第二章 系统因素分析方法--灰色关联分析

合集下载

灰色关联度分析

灰色关联度分析
灰色关联度评价法
1.灰色关联理论

1982年,华中理工大学邓聚龙教 授首先提出灰色系统的概念,并建立了 灰色系统理论。 灰色系统理论认为,人们对客观 事物的认识具有广泛的灰色性,就是信 息的不完全性和不确定性,因而有客观 事物所形成的是一种灰色系统,即部分 信息已知、部分信息未知的系统。例如: 社会系统、经济系统、生态系统等都可 以看作是灰色系统。

\\
(min) (max) 0i (k ) 0i (k ) (max)

最后分别对各产业与GDP的关联系数求 平均可得: r01= (0.4191+0.3796+0.5808+0.7055+0.3696 +0.2881)/6 =0.4571 同样求出: r02=0.5760, r03=0.7209 r0i称为序列x0和xi(i=1,2,3)的灰 色关联。由于r03˃r02˃ r01,因而第三 产业产值与GDP的关联度最大,其次是 第二产业,第一次去农业。
5.用GRA进行综合评价

灰色关联分析的目的是揭示因素间 关系的强弱,其操作对象是因素的时间 序列,最终的结果表现为通过关联度对 各比较序列做出排列。综合评价的对象 也可以看作是时间序列(每个被评价事 物对应的各项指标值),并且往往需要 对这些时间序列做出排序,因而也可以 借助灰色关联分心来进行。
01 (1) 02 (1) ... 0 n (1) (2) (2) ... (2) 01 02 0n ... ... ... 01 ( N ) 02 ( N ) ... 0 n ( N ) N n 其中 0i (k ) x0 (k ) xi (k ) (05式) i 1,2,...n; k 1,2,..., N 绝对差矩阵中最大数和 最小数就是最大差和最 小差: max 0i (k ) (max)( 式) 06

灰色关联分析

灰色关联分析

灰色关联分析灰色关联分析是一种常用于研究和预测多个影响因素之间关联程度的方法。

该分析方法可以通过对各个因素的数值进行比较,得出它们之间的关联强度,从而为决策提供依据。

下面将详细介绍灰色关联分析的原理、应用以及优势。

灰色关联分析的原理基于灰色系统理论,该理论是中国科学家陈纳德于1982年提出的一种对部分已知和部分未知信息进行分析的数学方法。

灰色关联分析将各个影响因素的数据进行标准化处理,然后计算各个因素之间的关联度。

通过对关联度进行排序,即可得出影响因素之间的关联程度大小。

灰色关联分析在各个领域都有广泛的应用,比如经济学、管理学、环境科学等。

在经济学领域,可以使用灰色关联分析来研究不同经济指标之间的关联程度,从而预测未来的经济趋势。

在管理学中,可以利用灰色关联分析来研究不同管理指标之间的关联程度,进而指导管理决策。

在环境科学领域,可以运用灰色关联分析来分析各个环境因素对生态系统的影响程度,以及控制污染等。

灰色关联分析相对于其他分析方法有一些独特的优势。

首先,它不要求数据分布满足正态分布等数学假设,可以对数据进行较好的处理。

其次,灰色关联分析可以处理样本量较小的情况,对于样本量不足的数据分析也有较好的适用性。

此外,由于灰色关联分析能够捕捉到数据之间的内在联系,因此对于某些非线性关系的分析,其结果可能更加准确。

然而,灰色关联分析也存在一些限制和不足之处。

首先,该分析方法依赖于数据的稳定性,对于非稳态的数据可能会导致分析结果不准确。

其次,灰色关联分析无法处理存在时间滞后效应的数据。

此外,该方法对数据的标准化要求较高,如果数据质量较差或者存在异常值,也会影响分析结果。

综上所述,灰色关联分析是一种研究和预测多个影响因素之间关联程度的有效方法。

它的原理基于灰色系统理论,可以在各个领域中广泛应用。

灰色关联分析相对于其他分析方法有一些独特的优势,但也存在一定限制。

在实际应用中,我们应该结合具体情况,合理选择分析方法,并充分考虑其适用性和局限性,以提高分析和决策的准确性。

灰色关联分析(算法步骤)

灰色关联分析(算法步骤)

灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法,其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密,它反映了曲线间的关联程度[1]。

灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory),其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度,来判断因素之间关联程度的方法。

