《灰色预测理论25333【稻谷书屋】》由会员分享，可在线阅读，更多相关《灰色预测理论25333【稻谷书屋】（22页珍藏版）》请在金锄头文库上搜索。
1、灰色预测法灰色预测法 汇报人：吴威汇报人：吴威 赵耀华赵耀华 1教育灰色预测的理论基础灰色预测的理论基础灰色预测模型灰色预测模型GMGM（1 1，1 1）的检验）的检验灰色预测的应用实例灰色预测的应用实例主要主要内容2教育灰色预测的理论基础灰色预测的理论基础 灰色系统灰色系统是指“部分信息已知,部分信息未知”的“小样本”,“贫信息”的不确定性系统。 信息不完全包含： 1、系统因素不完全明确； 2、因素关系不完全清楚； 3、系统结构不完全知道； 4、系统作用原理不完全明了。白色系统、灰色系统、黑色系统白色系统、灰色系统、黑色系统 白色白色系统系统 一个系统的内部特征是完全已知的，即系统的信息是完
2、全 充分的。如：存取款系统，存款金额明确，利息固定则最终取款金额就已知。 灰色系统灰色系统 一个系统的内部特征是不完全已知的系统。人体是一个系统，人的身高、体温、血压等都是已知的，可是，人体内部在结构及部位功能上还有许多问题尚未可知。 黑色系统黑色系统 一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。如：观测到的星体。3教育灰色系统数理统计方法模糊法内涵小样本不确定大样本不确定界限不确定依据信息覆盖概率统计隶属度函数手段生成统计边界取值特点少数据多数据经验（数据）要求允许任意分布要求典型分布函数目标现实规律历史统计规律认知表达信息准则最少信息无限信息经验信息灰色
3、系统分析法、数理统计法及模糊法对比灰色系统分析法、数理统计法及模糊法对比4教育灰色预测灰色预测 通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测的类型灰色预测的类型时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。畸变预测（灾变预测）。通过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。波形预
4、测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。5教育灰色预测模型灰色预测模型关联度分析关联度分析灰色生成灰色生成GMGM(1,1)1,1)建模机理建模机理6教育关联度分析关联度分析关联度分析关联度分析 根据因素之间发展态势的相似或相异程度来衡量因素间关联的程度，其揭示了事物动态关联的特征与程度。关联分析是灰色系统分析和预测的基础。ACDBxt将曲线A与B、C、D的关联程度分别记为rAB，rAC，rAD，则它们之间有如下排序关系：rAB，rAC，rAD，相应的序列rA
5、B，rAC，rAD称为关联序。由此可见，关联分析实质上是一种曲线间几何形状的分析比较，即几何形状越接近，则发展变化趋势越接近，关联程度越大；反之亦然。7教育关联度分析步骤：关联度分析步骤： 设原始数列为 X(0)=(x(0)(1), x(0)(2),x(0)(n) 比较数列为 X(i)=(x(i)(1), x(i)(2),x(i)(n) 关联系数的定义 其中P称为分辨率，0P1，一般采用P=0.5。对单位不一，初值不同的序列，在计算关联系数之前应首先进行初值化，即将该序列的所有数据分别除以第一数据，将变量化为无单位的相对数值。 关联度的计算公式： 关联系数只表示了各个时刻参考序列和比较序列之间
6、的关联程度，为了从总体上了解序列之间的关联程度，必须求出它们的时间平均值，即关联度。 8教育例：某地区1977-1983年总收入与养猪、养兔收入资料见表问题：对该地区总收入影响较直接的是养猪还是养兔？1977197819791980198119821983总收入总收入18202240444860养猪养猪10151624384050养兔养兔3212102218209教育步骤步骤1 1：计算差序列：计算差序列年度1977197819791980198119821983总收入养猪856166810养兔15181030223040步骤步骤2 2：计算第级最小差、最大差：计算第级最小差、最大差第二级最小
7、差 5第二级最大差 40步骤步骤3 3：计算灰色关联值：计算灰色关联值 养猪 0.7634 养兔 0.6025可见，养猪所得收入与总收入的关联程度更大10教育灰色生成灰色生成数的生成数的生成 通过对数列中的数据进行处理，产生新的数列，以此来挖掘和寻找数的规律性的方法。对灰色数的处理是利用数据处理的办法去寻找数据间的规律。数的生成方式主要有累加生成、累减生成、均值生成。 累加生成累加生成 通过数列间时刻各数据的依个累加以得到新的数据与数列，累加所得的新数列叫做累加生成数列。 具体地， 记原始数列为 X(0)=(x(0)(1), x(0)(2),x(1)(n) 累加生成序列 X(i)=(x(i)(
8、1), x(i)(2),x(i)(n) 一次累加生成关系 累加生成的作用 通过累加生成可以看出灰量积累过程的发展态势,使离乱的原始数据中蕴含的积分特性或规律加以显化。11教育累减生成累减生成 对数列求相邻两数值的差，是累加生成的逆运算。 记原始序列为 X(1)=(x(1)(1), x(1)(2),),x(1)(n) 一次累减生成序列为 X(0)=(x(0)(1), x(0)(2),x(0)(n) 其中，x(0)(k)=x(1)(k)x(1)(k-1) 累减生成的作用 累减生成可将累加生成还原为非生成数列,在建模方 程用来获得增量信息。 均值生成均值生成 设原始序列为X(0）=x(0)(1),
