灰色预测模型案例
1.1.5 两岸间液体化工品贸易前景预测
从上述分析可见，两岸间液体化工品贸易总体上呈现上升的增长趋势。然而，两岸间的这类贸易受两岸关系、特别是台湾岛内随机性政治因素影响很大。因此，要对这一贸易市场今后发展的态势做出准确的定量判断是相当困难的；但从另一方面来说，按目前两岸和平交往的常态考察，贸易作为两岸经济与贸易交往的一个有机组成部分，其一般演化态势有某些规律可寻的。故而，我们可以利用其内在的关联性，通过选取一定的数学模型和计算方法，对之作一些必要的预测。
鉴此，本研究报告拟采用一定的预测技术，借助一定的计算软件，对今后10余年间大陆从台湾进口液化品贸易量作一个初步的预测。
(1) 模型的选择
经认真考虑，我们选取了灰色系统作为预测的技术手段，因为两岸化工品贸易具有的受到外界的因素影响大和受调查条件限制数据采集很难完全的两大特点，正好符合灰色系统研究对象的主要特征，即“部分信息已知，部分信息未知”的不确定性。灰色系统理论认为，对既含有已知信息又含有未知信息或不确定信息的系统进行预测，就是在一定方位内变化的、与时间有关的灰色过程进行的预测。尽管这一过程中所显示的现象是随机的，但毕竟是有序的，因此这一数据集合具有潜在的规律。灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。
本报告以灰色预测模型，对两岸间化工品贸易进行的预测如下： 灰色预测模型预测的一般过程为： ① 一阶累加生成（1-AGO ） 设有变量为)
0(X
的原始非负数据序列
)0(X =[)1()0(x ,)2()0(x ,…)()
0(n x ] （1.1）
则)
0(X
的一阶累加生成序列
)1(X =[)1()1(x ,)2()1(x …)()
1(n x ] （1.2）
式中
)
()(1)0()
1(i x k x k
i ∑== k=1,2…n
② 对)
0(X
进行准光滑检验和对进行准指数规律检验
设
)1()
()()
1()0(-=k x k x k ρ k=2,3…n （1.3） 若满足)(k ρ<1、)(k ρ∈[0,ε]（ε<0.5），)(k ρ呈递减趋势，则称)
0(X 为准光滑序列，则)
1(X
具有准指数规律。 否则，进行一阶弱化处理
))
(...)1()((11
)(')0(n x k x k x k n k x +++++-=
k=1,2…n （1.4）
并且将)()
0(k x
=)(')0(k x ，即)0(X 由)0('X 所替代。
③ 由第2步可知，)
1(X 具有近似的指数增长的规律，因此可以认为序列)
1(X
满足下述
一阶线性微分方程
u ax dt dx =+)1()
1( （1.5）
解得，
n T T Y B B B u a
1)(??-=??
???? （1.6）
其中，
??
?
???????????=)()3()2()0()0()0(n x x x Y n ，?????????