此方法通过对动态过程发展态势的量化分析,完成对系统内时间序列有关统计数据几何关系的比较,求出参考数列与各比较数列之间的灰色关联度。

与参考数列关联度越大的比较数列,其发展方向和速率与参考数列越接近,与参考数列的关系越紧密。

灰色关联分析方法要求样本容量可以少到4个,对数据无规律同样适用,不会出现量化结果与定性分析结果不符的情况。

其基本思想是将评价指标原始观测数进行无量纲化处理,计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。

灰色关联度的应用涉及社会科学和自然科学的各个领域,尤其在社会经济领域,如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面,都取得较好的应用效果。

[2]关联度有绝对关联度和相对关联度之分,绝对关联度采用初始点零化法进行初值化处理,当分析的因素差异较大时,由于变量间的量纲不一致,往往影响分析,难以得出合理的结果。

而相对关联度用相对量进行分析,计算结果仅与序列相对于初始点的变化速率有关,与各观测数据大小无关,这在一定程度上弥补了绝对关联度的缺陷。

[2]灰色关联分析的步骤[2]灰色关联分析的具体计算步骤如下:第一步:确定分析数列。

确定反映系统行为特征的参考数列和影响系统行为的比较数列。

反映系统行为特征的数据序列,称为参考数列。

影响系统行为的因素组成的数据序列,称比较数列。

设参考数列(又称母序列)为Y={Y(k) | k= 1,2,Λ,n};比较数列(又称子序列)X i={X i(k) | k= 1,2,Λ,n},i= 1,2,Λ,m。

灰色关联分析方法

灰色关联分析方法

5
0.778 0.538 0.538 1.000 0.778 0.368 0.778
6
0.778 1.000 0.467 0.636 0.538 0.412 0.778
集分析数据。
设n个数据序列形成如下矩阵:
X 1,
X 2
,
X n



x11 x12

x1m
x2 1 x2 2

x2 m

xn xn
1 2

xn m
其中m为指标的个数,.Xi xi1 , xi2 , , xim T , i 1, 2 , , n
三、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。
灰色系统理论是人们认识客观系统改造客观系统 的一个新型的理论工具。
第一部分 灰色系统理论 第二部分 灰色关联分析

0 0

0.5 7 0.5 7

1.000
1(3)=0.778,1(4)=0.636,1(5)=0.467,1(6)=0.333
1(7)=1.000,
同理得出其它各值,见下表
编号 i (1) i (2) i (3) i (4) i (5) i (6) i (7)
灰色系统理论应用范Байду номын сангаас已拓展到工业、农业、社 会、经济、能源、地质、石油等众多科学领域, 成功地解决了生产、生活和科学研究中的大量实 际问题,取得了显著成果。
二、灰色系统的基本概念
• 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。

灰色关联分析法讲解

灰色关联分析法讲解
(1)系统因素不完全明确 (2)因素关系不完全清楚 (3)系统的结构不完全知道 (4)系统的作用原理不完全明了。
“非唯一性”
目标非唯一 灰靶思想
目标可约束
目标可接近 信息可扩充 方案可改善 关系可协调 思维可多向 认识可深化 途径可优化
灰色系统理论研究灰元、灰数、灰关系 灰数——指信息不完全的数。
灰关联分析法
(一)什么是灰色系统
灰色系统理论是1982年由邓聚龙创立的一门边缘性学科 (interdisciplinary)
灰色系统用颜色深浅反映信息量的多少。说一个系统是黑色的, 就是说这个系统是黑洞洞的,信息量太少;说一个系统是白色的, 就是说这个系统是清楚的,信息量充足。
这种处于黑白之间的系统,就是灰色系统,或说信息不完全的系 统,成为灰色系统或简称会系统(grey system)。
如“这个人的年龄18岁左右” “今天的气温10 - 15度之间” 灰元——指信息不完全的元素。如“货币”是灰元。
货币的两种功能:流通手段和价值尺度 灰关系——指信息不完全的关系。例:多种经济成份并存、一国两制
换轨思维
例1:小司马光灵机一动,换个角度处置眼前的危急场面。其实, 他砸碎的不完全是一口现实生活中看得见摸得着的缸,同时也打破 了一种旧的思维模式。当我们打破旧思维,再将我们的思路重新组 装的时候,结果一定是一幅好风光。 爱迪生是美国的大发明家。他的一切发明都是和他的思维活跃分不 开的。
例2:一天,爱迪生在实验室里工作,急需知道一个灯泡容量的数 据。由于手头忙不开,他便递给助手一个没有上灯口的玻璃灯泡, 吩咐助手把灯泡的容量数据量出来。过了很久,爱迪生手头的活早 已干完,助手仍未将数据送来。爱迪生只好亲自去找助手,一进门, 就看到助手正忙于计算,桌上演算纸已经推了一大迭。爱迪生忙问: “还需多长时间?”助手说:“一半还没完呢。”爱迪生明白了。 原来,他的助手用软尺测量灯泡的周长、斜度,正在用复杂的公式 计算呢!小伙子还把程序说给爱迪生听,证明自己的思路没错。爱 迪生不等他说完,便拍拍他的肩膀说:“别白忙了,小伙子,瞧我 这么干。”说着,他往灯泡里面注满了水,交给助手:“把这里的 水倒在量杯里,马上告诉我它的容量。”助手听到后,脸马上就红 了。

