数学建模灰色预测方法
灰色理论关联度与预测,数学建模必备知识,很实用哦
X m {xm ( jm )} | jm 1, 2,..., nm} 比较序列
灰色关联分析3
设x0(k)为X0（为参考序列）的第k个数；xi(k) 为Xi（比较序列）的第k个数；
则比较序列Xi对参考序列X0的灰色关联度为：
(X0 ,
Xi )
1 n
n k 1
r(x0 (k),
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:
X 0 i X 0 2
S1
n 1
回总目录 回本章目录
b. 计算绝对误差序列的标准差：
0 i 0 2
S2
X 0 t ,
3
X 0 t ,...,
n
X 0 t
t1
t 1
t 1
t 1
目录
基本概念 灰色关联分析 灰色预测模型
灰色关联分析1
基本特征
建立的模型属于非函数形式的序列模型 计算方便易行 对样本数量多寡没有严格要求 不要求序列数据必须符合正态分布 不会产生与定性分析大相径庭的结论
n 1
c. 计算方差比：
C S2 S1
回总目录 回本章目录
d. 计算小误差概率：
P P 0i 0 0.6745S1
令: 则：
ei 0i 0 ， S0 0.6745S1 P Pei S0
P >0.95 >0.80 >0.70 ≤0.70
灰色关联分析3
灰色关联度的数学模型
X 0 {x0 ( j0 )} | j0 1, 2,..., n0} X1 {x1( j1)} | j1 1, 2,..., n1} X 2 {x2 ( j2 )} | j2 1, 2,..., n2}
数学建模用灰色系统预测未来的销售量
在市场经济条件下,影响药品市场销售量的因素很多，如何准确预测药品销售量，对药品生产厂家来说尤为重要。
没有确切的预测数字，药品生产数量不足，会发生缺货现象，失去销售机会而减少利润；如果生产过剩，一时销售不出去，造成药品积压占用流动资金，影响资金周转，也会造成经济损失。
因此，掌握一个较为准确的预测药品销售量的方法是很重要的。
常见的定量化预测方法，大多是应用“趋势外推”的思想，当历史资料较少而预测的时间跨度又较长时，往往遇到困难。
灰色系统预测模型-GM （1，1），近年来的应用实践表明，这种预测方法有较好的准确性和适应性。
根据2012年的各个月各个销售点的需求量来预测2013年的各个销售点的月需求量问题。
模型建立假设原始数据是：0(1)(2)......()x x x n 、希望的到观测值令 00(1)(2)......x n x n ++、、令101()()ki x k x i ==∑（k=2,3,...,n),称为原始数据的一次累加生成序列。
不难理解，非负序列经多次累加后的生成数列将表现出良好的指数增长特性。
由微积分学知道，一个随时间按指数规律变化的连续变量1()y x t =可以看作下列微分方程dyay b dx+= （1） 的解： 对该方程求解,将时间t 离散化，得： 1(1)[(1)]akb bx k x eaa-+=-+（2） 由的定义求原函数列的公式为： 011(1)(1)()x k x k x k +=+- （3）取k ≥n 的正整数，即可得所求预测值0(1),(2),........x n x n ++。
上述（1）、（2）、（3）构成所谓GM （1,1）预测模型。
模型中参数a 、b 由最小二乘法原理求得：1()T T a A A A B b -⎛⎫= ⎪⎝⎭（4）其中1111111[(1)(2)]121[(2)(3)]12............1[(1)()]12x x x x A x n x n ⎛⎫-+ ⎪⎪⎪-+ ⎪= ⎪ ⎪ ⎪--+ ⎪⎝⎭000(2)(3)........()x x B x n ⎛⎫ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭ 由（4）式求得a 、b 后，带入（2）式算出再由（3）式便可算出所求的预测值。
灰色预测模型建模流程
灰色预测模型建模流程灰色预测模型是一种基于灰色理论的预测方法，主要用于处理样本数据有限、信息不完整或不确定的情况下的预测问题。
灰色预测模型的建模流程包括以下几个步骤：问题描述、数据序列预处理、建立灰色预测模型、模型检验与优化、预测与评价。