9、x(0)(2),x(0)(n) ，x(0)(k-1)与x(0)(k) 为数列X(0)的一对（紧）邻值，则称x(0)(k-1)为前值，x(0)(k)称为 后值。 对于常数(0,1) 则称z(0)(k)=x(0)(k) + (1-)x(0)(k 1) 为由数列x(0)的邻值在生成系数（权）下的邻值生成数。 特别地，当生成系数为0.5时，则称z(0)(k) = 0.5x(0)(k) + 0.5x(0)(k 1) 为（紧）邻均值生成数，即等权邻值生成数。12教育模型符号含义模型符号含义GM(1，1) Grey Model(1阶方程，1个变量)GM(1，1)建模过程建模过程 令X（0）为GM(1，1)为
10、原始建模序列：X(0)=(x(0)(1), x(0)(2),x(0)(n) X（1） 为X（0）累加生成序列X(1)=(x(1)(1), x(1)(2),x(1)(n)x(1)(k)= k=1,2,n 令Z（1）为X（1）的紧邻均值生成序列Z（1）=（ z(1)(1 ), z(1)(2), z(1)(k )）z(1)(k)=o.5 x(1)(k)+0.5 x(1)(k-1) GM(1，1)的灰微分方程模型为x(0)(k+1)+a z(1)(k)=b 式中称为a发展系数，b为灰色作用量。GMGM（1,11,1）模型）模型13教育准备知识准备知识一阶微分方程模型 dx/dt+ax=b导数的定义 当
11、t很小并取很小的单位1时x(t+1)-x(t)=x/t则离散形式可写为x/t=x(1)(k+1)-x(1)(k)=x(0)(k+1)由dx/dtx/tx(1)(k+1)-x(1)(k)，在x(1)(k)，x(1)(k+1)范围内，由于很短时间内背景值（即x值）不会发生突变，则取均值 z(1)(k+1)=o.5 x(1)(k)+0.5 x(1)(k+1)作为x的值。则得到灰微分方程为x(0)(k+1)+a z(1)(k)=b则可得矩阵方程x(0)(k+1)=-a z(1)(k)+bYn=B&14教育 设&为待估参数向量，即&=（a,b）T，则灰微分方程的最小二乘估计参数列满足&=(BTB)TBT
12、Yn 其中， B= Y n= 称 为灰色微分方程x(0)(k)+az(1)(k)=b的白化方程，也叫影子方程。 将上面所求参数代入白化方程，求得其离散解为 还原到原始数据 15教育GMGM（1,11,1）模型检验）模型检验 GM(1,1)模型的检验分为三个方面：残差检验；关联度检验；后验差检验。残差检验残差检验 即对模型值和实际值的残差进行逐点检验。 首先按模型计算 ，将 累减生成 ，最后计 算原始序列 与 的绝对残差序列 及相对误差序列 并计算平均相对残差 给定，当 且 成立时，称模型为残差合格模型。关联度检验关联度检验 即通过考察模型值曲线和建模序列曲线的相似程度进行检验。按前面所述的关联
13、度计算方法，计算出 与原始序列 的关联系数，然后算出关联度，根据经验，关联度大于0.6便是满意的。16教育后验差检验后验差检验 即对残差分布的统计特性进行检验。 计算出原始序列的平均值：计算原始序列的均方差：计算残差的均值：计算残差的均方差：计算方差比C：计算小残差概率： 令S0=0.6745S1 ,即P=Pei0.950.800.700.65勉强合格0.65不合格 指标C和P是后验差检验的两个重要指标，C越小越好，C越小表示S1大而S2小。S1大表示原始数据方差大即原始数据离散程度大，S2小表示残方差小即离散程度小，C小则表示尽管原始数据很离散，而模型所得计算值与实际值之差并不太离散。P指标
14、越大越好，P值越大，表明残差与残差平均值之差小于定值0.6745的点较多，即拟合值分布比较均匀，按C、P两个指标，可综合评定预测模型的精度。18教育年年1 12 23 34 45 56 67 78 89 9101011111212降雨降雨386.6386.6514.6514.6434.1434.1484.1484.1647.0647.0399.7399.7498.7498.7701.6701.6254.5254.5463.0463.0745.0745.0398.3398.3年年131314141515161617171818191920202121222223232424降雨降雨554.555
15、4.5471.1471.1384.5384.5242.5242.5671.7671.7374.7374.7458.9458.9511.3511.3530.8530.8586.0586.0387.1387.1454.4454.4灰色预测应用实例灰色预测应用实例以下为某地区平均降水量的原始数据，规定x390的为旱灾年，预测下一个旱灾年的时间。 解：首先作灾变映射。 按照x(t)390(毫米)为异常值,则有 X=x(q(1)，x(q(2)x(q(6) =x(1),x(9),x(15),x(16),x(18),x(23) 得灾变日期序列为Q(0)Q(0)=q(1),q(2),q(6)=1,9,15,16,18,2519教育据此对Q(0)建立灾变日期序列的GM(1,1)模型。对作一次累加生成，得 求得参数向量 记Q(1)的紧邻生成序列为Z(1)，于是,得灾变GM(1,1)为 ,灾变日期序列的GM(1,1)序号响应式为 从而 由此可得Q(0)的模拟序列 由 得绝对残差序列 及相对残差序列20教育 平均相对残差 小于0.10，故可用 进行预测。 即从最近一次旱灾发生的时间算起，五年之后可能发生旱灾。 21教育Its overIts overThank youThank you22教育