灰色关联分析法原理及解题步骤

灰色关联分析法原理及解题步骤

灰色关联分析法原理及解题步骤——-—-————--—-—-研究两个因素或两个系统的关联度(即两因素变化大小,方向与速度的相对性)关联程度-—曲线间几何形状的差别程度灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。

灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密1>曲线越接近,相应序列之间的关联度就越大,反之就越小2>灰色关联度越大,两因素变化态势越一致分析法优点它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。

灰色系统关联分析的具体计算步骤如下1》参考数列和比较数列的确定参考数列——反映系统行为特征的数据序列比较数列--影响系统行为的因素组成的数据序列2》无量纲化处理参考数列和比较数列(1)初值化——矩阵中的每个数均除以第一个数得到的新矩阵(2)均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵(3)区间相对值化3》求参考数列与比较数列的灰色关联系数ξ(Xi)参考数列X0比较数列X1、X2、X3……………比较数列相对于参考数列在曲线各点的关联系数ξ(i)称为关联系数,其中ρ称为分辨系数,ρ∈(0,1),常取0。

5。

实数第二级最小差,记为Δmin. 两级最大差,记为Δmax. 为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。

记为Δoi(k).所以关联系数ξ(Xi)也可简化如下列公式:4》求关联度ri关联系数——比较数列与参考数列在各个时刻(即曲线中的各点)的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较.因此有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值,即求其平均值,作为比较数列与参考数列间关联程度的数量表示,关联度ri公式如下:5》排关联序因素间的关联程度,主要是用关联度的大小次序描述,而不仅是关联度的大小.将m个子序列对同一母序列的关联度按大小顺序排列起来,便组成了关联序,记为{x},它反映了对于母序列来说各子序列的“优劣"关系。

灰色关联分析法(灰色综合评价法)

灰色关联分析法(灰色综合评价法)

灰色关联分析法对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。

在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。

因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。

应用于综合评价(灰色综合评价)步骤:(1) 确定比较对象(评价对象)和参考数列(评价标准)。

设评价对象有m 个,评价指标有n 个,参考数列为{}00()|1,2,,x x k k n ==⋅⋅⋅,比较数列为{}()|1,2,,,1,2,,i i x x k k n i m ==⋅⋅⋅=⋅⋅⋅。

(2) 对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同,导致数据的量纲也不一定相同,不便于比较,或在比较时难以得到正确的结论。

因此在进行灰色关联度分析时,一般都要进行无量纲化的数据处理。

设无量纲化后参考数列为{}00()|1,2,,x x k k n ''==⋅⋅⋅,无量纲化后比较数列为{}()|1,2,,,i i x x k k n ''==⋅⋅⋅1,2,,i m =⋅⋅⋅。

(3) 确定各指标值对应的权重。

可用层次分析法等确定各指标对应的权重[]12,,,n w w w w =⋅⋅⋅,其中(1,2,,)k w k n =⋅⋅⋅为第k 个评价指标对应的权重。

(4) 计算灰色关联系数:0000min min ()()max max ()()()()()max max ()()s s s t s t i i s s tx t x t x t x t k x k x k x t x t ρξρ''''-+-=''''-+- 为比较数列i x 对参考数列0x 在第k 个指标上的关联系数,其中[]0,1ρ∈为分辨系数,称0min min ()()s s t x t x t ''-、0max max ()()s s tx t x t ''-分别为两级最小差及两级最大差。