在进行灰色预测之前，需要明确问题的描述和目标。
例如，我们要预测某个产品的销售量，目标是根据历史数据推测未来一段时间内的销售趋势。
明确问题描述和目标有助于确定预测模型的输入和输出。
第二步是数据序列的预处理。
预处理的目的是对原始数据进行平滑、去噪和规范化，以提高模型的精度和可靠性。
常用的预处理方法有累加生成序列、均值生成序列和一次累加生成序列等。
预处理后的数据更符合灰色预测模型的要求。
第三步是建立灰色预测模型。
灰色预测模型有多种，常用的有灰色关联度模型、灰色马尔可夫模型和灰色GM(1,1)模型等。
根据问题的特点和数据的特征选择适合的模型进行建模。
以灰色GM(1,1)模型为例，该模型假设数据序列满足一阶线性累加规律，通过建立累加生成序列和非累加生成序列的微分方程，利用最小二乘法进行参数估计，得到模型的参数。
第四步是模型检验与优化。
在建立模型之后，需要对模型进行检验和优化，以保证模型的准确性和可靠性。
常用的检验方法有残差检验、后验差检验和累计误差检验等。
如果模型检验结果不理想，则需要对模型进行调整和优化，提高模型的拟合度和预测精度。
最后一步是预测与评价。
在模型检验通过后，可以使用建立好的灰色预测模型对未来的数据进行预测。
预测结果可以通过计算相对误差、平均相对误差和均方根误差等指标进行评价，以评估模型的预测效果。
总结来说，灰色预测模型的建模流程包括问题描述、数据序列预处理、建立灰色预测模型、模型检验与优化、预测与评价等步骤。
通过合理选择模型、优化模型参数和评价预测结果，可以提高灰色预测模型的准确性和可靠性，为决策提供科学依据。
灰色预测法
非等间距序列的灰色预测GM （1，1）模型1.1 模型的准备 1.1.1 灰色预测法1、 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。
灰色系统是介于白色系统和黑色系统之间的一种系统。
2、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。
而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，另一部分信息时未知的，系统内各因素间具有不确定的关系。
3、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。
其用等时距观测到的反应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。
1.1.2灰色预测的类型①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。
②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。
③ 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。
④拓扑预测；将原始数据作曲线，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。
考虑到CD4和HIV 的浓度以时间为序，称为时间序列。
因此在我们考虑建立灰色时间序列预测模型对继续治疗的效果进行预测。
定义1 设序列()()()()()()()(){}000012,,...,i n X t X t X t X t =, 若间距1,2,3,...,i i i t t t i n -∆=-=(1)不为常数, 则称()()0i X t 为非等间距序列。
定义2 设序列()()()()()()()(){}111112,,...,i n X t X t X t X t =, 若其中()()()()10,12,3,...,ii j jj Xt X t t i n ==∆=∑ (2)则称()()1i X t 为非等间距序列()()0i X t 的一次累加生成(1- A GO ) 序列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。
数学建模之灰色预测基础篇
常用到的灰色预测模型