?????????+--+-+-=
1)]()1([211)]3()2([211)]2()1([21)1()1()1()1()1()1(n x n x x x x x B
将所求得的a ?、u ?代入微分方程（1.5），有
u x a
dt dx ??)1()
1(=+ （1.7）
④ 建立灰色预测模型
由微分方程（1.7）可得到累加数列)
1(X
的灰色预测模型为
a
u e a u x k x k a ??]??)0([)1(??)1()1(+
-=+- k=0,1,2…n （1.8） 如果)
1(X
来自)
0(X
一阶弱化处理得到的数列，则由式（1.4）可知，一阶弱化还原后
)1(?)0(+k x
=)1(?)1(+k x （1.9） 反之，则由式（1.8）在做累减还原，得到)
0(X
的灰色预测模型为
k a
a e a u n x e k x ?)0(?)0(]??)()[1()1(?----=+ k=0,1,2…n （1.10）
⑤ 灰色预测模型的检验 ⅰ 适用范围
当-a
?≤0.3时，可用于中长期预测；当0.3 <-a ?≤0.5时，可用于短期预测，中长期慎用；当0.5 <-a
?≤0.8时，短期预测十分慎用；当0.8 <-a ?≤1时，应采用残差修正；当-a ?>1时，不宜采用灰色系统预测模型。
ⅱ 后验查检验 设残差序列
)0(ε=（)1(ε, )2(ε…)(n ε）=（)1(?)1()0()
0(x
x -, )2(?)2()0()0(x x -…)(?)()0()0(n x n x -） )(11k n n k ∑==εε和2
12))((1εεε-=∑=k n S n k 分别是残差的均值和方差，)
(11)0(k x n x n k ∑==和2
1
)
0(2))((1x k x n S n k x
-=∑=分别为)0(X 的均值和方差。
则后验差比值x e
S S C =
，
小误差概率)6745.0)((x S k P p <-=εε，其中C 越小越好,p 越大
越好。
⑥ 等维新信息递推
去掉)0(X 的首值，增加
)1(?)0(+k x 为)0(X 的末值，保持数列的等维，新陈代谢，逐个预测，依次递补，直到完成预测的目标为之。
(2) 以总进口量为例预测
数据来自表2-1 ① 累加生成 对数列)
0(X =[166.7 214.6,256.3,342.8,406.4,644.3,736.2,805.4]累加生成
)
1(X
=[166.7 381.3 637.6 980.4 1386.4 2030.7 2766.9 3572.3]
② 对)
0(X
进行准光滑检验和对进行准指数规律检验
ρ=[1.29 0.67 0.54 0.41 0.46 0.36 0.29] ，可见，不满足)(k ρ∈[0,ε]、ε<0.5，则称)
0(X
不符合为准光滑序列，须进行一阶弱化。
)0('X =[446.54 486.51 531.834 586.94 647.98 728.63 770.8 805.4]=)0(X
则对新的)
0(X
累加生成为
)1(X =[446.54 933.05 1464.89 2051.83 2699.80 3428.43 4199.23 5004.63]
③ 求解a
?、u ? 运用MATLAB 工具算得a
?=-0.0856、u ?=437.24，其中-a ?≤0.3，可用于中长期预测。 ④ 建立灰色预测模型
a
u e a u x k x k a ??]??)0([)1(??)1()1(+-=+-=5557.39?k e 0856.0-5110.85
由于对)
0(X
进行一次一阶弱化的处理，所以)1(?)1(?)0()1(+=+k x k x
，即预测2008年的数据为)
0(?x
=805.4。
⑤ 模型检验
e S =10.34，x S =134. 28
)0(ε=[0 9.860600774608656
8.876768838703015 2.065250968582859
6.360973787144417
29.71162091038707 9.451993037681632
23.95009372654897]，ε=11.28
则后验差比值为C=0.077<0.35，可见预测精度好。
小误差概率)6745.0)((x S k P p <-=εε=1>0.95，即预测精度好。 ⑥ 等维新信息递推 )
0(X
=[446.54 486.51 531.834 586.94 647.98 728.63 770.8 805.4]，进行循环运算，
直到预测到2015年的数据为止。具体预测值见表2-5。
表1-5 祖国大陆从台湾地区进口有机化学品贸易统计量及预测值表 单位：万吨
分析表1-5可知，在未来海峡两岸有机化学品贸易中，仍将以祖国大陆从台湾地区的进口量仍将继续保持增长的势头，但增长的幅度将有所趋缓。其中的原因或恐有二：一是随着2006年前后祖国大陆大型化工项目的建成和投产，化工品对外的依存度将会有所下降；二是由于化学科技的进步以及工艺流程的革新，很可能会出现新的化工替代品，从而导致某些化工品的需求相应会减少。
数学建模之灰色预测模型
、灰色预测模型 简介(P372) 特点：模型使用的不是原始数据列，而是生成的数据列。 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 和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 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 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，地震等自然灾害的时间与程度进行预报 (百度文库) ⑤ 基于GM(1,1)模型的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x (0) =(x (o ) (1),x (o ) (2),…，x (0)(n))计算得序列的级比为 2 2 若序列的级比(k) -(e^ '.e 0 2)，贝U 可用x (0)作令人满意的GM(1,1)建模。 光滑比为 P (k )= k x <0) ( k) \- (0) x (I) i 珀 若序列满足 p(k 1) ：：1,k =2,3,…，n-1; p(k) p(k)〔0,T,k=3,4, ,n; 「:: 0.5. ■ (k)二 x (0)(k -1) x (0) (k) ,k - 2,3, , n.