灰色关联分析法

灰色关联分析法

灰色关联分析法灰色关联分析理论对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,称为关联度。

在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。

因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。

灰色系统理论提出了对各子系统进行灰色关联度分析的概念,意图透过一定的方法,去寻求系统中各子系统(或因素)之间的数值关系。

因此,灰色关联度分析对于一个系统发展变化态势提供了量化的度量,非常适合动态历程分析。

關聯度對兩個系統或兩個因素之間關聯性大小的量度,稱爲關聯度。

它描述系統發展過程中因素間相對變化的情況,也就是變化大小、方向及速度等指標的相對性。

如果兩者在系統發展過程中相對變化基本一致,則認爲兩者關聯度大;反之,兩者關聯度就小。

灰關聯分析的计算方法:關聯度分析一般包括下列計算和步驟:(1) 原始資料變換;(2) 計算關聯係數;(3) 求關聯度;(3) 排關聯序;(4) 列關聯矩陣。

在應用中是否進行所有步驟,可視具體情況而定。

(1)資料變換的理由由於系統中各因素的量綱(或單位)不一定相同,如勞動力爲人,産值爲萬元,産量爲噸等,且有時數值的數量級相差懸殊,如人均收入爲幾百元,糧食每公頃産量爲幾千公斤,費用爲幾十萬元,有些産業産值達百億元,有些産業才幾萬元,等等,這樣的資料很難直接進行比較,且它們的幾何曲線比例也不同。

因此,對原始資料需要消除量綱(或單位),轉換爲可比較的資料序列。

目前,原始資料的變換有以下幾種常用方法:(a)初值化變換。

分別用同一序列的第一個資料去除後面的各個原始資料,得到新的倍數數列,即爲初值化數列。

各值均大於0,且數列有共同的起點。

(b)均值化變換。

先分別求出各個序列的平均值,再用平均值去除對應序列中的各個原始資料,所得到新的資料列,即爲均值化序列。

灰色关联分析

灰色关联分析

( x0 (k ), xi (k ))
min min x0 (k ) xi (k ) max max x0 (k ) xi (k )
i k
x0 (k ) xi (k ) max max x0 (k ) xi (k )
i k
i
k
1 (X0, Xi ) n
应用研究
☆我国铁路货物运输发展的灰色关联分析
本文用灰色关联分析方法对1989~2002年我国铁路运输货运量的发 展进行系统分析,探讨影响我国铁路运输货运量发展的主要因素以及 各因素相对于铁路运输货运量发展的关联程度,以便为有关部门的决 策者提供数据资料.
影响我国铁路运输货运量发展的主要因素有:GDP、人口数量、居民 消费水平、固定资产总投资及国家财政总收入等.把铁路运输货运量 作为母序列X0,其影响因素作为子序列
各因素数据与系统特征数据之间呈线性关系且个因素之间彼此无关。 3、计算量大, 4、可能出现量化结果与定性分析结果不符的情况。
灰色关联分析方法的基本思想是根据序列曲线几何形状的相
似程度来判断其联系是否紧密,曲线越接近,相应序列之间 的关联度就越大,反之就越小。 对一个抽象系统或现象进行分析,首先要选准反映系统行为 特征的数据序列。我们称之为找系统行为的映射量,用映射 量来间接地表征系统行为。比如: 国民平均受教育的年限 刑事案件的发案率
,简称均值像。
定义 4.1.4设 X i
( xi (1), xi (2), , xn (n)) 为因素 X i 的
其中
D 行为序列, 3 为序列算子,且
XD3 ( x(1)d3 , x(2)d3 ,, x(n)d3 )
xi (k ) min xi (k ) xi (k )d 3 , k 1,2,, n max xi (k ) min xi (k )