• GM（1，1）模型——我们最常用 • GM（1，N）模型——是1 阶方程，包含有N 个
变量的灰色模型。
• GM（0，1）模型——是0 阶方程，包含有N 个变 量的灰色模型。表达式上相当于统计回归
• GM（2，1）模型——是2阶方程，包含有1 个变 量的灰色模型。
一、做生成数列 原始数列： x0 (x(0) (1), x(0) (2),, x(0) (n))
1、累加生成 AGO ：
（1）一次累加生成 1 AGO ：
k
x(1) (k ) x(0) (i), k a,, n ia
x(1) (x(1) (1), x(1) (2),, x(1) (n))
(0)
预测数列： x (x(0) (1), x(0) (2),, x(0) (n))
0i
1 | s0 | | si |
1 | s0 | | si | | si s0
|
n 1
| s0 ||
x00 (k ) 0.5x00 (n) |
k 2
n 1
| si ||
xi0 (k ) 0.5xi0 (n) |
三、检验准指数规律
(k ) x(1) (k ) [1,1.5)
x(1) (k 1)
• 数据变换处理的原则是经过处理后的序列级比落 在可容覆盖中，从而对于不合格的序列，可保证 经过选择数据变换处理后能够进行建模，通常的 数据变换有：平移变换、对数变换、方根变换。 如：
y(0) (k) x(0) (k) c, k 1,2,, n
GM（1，1）模型相应的微分方程为：
dX 1 aX 1
【数学建模】灰色预测模型（预测）
【数学建模】灰色预测模型（预测）文章目录•一、算法介绍•o 1.灰色预测模型o 2.灰色系统理论o 3. 针对类型o 4. 灰色系统o 5. 灰色生成o 6. 累加生成o7. GM（1，1）模型o▪推导▪精度检验▪精度检验等级参照表•二、适用问题•三、算法总结•o 1. 步骤•四、应用场景举例•o 1. 累加生成o 2. 建立GM（1，1）模型o 3. 检验预测值•五、MATLAB代码•六、实际案例•七、论文案例片段（待完善）灰色预测模型主要针对数学建模问题中的一些小的子问题进行求解，如果想直接使用请跳转至——四、五另外之前看过一篇比较完整的【数学建模常用算法】之灰色预测模型GM，作者：張張張張视频回顾一、算法介绍1.灰色预测模型灰色预测模型(Gray Forecast Model)是通过少量的、不完全的的信息，建立数学模型并做出预测的一种预测方法.当我们应用运筹学的思想方法解决实际问题，制定发展战略和政策、进行重大问题的决策时，都必须对未来进行科学的预测.预测是根据客观事物的过去和现在的发展规律，借助于科学的方法对其未来的发展趋势和状况进行描述和分析，并形成科学的假设和判断。
2.灰色系统理论灰色系统理论是研究解决灰色系统分析、建模、预测、决策和控制的理论.灰色预测是对灰色系统所做的预测。
目前常用的一些预测方法(如回归分析等)，需要较大的样本，若样本较小，常造成较大误差，使预测目标失效。
灰色预测模型所需建模信息少，运算方便，建模精度高，在各种预测领域都有着广泛的应用，是处理小样本预测问题的有效工具。
3. 针对类型灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。
二十几年来，引起了不少国内外学者的关注，得到了长足的发展。
目前，在我国已经成为社会、经济、科学技术在等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。
特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模，具有独特的功效，因此得到了广泛的应用.4. 灰色系统灰色系统是黑箱概念的一种推广。
数学建模灰色预测法
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
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
ˆ 0 i , ˆ 1 i 累减生成 X ˆ 1 i , 并将 X 按预测模型计算 X
ˆ 0 i 的绝对误差序列及相 然后计算原始序列X 0 i 与 X
对误差序列。
