数学建模灰色预测法

a
k 0,1,2..., n
回总目录 回本章目录
对其做累减还原，即可得到原始数列 的 灰色预测模型为:
Xˆ (0) (k) Xˆ (1) (k) Xˆ (1) (k 1)
由灰色预测方法原理, - a 主要控制系统发展态
势的 大小,即反映预测的发展态势,被称为发展系数;
μ 的大小反映了数据变化的关系,被称为灰色作用量,
509.705
a
从而得到白化方程：
dX (1) 0.0532 X (1) 27.1038 dt
从而得到预测公式(时间响应式)为：
Xˆ (1) (k 1) X (1) (1) eak
a
a
535.705e0.0532k 509.75
为了得到原始数列的预测值，需要将生成数列的预测值 作累减还原为原始值，
回总目录 回本章目录
（2）灰色预测法
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。
灰色预测通过鉴别系统因素之间发展趋势的相异 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。
与原始序列 X 0i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。
回总目录 回本章目录
（3）后验差检验
a.计算原始序列标准差:
S1
X 0 i X 0 2
n
b. 计算绝对误差序列的标准差：
0 i 0 2
S2
n 1
c. 计算后验差比值：
C S2 S1
例 某矿某年3-7月份的轻伤事故情况如表所示
月份 3
4
5
6
7
轻伤 26
29
31
33
34
人次
试建立GM(1,1)模型的白化方程及时间响应式, 并对M(1,1) 模型进行检验,预测该矿8月份轻伤人数.
求解过程
原始数据列：
X 0 (i) {26,29,31,33,34}
累加生成数列： X 1 (i) {26,55,86,119,153}
X3 1, 0.97, 1.0294, 1.0294 X4 1, 1.0149, 0.805, 0.7
回总目录 回本章目录
第二步：求序列差 2 0, 0.1155, 0.1992, 0.2335
X’2-X’1
3 0, 0.0225, 0.1059, 0.1146 X’3-X’1
4 0, 0.0674, 0.1185, 0.2148
其中:
①当- a < 0.3 时, GM(1 ,1) 模型可用于中长期预测;
②当0.3 < - a < 0.5 时, GM(1 ,1) 模型可用于短期预测, 中长期预测慎用;
③当0.5< - a < 1 时, 应采用GM(1 ,1) 改进模型,包括 GM(1 ,1) 残差修正模型;
④当- a > 1 时,不宜采用GM(1 ,1) 模型,可考虑其他预 测方法。
回总目录 回本章目录
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
X1 45.8, 43.4, 42.3, 41.9
X2 (39.1, 41.6, 43.9, 44.9)
运输业 X3 3.4, 3.3, 3.5, 3.5
商业 X4 6.7, 6.8, 5.4, 4.7
1 4
4
14 k
k 1
0.621
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。 X 2 为参考序列时，计算类似，这里略去。
回总目录 回本章目录
2 GM(1,1)模型
一、GM（1，1）模型的建立
设时间序列 X 0 X 01, X 02,..., X 0n 有n个观
察值，通过累加生成新序列X 1 X 11, X 12,..., X 1n
(k)
Xˆ 0 k X 0 k max max Xˆ 0 k X 0 k
回总目录 回本章目录
式中：
Xˆ 0k X 0k 为第k个点 X 0和 Xˆ 0 的绝对误差； min min Xˆ 0k X 0k 为两级最小差； max max Xˆ 0k X 0k 为两级最大差；
ρ称为分辨率，0<ρ<1, 若越小，关联系数间
差异越大，区分能力越强。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。
回总目录 回本章目录
（2）关联度
X 0k 和 Xˆ 0k 的关联度为：
r 1 n k
n k 1
• 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。
回总目录 回本章目录
二、生成列 设已知数据变量组成序列X(0)，则我们可得 到数据序列
X 0 X 01, X 02, X 03,...X 0n
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。
二、模型检验 灰色预测检验一般有残差检验、关联度检
验和后验差检验。
（1）残差检验
按预测模型计算 Xˆ 1i, 并将Xˆ 1i 累减生成 Xˆ 0i,
然后计算原始序列X 0i 与 Xˆ 0i 的绝对误差序列及相
对误差序列。
0i X 0i Xˆ 0i i 1,2,..., n
i
0 i X 0i
则GM（1，1）模型相应的微分方程(白化方程)为：
dX 1 aX 1
dt
其中：α称为发展灰数；μ称为内生控制灰数。
回总目录 回本章目录
构造矩阵B与向量Y
B
1 ( X (1) (2) X (1) (1)), 2
1 ( X (1) (3) X (1) (2)), 2
1
1
... ...
131 1 132 0.8384 133 0.5244 134 0.504
14 1 1 14 2 0.634 14 3 0.4963 144 0.352
回总目录 回本章目录
第五步：求关联度
12
1 4
4
12 k
k 1
0.551
13
1 4
4
13 k
k 1
0.717
14
参考序列分别为 X1, X 2 ，被比较序列为 X 3, X 4
试求关联度。
回总目录 回本章目录
解答：
以 X1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：
X1 1, 0.9475, 0.9235, 0.9138 X2 1, 1.063, 1.1227, 1.1483
Y {x0 (2), x0 (3), x0 (4), x0 (5)} {29,31,33,34}
1 (26 55) 2 1 (55 86)
1 1
B
2 112((18169111593))
1 1
2
aˆ
(BT B)1 BT Y
0.0532 27.1038
所以
a
0.0532,
27.1038,
回总目录 回本章目录
记原始时间序列为：
X 0 X 01, X 02, X 03,...X 0n
生成列为：
X 1 X 11, X 12, X 13,...X 1n
上标1表示一次累加，同理，可作m次累加：
k
X mk X m1 i i 1
回总目录 回本章目录
• 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。
灰色预测法
王玉雷 河南工业大学理学院
在预测分析中，最基本的预测模型为线性回归方 程，针对一些规律性较强的数据，该模型能作出精 确的预测，但在实际中，我们得到的常是一些离散 的，规律性不强的数据，为解决此类问题，线性的 方法就不适用了，此时，就需要采用灰色预测的方 法。
灰色预测法
1 灰色预测理论 2 GM(1,1)模型 3 GM(1,1)残差模型及GM (n, h)模型
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。
回总目录 回本章目录
• 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。
回总目录
1. 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明确的。
回总目录 回本章目录
• 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。
回总目录 回本章目录
（3）灰色系统的应用范畴
• 灰色系统的应用范畴大致分为以下几方面： • （1）灰色关联分析。 • （2）灰色预测：人口预测；初霜预测；灾变预
测….等等。 • （3）灰色决策。 • （4）灰色预测控制。
（4）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
100%
i 1,2,..., n