灰色关联分析法讲解

灰色关联分析法讲解

系统
白色系统 灰色系统 黑色系统
“信息不完全”是灰的基本含义,在不同场合可引申为



从表象看 从过程看 从性质看 从信息看 从结果看 从态度看 从方法看
明朗 新 纯
完全 唯一的解
肯定 严厉
暗 旧 不纯 不完全 无数的解 否定 放纵
若明若暗 新旧交替 多种成分 部分完全 非唯一性
扬弃 宽容
“信息不完全”,一般指:
灰关联分析法
(一)什么是灰色系统
灰色系统理论是1982年由邓聚龙创立的一门边缘性学科 (interdisciplinary)
灰色系统用颜色深浅反映信息量的多少。说一个系统是黑色的, 就是说这个系统是黑洞洞的,信息量太少;说一个系统是白色的, 就是说这个系统是清楚的,信息量充足。
这种处于黑白之间的系统,就是灰色系统,或说信息不完全的系 统,成为灰色系统或简称会系统(grey system)。
K X0(K) X1(K) X2(K) | X0(K)- X1(K)| | XO(K)- X2(K)| ————————————————————————————————————
11
1
1
0
0
2 1.1
1.6
2.2
0.5
1.1
3 1.2
1.7
1.8
0.5
0.6
4 1.5
2.1
2. 0
0.6
0.5
————————————————————————————————————
(3)苏联高级官员利加乔夫在一次向全国发布的电视讲话中,破天荒省略 了按照惯例必须向安德罗波夫问候习惯。
(4)他驱车经过苏军参谋部及国防部时发现大楼里以往这时仅是少数窗户 有灯光,而当时几百间房间里灯火通明。 杜德尔把这些现象联系起来,最后得出结论:安德罗波夫已去世

数据分析知识:如何进行数据分析的灰色关联分析

数据分析知识:如何进行数据分析的灰色关联分析

数据分析知识:如何进行数据分析的灰色关联分析灰色关联分析是一种用于处理灰色系统问题的数学分析方法,常用于实现数据关联度分析,在数据分析的过程中具有广泛的应用。

一、灰色系统的基本概念灰色系统学是我国科学家为处理灰色系统问题而发明发展起来的,特别是在现代科技和管理中,灰色预测及灰色控制等灰色系统的应用也得到了长足的发展。

灰色系统最基本的两个变量是“系统输入序列”和“系统输出序列”,其中输入序列代表被测参数的原始数据序列,而输出序列则表示对输入序列的观测序列。

灰色模型中输入序列被视为“灰色”,而输出序列则被看做是“白色”,也就是说有一部分数据的可靠度高,有一部分数据的可靠度没有那么高,这也是该模型与其他预测模型之间最大的不同。

二、灰色关联分析原理及其应用灰色关联分析是利用灰色系统理论,按照客观规律,定量分析它们之间的联系和预测分析的一种方法,通常用于实现数据的关联分析,在数据分析的过程中具有广泛的应用。

在灰色关联分析方法中,选择一组参考序列和一组待测序列,对它们进行运算,以得出它们之间关联程度。

在比较两组序列时,灰色关联方法可以把两组序列进行交叉比较,再根据一定的准则对相关系数进行修正,从而得到更为精确的结果。

三、灰色关联分析步骤1、选择指标序列:根据研究的具体需要,选择所需的指标序列,包括生产指标、销售指标、财务指标等。

2、建立数据矩阵:将所需的指标序列按表格的形式进行收集和整理,既可形成行数据矩阵,也可形成列数据矩阵。

3、数据序列标准化:对数据矩阵进行标准化处理,一般采用最大值归一化法、平均值归一化法等方法。

4、计算灰色关联系数:在计算灰色关联系数时,可选取单一灰色关联度(包括一阶灰色关联度和二阶灰色关联度)、多因素灰色关联度等。

5、灰色关联函数的优化:通过建立优化模型,对数据序列进行灰色关联函数的优化,提高关联分析的准确性和可靠性。

6、结果判断:根据实际需求对关联分析的结果进行判断,判断结果是否符合实际情况,对结果进行修正和调整。

灰色关联度分析

灰色关联度分析

就可求得两级最大差Δ(max)和两级最小差Δ(min) 计算关联系数
计算第i 个被评价对象与最优参考序列间的关联 系数。
计算关联度
对各评价对象分别计算其p个指标与参考序列对应元素的关联系数的
均值,以反映各评价对象与参考序列的关联关系,称其为关联度,
记为 0i
1
P
(k)
P 0i k1
i1,2,..n.,
第六步 排关联序 由关联度数值可看出,r03>r01>r02。这表明,三种工资对工资总 额的关联程度的排列顺序为:承包工资、计时工资、档案工资。即该 公路施工企业的工资发展方向是以承包工资为主导,计时工资和档案 工资对工资总额的影响属于同一水平。
综合评价
基本思路是: 从样本中确定一个理想化的最优样本,以此为参考数列,通过计 算各样本序列与该参考序列的关联度,对被评价对象做出综合比 较和排序。
灰色关联度分析的运用
➢因 素 分 析 ➢综 合 评 价
因素分析
第一步 对数据做均值化处理
第二步 计算各比较数列同参考数列在同一时期的绝对差 再分别计算出其余4年的各绝对差
第三步 找出两极最大差与最小差
第四步 计算关联系数,取分辨系数
,则计算公式为:
第五步 计算关联度。
利用表4,分别求各个数列每个时期的关联系数的平均值即得关联度:
一般地,三种方法不宜混合、重叠作用,在进行系统因素分析时, 可根据实际情况选用其中一个。
若系统 因素 X i 与系统主行为 X
可以将其逆化或倒数化后进行计算。
0
呈负相关关系,我们
逆化
倒数化
关联系数的计算
设经过数据处理后的参考数列为:
比较数列为:
从几何角度看,关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡 比较数列与参考数列的曲线形状接近,则两者间的关联度较大;反之,如果曲线 形状相差较大,则两者间的关联度较小。因此,可用曲线间的差值大小作为关联 度的衡量标准。 则:

灰色关联分析:多因素统计分析新方法

灰色关联分析:多因素统计分析新方法

灰色关联分析:多因素统计分析新方法一、本文概述《灰色关联分析:多因素统计分析新方法》一文旨在探讨灰色关联分析在多因素统计分析中的应用及其作为一种新的分析方法的优势。

本文将首先介绍灰色关联分析的基本概念、原理及其在多因素统计分析中的重要性。

随后,将详细阐述灰色关联分析的实施步骤和方法,包括数据的预处理、关联度的计算、关联序的确定等。

文章还将通过实例分析,展示灰色关联分析在实际问题中的应用及其效果评估。

文章将总结灰色关联分析的优势与局限性,并探讨其未来的发展趋势和应用前景。

通过本文的阅读,读者将能够全面了解灰色关联分析在多因素统计分析中的作用和价值,为相关领域的研究和实践提供有益的参考。

二、灰色关联分析的基本原理灰色关联分析(Grey Relational Analysis,GRA)是一种基于灰色系统理论的多因素统计分析方法。

这种方法的核心思想是通过分析系统中各因素之间的关联程度,找出影响系统发展的主要因素和次要因素,进而为决策提供科学依据。

灰色关联度定义:灰色关联度是衡量系统中各因素之间关联程度的一个量化指标。

它表示在一个系统中,某一因素的变化对其他因素变化的影响程度。

灰色关联度越大,说明两个因素之间的关联程度越高,反之则越低。

灰色关联矩阵构建:灰色关联分析首先需要构建灰色关联矩阵。

该矩阵以各因素为行和列,以各因素之间的灰色关联度为元素,从而形成一个全面的、系统的关联关系描述。

灰色关联度计算:灰色关联度的计算主要基于因素间的相似性或差异性。

常用的计算方法有绝对关联度、相对关联度和综合关联度等。

这些方法通过对原始数据进行处理,计算得到各因素之间的关联度值。

关联序分析:根据计算得到的灰色关联度值,可以对各因素进行关联序分析。

关联序反映了各因素对系统发展的重要性排序,有助于决策者识别出关键因素和次要因素。

灰色关联分析通过量化各因素之间的关联程度,为系统分析和决策提供了有效的工具。

这种方法不仅适用于社会经济领域,还可以广泛应用于工程技术、生态环境、医疗卫生等多个领域。

灰色关联分析算法步骤

灰色关联分析算法步骤

灰色关联分析算法步骤文稿归稿存档编号:[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法,其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密,它反映了曲线间的关联程度。

是由着名学者教授首创的一种系统科学理论(Grey Theory),其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度,来判断因素之间关联程度的方法。

此方法通过对动态过程发展态势的量化分析,完成对系统内时间序列有关几何关系的比较,求出参考数列与各比较数列之间的灰色关联度。

与参考数列关联度越大的比较数列,其发展方向和速率与参考数列越接近,与参考数列的关系越紧密。

灰色关联分析方法要求可以少到4个,对数据无规律同样适用,不会出现量化结果与结果不符的情况。

其基本思想是将评价指标原始观测数进行无量纲化处理,计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。

灰色关联度的应用涉及社会科学和自然科学的各个领域,尤其在社会经济领域,如各部门投资收益、区域经济优势分析、等方面,都取得较好的应用效果。

关联度有绝对关联度和相对关联度之分,绝对关联度采用初始点零化法进行初值化处理,当分析的因素差异较大时,由于变量间的量纲不一致,往往影响分析,难以得出合理的结果。

而相对关联度用相对量进行分析,计算结果仅与序列相对于初始点的变化速率有关,与各观测数据大小无关,这在一定程度上弥补了绝对关联度的缺陷。

灰色关联分析的步骤灰色关联分析的具体计算步骤如下:第一步:确定分析数列。

确定反映系统行为特征的参考数列和影响系统行为的比较数列。

反映系统行为特征的数据序列,称为参考数列。

影响系统行为的因素组成的数据序列,称比较数列。

设参考数列(又称母序列)为Y={Y(k) | k= 1,2,Λ,n};比较数列(又称子序列)X i={X i(k) | k= 1,2,Λ,n},i= 1,2,Λ,m。