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。
回总目录 回本章目录
• 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。
回总目录 回本章目录
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
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
X1 45.8, 43.4, 42.3, 41.9
数学建模之灰色预测模型
简介
特点:模型使用的不就是原始数据列,而就是生成的数据列。
优点:不需要很多数据,一般只用4个数据就能解决历史数据少,序列的完整性与可靠性低的问题。
缺点:只适用于中短期的预测与指数增长的预测。
1
GM(1,1)表示模型为一阶微分方程,且只含有一个变量的灰色模型。
1、1模型的应用
①销售额预测
②交通事故次数的预测
3
波形预测,就是对一段时间内行为特征数据波形的预测。当原始数据频频摆动且摆动幅度较大时,可以考虑根据原始数据的波形预测未来的行为数据发展变化,以便进行决策。从本质上来瞧,波形预测就是对一个变化不规则的行为数据列的整体发展进的预测。
3、1模型的应用
①区域降水量预测(下载文档)
②运量需求不平衡航线下客流量预测(下载文档)
光滑比为
若序列满足
则序列为准光滑序列。
否则,选取常数c对序列 做如下平移变换
序列 的级比
②对原始数据 作一次累加得
建立模型:
(1)
③构造数据矩阵B及数据向量Y
其中:
④由
求得估计值 = =
⑤由微分方程(1)得生成序列预测值为
则模型还原值为
⑥精度检验与预测
残差
相对误差
相对误差精度等级表
级比偏差
若 <0、2则可认为达到一般要求;若 <0、1,则可认为达到较高要求。
③某地区火灾发生次数的预测
④灾变与异常值预测,如对旱灾,洪灾广州市人口预测与分析(下载的文档)
⑥网络舆情危机预警(下载的文档)
1、2步骤
①级比检验与判断
由原始数据列 计算得序列的级比为
若序列的级比 ∈ ,则可用 作令人满意的GM(1,1)建模。
数学建模用灰色系统预测未来的销售量
在市场经济条件下,影响药品市场销售量的因素很多，如何准确预测药品销售量，对药品生产厂家来说尤为重要。
没有确切的预测数字，药品生产数量不足，会发生缺货现象，失去销售机会而减少利润；如果生产过剩，一时销售不出去，造成药品积压占用流动资金，影响资金周转，也会造成经济损失。
因此，掌握一个较为准确的预测药品销售量的方法是很重要的。
常见的定量化预测方法，大多是应用“趋势外推”的思想，当历史资料较少而预测的时间跨度又较长时，往往遇到困难。
灰色系统预测模型-GM （1，1），近年来的应用实践表明，这种预测方法有较好的准确性和适应性。
根据2012年的各个月各个销售点的需求量来预测2013年的各个销售点的月需求量问题。
模型建立假设原始数据是：000(1)(2)......()x x x n 、希望的到观测值令 00(1)(2)......x n x n ++、、令11()()ki x k x i ==∑（k=2,3,...,n),称为原始数据的一次累加生成序列。
不难理解，非负序列经多次累加后的生成数列将表现出良好的指数增长特性。
由微积分学知道，一个随时间按指数规律变化的连续变量1()y x t =可以看作下列微分方程d y a y b d x+= （1） 的解：对该方程求解,将时间t 离散化，得： 10(1)[(1)]a kb b x k x ea a-+=-+（2）由的定义求原函数列的公式为： 011(1)(1)()x k x k x k +=+- （3）取k ≥n 的正整数，即可得所求预测值0(1),(2),........x n x n ++。
上述（1）、（2）、（3）构成所谓GM （1,1）预测模型。
模型中参数a 、b 由最小二乘法原理求得：1()TTa A A A Bb -⎛⎫= ⎪⎝⎭ （4）其中1111111[(1)(2)]121[(2)(3)]12............1[(1)()]12x x x x A x n x n ⎛⎫-+ ⎪⎪ ⎪-+ ⎪=⎪⎪ ⎪--+ ⎪⎝⎭00(2)(3)........()x x Bx n ⎛⎫ ⎪ ⎪=⎪ ⎪ ⎪⎝⎭由（4）式求得a 、b 后，带入（2）式算出再由（3）式便可算出所求的预测值。
