数模讲灰度预测PPT文档格式.ppt

数模讲灰度预测PPT文档格式.ppt

《数模讲灰度预测PPT文档格式.ppt》由会员分享，可在线阅读，更多相关《数模讲灰度预测PPT文档格式.ppt（105页珍藏版）》请在冰豆网上搜索。

差异即信息，凡信息必有差异。

2、解的非唯一性原理：

信息不完全、不确定的解是非唯一的。

该原理是灰色系统理论解决实际问题所遵循的基本法则。

3、最少信息原理：

灰色系统理论的特点是充分利用已占有的“最少信息”。

4、认知根据原理：

信息是认知的根据。

5、新信息优先原理：

新信息对认知的作用大于老信息。

6、灰性不灭原理：

“信息不完全”是绝对的。

7,灰色系统理论的主要内容,灰色系统理论经过20多年的发展，已基本建立起了一门新兴学科的结构体系，其主要内容包括以“灰色朦胧集”为基础的理论体系、以灰色关联空间为依托的分析体系、以灰色序列生成为基础的方法体系，以灰色模型（GM）为核心的模型体系。

以系统分析、评估、建模、预测、决策、控制、优化为主体的技术体系。

8,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。

9,灰色关联分析,10,一、关联分析的背景,客观世界中的事物往往现象复杂，因素繁多。

我们往往需要对系统进行因素分析，这些因素中哪些对系统来讲是主要的，哪些是次要的，哪些需要发展，哪些需要抑制，哪些是潜在的，哪些是明显的。

一般来讲，这些都是我们极为关心的问题。

事实上，因素间关联性如何、关联程度如何量化等问题是系统分析的关键和起点。

11,因素分析的基本方法过去主要采取回归分析、方差分析，主成分分析等办法，但是这种方法需要大量数据作为基础，计算量大。

而灰色系统理论采用的关联分析方法可以克服这个弊端。

灰色系统理论进行系统分析的方法：

关联度分析法,12,2.灰色关联分析法,灰色关联分析是灰色系统理论的一个分支应用灰色关联分析方法对受多种因素影响的事物和现象从整体观念出发进行综合评价是一个被广为接受的方法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，相应序列之间关联度就越大，反之就越小。

13,应用举例,问题：

对该地区总收入影响较直接的是养猪业还是养兔业？

14,15,灰色关联分析法的步骤,利用灰色关联分析进行综合评价的步骤是：

1根据评价目的确定评价指标体系，收集评价数据。

设n个数据序列形成如下矩阵：

其中为指标的个数,16,2确定参考数据列参考数据列应该是一个理想的比较标准，可以以各指标的最优值（或最劣值）构成参考数据列，也可根据评价目的选择其它参照值记作T,17,3对指标数据进行无量纲化无量纲化后的数据序列形成如下矩阵：

18,常用的无量纲化方法有均值化法（见（123）式）、初值化法（见（124）式）和标准化变换等,19,或采用内插法使各指标数据取值范围（或数量级）相同例如，某地县级医院病床使用率最高为90%，最低为60%，我们可以将90%转化10，60%转化为1，其它可以通过内插法确定其转化值如80%转化为多少？

可进行如下计算：

解之得，即80%转化为7,20,4逐个计算每个被评价对象指标序列（比较序列）与参考序列对应元素的绝对差值即（）为被评价对象的个数）5确定与,两级最小差,4逐个计算每个被评价对象指标序列（比较序列）与参考序列对应元素的绝对差值即（）为被评价对象的个数）5确定与,两级最小差,两级最大差,21,6计算关联系数由（125）式，分别计算每个比较序列与参考序列对应元素的关联系数,22,7计算关联度对各评价对象（比较序列）分别计算其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，并称其为关联度，记为：

23,8如果各指标在综合评价中所起的作用不同，可对关联系数求加权平均值即9依据各观察对象的关联度，进行排序，得出综合评价结果,24,3.灰色关联分析的应用举例,例1：

利用灰色关联分析对6位教师工作状况进行综合评价1评价指标包括：

专业素质、外语水平、教学工作量、科研成果、论文、著作与出勤,2对原始数据经处理后得到以下数值，见下表,25,3确定参考数据列：

4计算，见下表,26,5求最值6依据（125）式，取计算，得,27,同理得出其它各值，见下表,28,7分别计算每个人各指标关联系数的均值（关联序）：

8如果不考虑各指标权重（认为各指标同等重要），六个被评价对象由好到劣依次为1号，5号，3号，6号，2号，4号即,29,存在的问题及解决方法,30,灰色预测与决策模型研究党耀国刘思峰等著科学出版社本书中提及了一些其它的灰色关联度，如绝对关联度，相对关联度等等，并且针对各自的适用范围进行了讨论。

所以如果是在数学建模的过程中，我们可以根据实际的需要，确定我们的关联度的计算公式。

31,生成数,32,将原始数据列中的数据,按某种要求作数据处理称为生成.客观世界尽管复杂,表述其行为的数据可能是杂乱无章的,然而它必然是有序的,都存在着某种内在规律,不过这些规律被纷繁复杂的现象所掩盖,人们很难直接从原始数据中找到某种内在的规律.对原始数据的生成就是企图从杂乱无章的现象中去发现内在规律.,常用的灰色系统生成方式有:

累加生成,累减生成,均值生成,级比生成等.,33,1.累加生成,累加生成,即通过数列间各时刻数据的依个累加以得到新的数据与数列.累加前的数列称原始数列,累加后的数列称为生成数列.累加生成是使灰色过程由灰变白的一种方法,它在灰色系统理论中占有极其重要地位,通过累加生成可以看出灰量积累过程的发展态势,使离乱的原始数据中蕴含的积分特性或规律加以显化.累加生成是对原始数据列中各时刻的数据依次累加,从而生成新的序列的一种手段.,34,35,2.一次累加生成算例,例：

x（0）=（3.2，3.3，3.4，3.6，3.8）求x

（1）（k）解：

36,37,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。

38,存在的问题,39,解决的方法,40,3.累减生成,累减生成,即对数列求相邻两数据的差,累减生成是累加生成的逆运算,常简记为IAGO（InverseAccumulatedGeneratingOperation）,累减生成可将累加生成还原为非生成数列,在建模过程中用来获得增量信息,其运算符号为.,41,42,43,44,45,例,令K0，X1（0）=0,累减生成序列,46,图8-7,47,48,49,50,没有累加生成时的误差为21.26%,51,4.均值生成,52,53,5.级比生成,54,55,56,第四节：

GM模型,57,灰色理论的微分方程性模型称为GM模型，G表示grey（灰），M表示model（模型）。

GM（1，N）表示1阶的，N个变量的微分方程型模型GM（1，1）则是1阶的，1个变量的微分方程型模型。

灰色理论的GM模型的机理和特点，可归纳为：

一般系统理论只能建立差分模型，不能建立微分模型。

而灰色系统理论建立的是微分方程型模型。

差分模型是一种递推模型，只能按阶段分析系统的发展，只能用于短期分析，只能了解系统显漏的变化。

而灰色理论，基于关联度收敛原理、生成数、灰导数、灰微分方程等观点和方法建立了微分方程型模型。

58,系统行为数据列往往是没有规律的，是随机变化的。

灰色理论用数据处理的方法（灰色理论称为数据生成），将杂乱无章的原始数据整理成规律较强的生成数列再作研究。

灰色理论认为系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的，因此杂乱无章的数据后面，必然潜藏着某种规律，而灰数的生成，就是从杂乱无章的原始数据中去开拓、发现，寻找这种内在规律，这是一种现实规律，不是先验规律。

灰色理论通过多个GM（1，N）模型来解决高阶系统的建模问题。

59,灰色理论通过模型计算值与实际值之差（残差）建立GM（1，1）模型，作为提高模型精度的主要途径。

残差的GM（1，1）模型，一般只注重现实规律，最新数据的修正，因此残差GM（1，1）与主模型之间在时间上一般是不同步的。

所以灰色预测模型经常是差分微分模型。

用灰色理论建模，一般都采用三种检验方式：

a.残差大小（或平均值、或最近一个数据的残差值）的检验，按点检验。

b.关联度检验，建立模型与指定函数之间近似性的检验。

c.后验差检验，是残差分布统计特性的检验。

GM模型所得数据必须经过逆生成作还原后才能用。

60,设时间序列,有n个观察值，通过累加生成新序列,则GM（1,1）模型相应的白化形式微分方程为：

其中：

称为发展灰数；

称为内生控制灰数。

1.GM（1,1）模型,61,记,62,称为的紧邻均值生成序列,则,63,设,为待估参数向量，,可利用最小二乘法求解。

解得：

则微分方程可表示为,64,对其做累减还原，即可得到原始数列的灰色预测模型为:

求解微分方程，即可得预测模型：

65,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;

u的大小反映了数据变化的关系,被称为灰色作用量,其中:

当-a1时,不宜采用GM（1,1）模型,可考虑其他预测方法。

66,一般有残差检验、关联度检验和后验差检验。

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。

给定a,当,成立,称模型为残差合格模型.,a取0.01、0.05、0.1分别为：

优、合格、勉强合格,67,

（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=0.5时，关联度大于0.6便满意了。

68,69,（3）后验差检验,a.计算原始序列标准差:

b.计算绝对误差序列的标准差：

c.计算方差比：

d.计算小误差概率：

70,精度检验等级参照表,若相关误差，关联度、后验差检验在允许范围之内，则可用所建模型进行预测，否则应进行残差修正。

71,例：

某县皮棉产量如表，试建立GN（1.1）预测模型，并预测第8期皮棉产量。

解：

令X0

（1）、X0

（2）、X0（3）、X0（4）、X0（5）、X0（6）对立于原始序列数据,第一步，构造累加生成序列：

生成序列X1=2.67，5.80，9.05，12.41，15.97，19.69第二步，构造数据矩阵B和数据向量Yn：

72,第三步，计算BTB，（BTB）-1Yn：

即a=-0.043879u=2.925663,73,第四步，得出预测模型：

第五步：

残差检验：

（1）计算：

74,

（2）累减生成序列：

原始序列,（3）计算绝对误差及相对误差序列：

绝对误差序列00，0.02，0.04，0.02，0.01,相对误差序列0/2.67100%，0.02/3.13100%，0/3.25100%，0.04/