  1. 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. 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. 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)。

R&D经费占GDP的比重
X2对人均地区生产总值Y1的影 响大于每万人中的科学家、工程师人数X1对人均地区 生产总值Y1的影响; 每万人中的科学家、工程师人数X1 ,对发明专利授权 数Y2的影响大于R&D经费占GDP的比重X1对发明专利 授权数Y2的影响。
实例2


对产品的绿色属性评价是绿色制造决策中的重要 问题。这里以冰箱的绿色评价为例介绍灰色关联 分析的具体应用。 表1为冰箱绿色评价指标体系,表2为待评价冰箱 的各评价指标值。其中产品1,2,3为三种具体的 产品,而产品4是在各评价指标都取最优值的情况 下虚拟的参考产品。以三个产品为子因素,以参 考产品为母因素,以每个指标为一个观测点,即 m=3,n=15,采用灰色关联分析方法,可以计算出 每一个产品相对于参考产品的关联度。表3为三种 产品的点关联度。
2、一般的加权灰色关联分析

假设一个系统的母因素为Y,而子因素有m 个,分别记为 X i (i 1,2,, m)。假设已经 得到了n个点,母因素Y和子因素 X i (i 1,2,, m) 的观测数据如下: x x x
11 12 1n
x 21 x m1 y1
x 22
x2n
x m 2 x mn y2 yn
3、关于加权灰色关联分析模型的注记
纵观以往的加权灰色关联分析模型,我们认为至少存在两 点不足: 1)权系数的确定由于没有统一的方法,而使得获得的权重 未必客观,表现出很大的主观性,于是导致计算出关联度 未必客观准确; 2)权全系数一旦被确定,则适用于所有因素的关联度计算, 即计算每一个子因素相对于母因素的关联度时使用的都是 同一组权重,因此这种加权属于“均一化”加权,而没有 体现出评价的“最优性”与“公正性”。 鉴于此,有必要探讨变权的灰色关联分析模型。
40% 42%
表3 点关联度
观测点 产品1 产品2 产品3 1
1
2
0.796
3
1
4
0.999
5
0.813
6
0.992
7
0.979
8
0.97
9
1
10
1
11
0.992
12
0.999
13
0.999
14
0.999
15
0.999
0.764
0.986
0.795
0.958
0.98
0.724
0.416
0.907
0.921
2、一般的加权灰色关联分析

将以上数据重新处理,并引入新的记号为:
x1k x (k ) , k 1,2,, n x1
( 0) 1
x2 k x (k ) , k 1,2,, n x2
(0) 2

xmk x (k ) , k 1,2,, n xm
( 0) m
其中 x i 为第i个 子因素n个观测 数据的平均值。
有 毒 材 料 比 例
有 害 材 料 比 例
使 用/ 生 产 成 本
社 会/ 生 产 成 本
效 能 比
能 源 利 用 率
材 料 利 用 率
材 料 回 收 率
0.006
0.003
0.11
0.12
0.008
43
62
0.1%
0.8%
6.5%
2%
0.86
60%
75%
42%
2
3 4
0.005
0.0045 0.0045
0.978
0.849
0.992
0.517
0.618
0.604
0.761
0.994
0.914
0.960
0.997
0.333
0.653
0.914
0.917
0.971
0.869
0.844
0.424
0.484
0.748

最后按算术平均法,计算得到三种产品的关联度依 次为:0.969,0.800,0.786,这说明产品1的绿 色属性最好。如果按照适当方法确定了15个指标 的权重,也可以计算三种产品的加权关联度。
( 0) 0 ( 0) 0 ( 0) 0


( 0) x Y 为母因素 其中 0 (k ) yk / Y , k 1,2,, n ,
n个观测数据的平均值。
2、一般的加权灰色关联分析
令 M {1,2, , m} ,N {1,2, , n} 记 min min x (0) (k ) x (0) (k ) 1 0 i iM kN
从而
第5步计算Y1与X1
, X2的灰色关联度
(2)先计算Y2,与X1 , 按照上述步骤可求得
X2的关联度。
关联度