则序列为准光滑序列。 否则，选取常数c 对序列x (0)做如下平移变换 y (o )(k)=x (o ) (k) c,k=1,2「, n, 序列y (0)的级比 、 y 0(k-1) 一 'y (k) (0) ，k = 2,3， , n ? y(k) ② 对原始数据x (0)作一次累加得 x ⑴=(x ⑴(1),X (1)(2),…,x (1)(n)) =(x (0)(1，x (0)(1 +x (0) (2)，…,x (0)⑴+…+x (0)(n)). 建立模型： dx ( 1 ) ——ax ⑴=b,( 1) dt ③ 构造数据矩阵B 及数据向量丫 ■ -z (1) ⑵ 1 1 f x (0) (2)1 B = -z ⑴⑶1 9 亍 ，丫二 x (0)(3) a -z ⑴(n) 1_ x (0) (n)J 其中：z ⑴(k) =0.5x ⑴(k) 0.5x ⑴(k -1),k =2,3, ,n. ④ 由 求得估计值召=b?= ⑤ 由微分方程(1)得生成序列预测值为 ( b?) b? x>(1)(k+1)= ：x (0)(1)—三 ，k=0,1，…，n —V, l 召丿 召 则模型还原值为 00)(k 1)=0)化 1)-0),k =1,2, ,n-1,. ⑥ 精度检验和预测 残差 ；(k) =x (0)(k)-?(0)(k),k=1,2, ,n, -(B T B)4B T Y u?=
基于灰色预测模型的上海世博会分析(精)
基于灰色预测模型的上海世博会分析 张文彬华北电力大学保定 张静峰华北电力大学科技学院保定 摘要：众所周知，世博会正日益成为全世界人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。世博会的举行可以推动该城市经济的发展。本文基于灰色预测模型从第一、第二、第三产业、进出口贸易、居民消费价格指数等方面对上海世博会的举行对上海经济的发展进行了分析和说明。 关键词：灰色预测模型，世博会，经济发展 一前言 世界博览会是人类文明的驿站。自1851年伦敦的万国工业博览会开始，世博会正日益成为全球经济、科技和文化领域的盛会，成为各国人民总结历史经验、交流聪明才智、体现合作精神、展望未来发展的重要舞台。 中国是一个历史悠久的文明古国，2010年世界博览会的成功举行，让中国了解了世界，也让世界更多的了解中国，同时上海世博会的成功举行对上海经济的发展也起到了巨大的推动作用。而评价经济体系的指标有很多，本文选择有代表性的第一产业（农业、林业、牧业、渔业等）、第二产业（采矿业、制造业、电力、燃气及水的生产和供应业，建筑业等）、第三产业（交通运输业、邮电通讯业、商业饮食业等流通类行业和金融业、保险业、旅游业、教育文化、酒店业等服务类产业）、居民消费价格指数、进出口贸易等指标[1][2]，根据上海统计年鉴中1997-2002年各指标的数据，剔除世博会举行的因素，利用灰色预测模型对2003-2009年的相关数据进行预测，并进行了残差分析，然后根据实际世界博览会举行时各项指标数据，通过与预测数据的图形对比，可以直观反映出上海世博会对上海经济发展的影响力，并对相关数 据进行了分析。 二灰色预测模型[3][4] 灰色系统理论最早由华中理工大学邓聚龙教授提出，先后发表过灰色控制、灰色预测、灰色决策等多部专著，较详细在阐述了灰色系统理论的产生、原理与应用。什么叫灰？用邓先生自己的话来讲：“完全已知的系统称作白系统；完全未知的系统称作黑系统；部分已知、部分未知的系统称作灰色系统。”，而灰色预测就是采用已知的数据来预测未知的数据的一种方法。其中G表示Grey(灰，M表示Model(模型，前一个“1”表示一阶，后一个“1”表示一个变量，GM(1, 1则是一阶，一个变量的微分方程预测模型。其算法流程如下： 1．由已知数据得初始，并按生成新的数列 。
线性回归和灰色预测模型案例
预测未来2015年到2020年的货运量 灰色预测模型 是通过少量的、不完全的信息，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. 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。
建模原理 模型的求解