数学建模——灰色预测模型
数学建模——灰色预测模型灰色预测模型（Grey Forecasting Model）是一种用于预测不确定性数据的数学模型。
它适用于那些缺乏充分历史数据、不具备明显的规律性趋势或周期性的情况。
灰色预测模型基于灰色系统理论，通过分析数据的变化趋势和规律，来进行预测。
该模型在处理少量数据、缺乏趋势规律的情况下，具有一定的优势。
灰色预测模型的基本思想：灰色预测模型基于“白化（Whitening）”和“黑化（Blackening）”的思想，将不确定性数据分为“白色”和“黑色”两部分。
其中，“白色”代表已知数据，具有规律性和趋势，可以进行预测；而“黑色”代表未知数据，缺乏规律，需要进行预测。
通过建立数学模型，将“白色”和“黑色”数据进行融合，得出预测结果。
灰色预测模型的基本步骤：1.建立灰色数列：将原始数据分成“白色”和“黑色”两部分，构建灰色数列。
2.建立灰色微分方程：对“白色”数列进行微分，得到一阶或高阶微分方程。
3.求解微分方程：求解微分方程，得到预测模型的参数。
4.进行预测：利用已知的模型参数，对“黑色”数据进行预测，得出未来的趋势。
示例：用灰色预测模型预测销售量假设你是一家新开设的小型餐厅的经营者，你希望预测未来三个月的月销售量。
然而，你的餐厅刚刚开业不久，历史销售数据有限，且不具备明显的趋势。
这种情况下，你可以考虑使用灰色预测模型来预测销售量。
步骤：1.建立灰色数列：将已知的销售数据分为“白色”（已知数据）和“黑色”（未知数据）两部分。
2.建立灰色微分方程：对“白色”销售数据进行一阶微分，得到灰色微分方程。
3.求解微分方程：根据灰色微分方程的形式，求解微分方程，得到模型的参数。
4.进行预测：利用求解得到的模型参数，对“黑色”销售数据进行预测，得到未来三个月的销售量趋势。
这个例子中，灰色预测模型可以帮助你基于有限的历史销售数据，预测未来的销售趋势。
虽然该模型的精确度可能不如其他更复杂的方法，但在缺乏充足数据时，它可以提供一种有用的预测工具。
数学建模-灰色预测模型(讲解
列 x1 x1 1, x1 2, , x1 n 称为数列 x0的
1次累加生成数列。类似有
k
xr k xr1 i
k 1, 2, , n, r 1
i 1
称之为 x0的r次累加生成，记
常用的方法有：
累加生成 累减生成 均值生成
1）累加生成
把数列各时刻数据依次累加的过程称为累加生 成过程，记为AGO，有累加生成过程所得到的新 数列称为累加生成数列。
设原始数列为 x0 x0 1, x0 2, , x0 n ，令
k
x1 k x0 i k 1, 2, , n i 1
z0 k x0 k 1 x0 k 1
为有数列x0的邻值在生成系数（权） 下的邻值生成数
特别地，当生成系数 0.5 时则称
z0 k 0.5x0 k 0.5x0 k 1
为邻均值生成数，即等权邻值生成数
注意到一阶常微分方程是导出GM(1,1)模型的桥梁，在我 们应用GM(1,1)模型于实际问题预测时，不必求解一阶常 微分方程。
7.2 灰色系统的模型
4.GM(1,1)的建模步骤 综上所述，GM(1,1)的建模步骤如下：
销售额预测
7.3 销售额预测
随着生产的发展、消费的扩大，市场需求通常总是 增加的，一个商店、一个地区的销售额常常呈增长趋 势. 因此，这些数据符合建立灰色预测模型的要求。
3）均值生成
设原始数列
x0 x0 1, x0 2, , x0 k 1, x0 k x0 n
则称 x0 k 1与 x0 k 为数列 x0 的邻值，x0 k 1
为后邻值，x0 k 为前邻值。
灰色模型算法