可得到关联矩阵
0.531 0.603 R 0.624 0.489

分析:
0.531 0.603 R 0.624 0.489

2、一般的加权灰色关联分析

为求总的关联度,需要考虑不同的观测点 在总体观测中的重要性程度。假定已经给 出各点的权系数向量为 w (w1 , w2 ,, wn ) 满足 wk 0, k N, wk
n
k 1 n

1
则令 r0i wk d 0i (k ), i M 。

试分别以Y1 、Y2为系统特征行为数据序列,X1、X2 为相关因素序列,计算灰色关联度。

解:
(1)先计算Y1,与X1 ,
X2的关联度。 第1步求初值像,根据公式
得到
再根据公式
可得
第2步求差序列
根据公式 可得

第3步求两极差。
第4步求关联系数。取λ
=0. 5有

2
max max x
iM kN
( 0) 0
(k ) xi( 0)
(k )
(0) 3 x0 ( k ) xi( 0 ) ( k )
1 2 d 0i (k ) , k 1,2,, n 3 2
2、一般的加权灰色关联分析
式中,d 0i (k ) 是第k个点的子因素Xi与母因素 X0的相对差值。 ) 当绝对差值Δ3 越大时,d 0i (k越小;反之, d 0i (k ) 越大。因此, d 0i (k ) 的大小描述了Xi对 X0的影响程度,称之为Xi与X0在k处的点关 联度。式中λ 为分辩系数,一般在0与1之 间选取,常取λ =0.5。
用 户 成 本/ 生 产 成 本
环 境 费 用/ 生 产 成 本
表2 冰箱的各个评价指标值
指 标 名 称 CFC CO2( SO2( s(mg mg/ mg/ /m3) m3) m3) 磷 (mg/ L) 输入指标 输出指标
冰 箱 编 号
1
使 生 悬 用 产 浮 噪 噪 物 声 声 (mg (d (d /L) B) B)


色评价指标层次结构
目 标 层 大气污染 产品“绿色”程度 环境属性 水体污染 噪声污染 能源属性 资源属性 经济属性
指 标 层
二 氧 化 碳
二 氟 氧 化 铅 化 物 硫

耗 使用 生产 电 噪声 噪声 量
能 源 利 用 率
材 料 利 用 率
材 料 回 收 率
有 毒 材 料 比 率
有 害 材 料 比 率
第二章 系统因素分析方法--灰色 关联分析
吉林大学 杨印生
基本结构

引言(Introduction) 一般的加权灰色关联分析 评价实例 关于加权灰色关联分析模型的 注记
1、引言

灰色系统方法自20世纪80年代初由邓聚龙 教授提出以来,已成功地被应用于许多领 域,而且形成了自己的理论体系。灰色关 联分析作为一种因素辨识和解析的工具, 是非常典型的系统分析方法。最初的关联 分析模型是先计算各点的关联系数,然后 采用算术平均的手段得到各子因素相对于 母因素的关联度。后来人们为了刻划不同 点关联系数的重要程度,又提出了加权灰 色关联分析方法。
0.005
0.004 0.003
0.15
0.13 0.11
0.10
0.09 0.09
0.01
0.007 0.007
45
46 43
65
66 62
1.5%
1.4% 0.1%
2%
2.1% 0.8%
7%
6.4% 6.4%
4.5%
4.2% 2%
0.9
0.94 0.86
50%
45% 60%
70%
65% 75%
35%
2、一般的加权灰色关联分析

于是得到m个序列:
2 ( 0) 2 ( 0) 2
X x (1), x (2),, x X x (1), x (2),, x
m ( 0) m ( 0) m
X1 x1(0) (1), x1(0) (2),, x1(0) (n)
( 0) 2
(n)

( 0) m
(n)
这一过程称为数据的均值化。由于实际数 据中,不同因素的数据常具有不同的量纲,为 对它们进行比较、分析,首先应对数据通过均 值化过程消除量纲的影响。
2、一般的加权灰色关联分析

同样,对母因素Y的n个数据也需要均值化, 可得一个序列记为:
X 0 x (1), x (2),, x (n)

即为子因素Xi对X0的关联度,它反映了因 素之间的关系的密切程度。于是将关联度 按大小排列就可以看出子因素对母因素的 影响程度。
k 1
2、一般的加权灰色关联分析
相关文档
最新文档