原始序列为： ) 16909 15781 13902 12987 12495 11067 10149 9926 9329 10923 7691())6(),...1(()0()0()0(==x x x 构造累加生成序列 ) 131159,114250,98469,84567,71580,59085, 48018,37869,27943,18614,7691())6(),...1(()1()1()1(==x x x 归纳上面的式子可写为 称此式所表示的数据列为原始数据列的一次累加生成，简称为一次累加生成. 对(1)X 作紧邻均值生成 ,.... 2)) 1()((21)()1() 1() 1(=-+=k k z k z k z MATLAB 代码如下： x=[7691 18614 27943 37869 48018 590857 71580 84567 98469 114250 131159]; z(1)=x(1); for i=2:6 z(i)=0.5*(x(i)+x(i-1)); end format long g z z = Columns 1 through 3 7691 13152.5 23278.5 Columns 4 through 6 32906 42943.5 319437.5
灰色预测模型理论及其应用
灰色预测模型理论及其应用 灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 1.1灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 1.2灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过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) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如 灰因白果律事件：在粮食生产预测中，影响粮食生产的因子很多，多到无法枚举，故为灰因，然而粮食产量却是具体的，故为白果。粮食预测即为灰因白果律事件预测。白因灰果律事件：在开发项目前景预测时，开发项目的投入是具体的，为白因，而项目的效益暂时不很清楚，为灰果。项目前景预测即为灰因白果律事件预测。
灰色预测模型介绍
数学模型与数学实验数 课程报告 题目：灰色预测模型介绍专业： 班级： 姓名： 学号： 二0一一年六月
1. 模型功能介绍 预测模型为一元线性回归模型，计算公式为Y=a+b。一元非线性回归模型：Y=a+blx+b2x2+…+bmxm。式中：y为预测值；x为自变量的取值；a,b1,b2……bm为回归系数。当自变量x与因变量y之间的关系是直线上升或下降时，可采用一元线性预测模型进行预测。当自变量x和因变量y之间呈曲线上升或下降时，可采用一元非线性预测模型中的y=a+b1x+b2x2+…+bmxm这个预测模型。当自变量x和因变量y之间关系呈上升一下降一再上升一再下降这种重复关系时，可采用一元线性预测模型中的Y=a+bx这个模型来预测。其中我要在这里介绍灰色预测模型。 灰色预测是就灰色系统所做的预测，灰色系统(Grey System)理论[]1是我国著名学者邓聚 龙教授20世纪80年代初创立的一种兼备软硬科学特性的新理论［95］96］。所谓灰色系统是介于白色系统和黑箱系统之间的过渡系统，其具体的含义是：如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知，部分信息未知，那么这一系统就是灰色系统。一般地说，社会系统、经济系统、生态系统都是灰色系统。例如物价系统，导致物价上涨的因素很多，但已知的却不多，因此对物价这一灰色系统的预测可以用灰色预测方法。 灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测。尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 灰色系统的基本原理 公理1：差异信息原理。“差异”是信息，凡信息必有差异。 公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。 公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。 公理4：认知根据原理。信息是认知的根据。 公理5：新信息优先原理。新信息对认知的作用大于老信息。 公理6：灰性不灭原理。“信息不完全”是绝对的。 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。 灰色预测模型实际上是一个微分方程, 称为GM模型。GM（1，N）[]1表示1阶的，N个 变量的微分方程型模型；则是1阶的,1个变量的微分方程型模型。在实际进行预测时, 一般选用GM(1,1) 模型, 因为这种模型求解较易, 计算量小, 计算时间短, 精度较高。 现在下面简单介绍有关于灰色预测的相关知识点： 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。灰色系统常用的数据处理方式有累加和累减两种。 关联度]1[
