商业等经济领域，以及环境、社会和军事等领域中都有广泛的应用。特别是依据目前已有的数据对未来的发展趋势做出预测分析。第77页，共130页，星期日，2025年，2月5日**1).灰色预测的一般方法第78页，共130页，星期日，2025年，2月5日**第79页，共130页，星期日，2025年，2月5日**第80页，共130页，星期日，2025年，2月5日通过下面的数据分析、处理过程，我们将了解到，有了一个时间数据序列后，如何建立一个基于模型的灰色预测。1.数据的预处理首先我们从一个简单例子来考察问题.【例1】设原始数据序列x0=[6,3,8,10,7]%原始数据序列第81页，共130页，星期日，2025年，2月5日对数据累加于是得到一个新数据序列x1=cumsum(x0)%进行累加得到一个新数据序列第82页，共130页，星期日，2025年，2月5日归纳上面的式子可写为称此式所表示的数据列为原始数据列的一次累加生成，简称为一次累加生成.显然有将上述例子中的分别做成图1、图2.可见图1上的曲线有明显的摆动，图2呈现逐渐递增的形式，说明原始数据的起伏已显著弱化.可以设想用一条指数曲线乃至一条直线来逼近累加生成数列第83页，共130页，星期日，2025年，2月5日图2图1为了把累加数据列还原为原始数列，需进行后减运算或称相减生成，它是指后前两个数据之差，如上例中t=1:5,subplot(1,2,1),plot(t,x0,t,x0,o),