灰色预测算法及相关程序1 引言 (3)2算法的基本原理 (3)2.1 GM（1，1）模型： (3)2.2生成数 (4)2.2.1累加生成 (4)2.2.2累减生成 (5)3算法的具体实现流程 (6)3.1 算法流程图 (6)3.2 实现步骤 (8)3.3 数据准备与预处理 (10)4 算法程序实现 (10)4.1 程序使用说明 (10)4.2 程序源代码 (11)4.3 程序运行 (16)4.3.1程序运行及运行环境说明 (16)4.3.2 输入数据 (16)4.3.3 输出数据 (16)5 参考文献 (17)灰色预测算法1 引言灰色预测（grey prediction）是利用灰色系统理论就灰色系统所作的预测．灰色系统理论认为，尽管系统表象复杂，数据散乱，信息不充分，但作为系统，它必然有整体功能和内在规律，必然是有序的．现有的分析方法大多依据过去的大量数据，按照统计方法分析其规律，这样不仅受数据量的限制，而且准确程度不高．而灰色系统理论把随机量看作是在一定范围内变化的灰色量，对灰色量的处理不是寻求它的统计规律和概率分布，而是对原始数据加以处理，将杂乱无章的原始数据变为规律性较强的生成数据，通过对生成数据建立动态模型，来挖掘系统内部信息并充分利用信息进行分析预测．目前，灰色系统理论用于预测主要通过GM（m，n）模型，该模型是灰色系统理论的量化体现，可用于以下几个方面的预测：（1）数列预测：对某个事物发展变化的大小与时间进行预测．（2）灾变预测：预测灾变发生的时间或者说是异常值出现时区的分布．如人体的血压过高或过低的时间预测．（3）季节性灾变预测：对发生在每年特定时区的事件和命题作预测．（4）拓扑预测：即事物整体的预测，亦称波形预测．其特点是对于预先给定的多组数值建立GM（1，1）模型群，根据预测结果构造出整个波形．（5）系统预测：对系统中众多变量间相互协调关系的发展变化所进行的预测．2算法的基本原理2.1 GM（1，1）模型：灰色模型GM（1，1） GM（1，1）的含义为1阶，1个变量的灰色模型，它是在数据生成的基础上建立如下灰微分方程：)0(()+)()1(kbazkx=式中)()0(k x 为原始序列，)0()1(AGOx x =，)1(5.0)(5.0)()1()1()1(-+=k x k x k z ．a 称为发展系数，它反映)1(x 和)0(x 的发展态势；b 称为灰作用量，它的大小反映数据变化的关系．对序列})(,),3(),2({)1()1()1()1(n z z z z =，因为)()1(k z 为)()1(k x 与)1()1(-k x 的平均值，故记)1(z 为MEAN )1(x ，即=)1(z MEAN )1(xb k az k x =+)()()1()0(的白化型为： b ax dt dx =+)1()1(初始值用)1()1()0()1(x x =，则其解为： a b e a b x t x t a +⎪⎭⎫ ⎝⎛-=--)1()0()1()1()( 该式用于预测时称为时间响应函数，表示为a b e a b x k x k a +⎪⎭⎫ ⎝⎛-=+-)1()1(ˆ)0()1( 累减还原：)(ˆ)1(ˆ)1(ˆ)1()1()0(k x k x k x-+=+ 其中（a,b ）可通过最小二乘求解。
数学建模-灰色预测模型(讲解
（3）季节灾变与异常值预测，即通过灰色模型预测灾变值发生 在一年内某个特定的时区或季节的灾变预测。
（4）拓扑预测，将原始数据作曲线，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。
一、灰色系统的定义和特点
1. 灰色系统的定义
灰色系统是黑箱概念的一种推广。我们把既含有已知信 息又含有未知信息的系统称为灰色系统.作为两个极端， 我们将称信息完全未确定的系统为黑色系统； 称信息完全确定的系统为白色系统. 区别白色系统与黑色系统的重要标志是系统各因素之间是 否具有确定的关系。
1灰色系统的定义和特点
1 灰色系统的定义和特点 2 灰色系统的模型 3 Sars 疫情 4 销售额预测 5 城市道路交通事故次数的灰色预测 6 城市火灾发生次数的灰色预测 7灾变与异常值预测
1 灰色系统的定义和特点
灰色系统的定义和特点
灰色系统理论是由华中理工大学邓聚龙教授于 1982年提出并加以发展的。二十几年来，引起了不 少国内外学者的关注，得到了长足的发展。目前， 在我国已经成为社会、经济、科学技术在等诸多领 域进行预测、决策、评估、规划控制、系统分析与 建模的重要方法之一。特别是它对时间序列短、统 计数据少、信息不完全系统的分析与建模，具有独 特的功效，因此得到了广泛的应用.在这里我们将简 要地介绍灰色建模与预测的方法.
