数学建模-灰色预测方法
合集下载
相关主题
- 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)。
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。
2 GM（1，1）模型
x(1) x(1) (1), x(1) (2),, x(1) (n) 称为数列 x (0)
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)
（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, , n
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）, x(0) (n)
（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
（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。
，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。
数学建模
灰色预测法
目录
1 灰色预测理论 2 GM(1,1)模型 3 GM(1,1)模型 的改进 4 灰色预测实例
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。
• 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。
数据的生成方式Biblioteka Baidu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
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。
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
• 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。
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。
• 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。
（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。
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。
2 GM（1，1）模型
x(1) x(1) (1), x(1) (2),, x(1) (n) 称为数列 x (0)
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)
（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, , n
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）, x(0) (n)
（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
（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。
，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。
数学建模
灰色预测法
目录
1 灰色预测理论 2 GM(1,1)模型 3 GM(1,1)模型 的改进 4 灰色预测实例
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。
• 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。
数据的生成方式Biblioteka Baidu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
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。
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
• 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。
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。
• 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。
（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。