null灰色预测法灰色预测法灰色预测理论
GM(1,1)模型null灰 色 预 测 理 论 一、灰色预测的概念 (1)灰色系统、白色系统和黑色系统 白色系统是指一个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。null 黑色系统是指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。 灰色系统内的一部分信息是已知的,另一
部分信息是未知 的,系统内各因素间有不
确定的关系。null 灰色预测法是一种对含有不确定因素的系统进行预测的方法
灰色预测是对既含有已知信息又含有不确定信息的系统进行预则,就是对在一定范围内变化的、与时间有关的灰色过程进行预测.
。 (2)灰色预测法null 灰色预测通过鉴别系统因素之间发展趋的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。null 灰色预测法用等时距观测到的反映预测对象特征的一系列数量值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。null (3)灰色预测的四种常见类型 • 灰色时间序列预测
即用观察到的反映预测对象特征的时间序列来构造灰色预测模型,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
即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。 null 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。
拓扑预测
将原始数据做曲线,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。null 二、生成列 为了弱化原始时间序列的随机性,在
建立灰色预测模型之前,需先对原始时间
序列进行数据处理,经过数据处理后的时
间序列即称为生成列。null累加累加是将原始序列通过累加得到生成列。 灰色系统常用的数据处理方式有累加
和累减两种。 (1)数据处理方式null 累加的规则: 将原始序列的第一个数据作为生成
列的第一个数据,将原始序列的第二个
数据加到原始序列的第一个数据上,其
和作为生成列的第二个数据,将原始序
列的第三个数据加到生成列的第二个数
据上,其和作为生成列的第三个数据,
按此规则进行下去,便可得到生成列。null记原始时间序列为:生成列为:上标1
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示一次累加,同理,可作m次累加:null 对非负数据,累加次数越多则随机性弱化
越多,累加次数足够大后,可认为时间序
列已由随机序列变为非随机序列。
一般随机序列的多次累加序列,大多可用
指数曲线逼近。null累减 将原始序列前后两个数据相减得到累减生成列 累减是累加的逆运算,累减可将累加生成 列
还原为非生成列,在建模中获得增量信息。一次累减的公式为:null三、关联度 关联度分析是分析系统中各因素关联程度的方法,在计算关联度之前需先计算关联系数。(1)关联系数设则关联系数定义为:null式中: 为第k个点 ρ称为分辨率,0<ρ<1,一般取ρ=0.5; 对单位不一,初值不同的序列,在计算相关系数前应首先进行初始化,即将该序列所有数据分别除以第一个数据。的绝对误差; 和为两级最小差; 为两级最大差; null(2)关联度和的关联度为:null一个计算关联度的例子 工业、农业、运输业、商业各部门的行为数据如下: 工业农业运输业商业参考序列分别为 ,被比较序列为 ,试求关联度。 回总目录回本章目录null解答:以为参考序列求关联度。 第一步:初始化,即将该序列所有数据分别
除以第一个数据。得到:null第二步:求序列差第三步:求两极差null第四步:计算关联系数 取ρ=0.5,有: 从而: 回总目录回本章目录null第五步:求关联度 计算结果表明,运输业和工业的关联程度
大于农业、商业和工业的关联程度。 为参考序列时,计算类似,这里略去。null10.2 GM(1,1)模型一、GM(1,1)模型的建立 设时间序列有n个观察值,通过累加生成新序列 则GM(1,1)模型相应的微分方程为:
其中:α称为发展灰数;μ称为内生控制灰数。null设为待估参数向量,最小二乘法求解。解得:
求解微分方程,即可得预测模型:
,可利用null灰色预测检验一般有残差检验、关联度检二、模型检验(1)残差检验按预测模型计算并将累减生成然后计算原始序列与的绝对误差序列及相对误差序列。验和后验差检验。null(2)关联度检验根据前面所述关联度的计算方法算出与原始序列的关联系数,然后计算出关联度,根据经验,当ρ=0.5时,关联度大于0.6便
满意了。null(3)后验差检验a.计算原始序列标准差:nullb. 计算绝对误差序列的标准差:c. 计算方差比:nulld. 计算小误差概率:令:,则: P
>0.95
>0.80
>0.70
≤0.70 C
<0.35
<0.50
<0.65
≥0.65
好
合格
勉强合格
不合格实例分析实例分析原始数列为:
Xo={ Xo(1), Xo(2), Xo(3), Xo(4), Xo(5)}
={0.88,1.83,1.85,2.06,2.97,4.68}
下列以灰色预测方法对此数列进行预测分析
Xo(6)=?
原始数列作出曲线如图所示:nullnull灰色预测步驟:
一.生成(以累加生成为例)
第一次累加生成數列:
X1 ={ X1(1), X1(2), X1(3), X1(4), X1(5)}
={0.88,2.71,4.56,6.62,9.59,14.27}
null其中
X1(1)= Xo(1)
X1(2)= Xo(1)+Xo(2)
X1(3)= Xo(1)+Xo(2)+Xo(3)
X1(4)= Xo(1)+Xo(2)+Xo(3)+Xo(4)
X1(5)= Xo(1)+Xo(2)+Xo(3)+Xo(4) + Xo(5)
第一次累加生成之后数据如图二所示
nullnullnull利用公式求得:null将以上两个参数带入公式中得:null已知某地多年降水量如下,试预测下一个出现降水量大于600毫米的年份是哪年null BT =nullnull原 始 数 据 null一次累加生成数据图nullnullnull灰色预测结果分析表