灰色系统理论是研究解决灰色系统分析、建模、 预测、决策和控制的理论.灰色预测是对灰色系统 所做的预测.目前常用的一些预测方法（如回归分 析等），需要较大的样本.若样本较小，常造成较 大误差，使预测目标失效.灰色预测模型所需建模 信息少，运算方便，建模精度高，在各种预测领 域都有着广泛的应用，是处理小样本预测问题的 有效工具.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的１- 次累加生成数列。类似地有
k
x(r) (k) x(r1) (i) (k 1,2, , n, r 1) i 1
称之为 x (0) 的r- 次累加生成。记
x(r) x(r) (1), x(r) (2), , x(r) (n)
则称 x(0) (k ) 为数列 x(1) 的1- 次累减生成。
一般地，对于r次累加生成数列
则称
x(r) x(r) (1), x(r) (2), , x(r) (n) (r 1)
x(r1) x(r) (k) x(r) (k 1) k 2,3, , n
为数列 x (r ) 的累减生成数列。
（3）灰色预测数据的特点： 1）序列性：原始数据以时间序列的形式出现。
2）少数据性：原始数据序列可以少到只有4个 数据。
（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 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。
• 灾变预测
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。
数据的生成方式有多种，常用的方法有累加生成、累 减生成和加权累加生成等。
（1） 累加生成
设原始数列为 x(0) x(0) (1), x(0) (2), , x(0) (n) ，令
k
x (1) (k ) x (0) (i) (k 1,2, , n) i 1
则称 x(1) (k) 为数列 x (0) 的１- 次累加生成，数列
• 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（波形预测）
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。
二、灰色生成数列
对灰数的处理主要是利用数据处理方法去寻求数据间 的内在规律，通过对已知数据列中的数据进行处理而产生 新的数据列，以此来研究寻找数据的规律性，这种方法称 为数据的生成。
（3） 均值生成
设原始数列
x(0) x(0) (1), x(0) (2), , x(0) (k 1), x(0) (k), , x(0) (n)
则称 x (0) (k 1)与 x(0) (k) 为数列 x (0)的邻值，
x(0) (k 1) 为后邻值， x (0) (k ) 为前邻值.
对于常数 [0,1] ，则称
• 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。
累加举例：设原始时间序列为 X 0 1 , 2 ,1.5 , 3
一次累加生成列为
X 1 1 , 3 , 4.5 , 7.5
X 0 的曲线是摆动的，起伏变化幅度较大， 而 X 1 已呈现明显的增长规律性。
z (0) (k) x(0) (k 1) (1 )x(0) (k 1)
由 z (0) (k) 0.5x(0) (k 1) 0.5x(0) (k 1)
而得的数列
z (0) (z (0) (1), z (0) (2), , z (0) (n))
称为紧邻均值生成数列。源自2 GM（1，1）模型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（或生成值）。
特别地，当生成系数 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。 类似地，可以定义非紧邻值生成数
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充分的。
• 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。
，称之为 x (0) 的r- 次累加生成数列。
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。
（2） 累减生成 将原始序列前后两个数据相减得到累减生成
序列
• 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：
如果数据列为 x(1) x(1) (1), x(1) (2), , x(1) (n) ，令
x(0) (k) x(1) (k) x(1) (k 1), k 2, 3,L , n
（2）灰色预测方法 • 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。
• 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。
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。
灰色预测模型称为GM模型，G为grey的第一个字母， M为model的第一个字母。
GM（1，1）表示一阶的，一个变量的微分方程型预测 模型。GM（1，1）是一阶单序列的线性动态模型，主 要用于时间序列预测。
一、 GM（1，1）模型概述
设有数列 X (0) 共有 n个观察值
x(0) (1), x（0（） 2）, L x(0) (n)
对 X (0) 作累加生成，得到新的数列 X (1，) 其元素