交通事故次数灰色预测模型——预测与决策作业
问题 ：某市2004年1-6月的交通事故次数统计见下表.试建立灰色预测模型. 解： （1） 由原始数据列计算一次累加序列(1)x ，结果见下表2： （2）建立矩阵,B y ： (1)(2)(1)(2)(1)(2)(1) (2)(1)(2) 11[(2)(1)211[(3)(2)21 1[(4)(3) 211[(5)(4)211[(6)(5)2x x x x B x x x x x x ??-+??? ? ??-+?????? =-+????-+??????-+???? 130.512431378.515271697.51-??? ?-????=-? ?-????-?? [] (0)(0)(0)(0)(0) (2)(3)(4)(5)(6)95130141156185T T y x x x x x ??=?? = （3）计算1()T B B -： 1 0.0000 0.0020() 0.0020 0.9726T B B -?? =???? （4）由1?(*)**T U B B B y -=，求估值?a 和?u ： ? 0.1440??84.4728a U u -????==???????? 。 把?a 和?u 的估值代入时间响应方程，由(1)83x =得到时间响应方程为：
?(1)(1)0.144??(1)(1)666.6617583.6617??ak k u u x k x e e a a -? ?+=-+=-??? ? 即时间响应方程为： (1)0.144(1)666.6617583.6617k x k e +=- （5）计算拟合值(1)?()x i ，再用后减运算还原计算得模型计算值(0)?()x k ，见下表3第一列： 计算残差(0)(0)?()()()E k x k x k =-与相对残差(0)(0)(0)?()[()()]/()e k x k x k x k =-，结果见表3第3、4列； (0) x 的均值：5(0) 1 1()131.66675k X x k ===∑； (0) x 的方差：134.7355S ==； 残差的均值：5 2 1()0.181651k E E k ===-∑； 残差的方差：2 6.3519S ==； 后验差比值 2 1 S C S = = 0.1829； 现在0.67451S =0.6745X34.7355=23.4291，而所有的|()|E k E -都小于23.4291，故小误差概率 {}1|()|0.67451P P E k E S =-<= 根据0.95P ≥，0.18290.35C =≤，表示预测的等级好，由此可知预测方程
灰色预测模型案例
1.1.5 两岸间液体化工品贸易前景预测 从上述分析可见，两岸间液体化工品贸易总体上呈现上升的增长趋势。然而，两岸间的这类贸易受两岸关系、特别是台湾岛内随机性政治因素影响很大。因此，要对这一贸易市场今后发展的态势做出准确的定量判断是相当困难的；但从另一方面来说，按目前两岸和平交往的常态考察，贸易作为两岸经济与贸易交往的一个有机组成部分，其一般演化态势有某些规律可寻的。故而，我们可以利用其内在的关联性，通过选取一定的数学模型和计算方法，对之作一些必要的预测。 鉴此，本研究报告拟采用一定的预测技术，借助一定的计算软件，对今后10余年间大陆从台湾进口液化品贸易量作一个初步的预测。 (1) 模型的选择 经认真考虑，我们选取了灰色系统作为预测的技术手段，因为两岸化工品贸易具有的受到外界的因素影响大和受调查条件限制数据采集很难完全的两大特点，正好符合灰色系统研究对象的主要特征，即“部分信息已知，部分信息未知”的不确定性。灰色系统理论认为，对既含有已知信息又含有未知信息或不确定信息的系统进行预测，就是在一定方位内变化的、与时间有关的灰色过程进行的预测。尽管这一过程中所显示的现象是随机的，但毕竟是有序的，因此这一数据集合具有潜在的规律。灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测。 本报告以灰色预测模型，对两岸间化工品贸易进行的预测如下： 灰色预测模型预测的一般过程为： ① 一阶累加生成（1-AGO ） 设有变量为) 0(X 的原始非负数据序列 )0(X =[)1()0(x ,)2()0(x ,…)() 0(n x ] （1.1） 则) 0(X 的一阶累加生成序列 )1(X =[)1()1(x ,)2()1(x …)() 1(n x ] （1.2） 式中 ) ()(1)0() 1(i x k x k i ∑== k=1,2…n ② 对) 0(X 进行准光滑检验和对进行准指数规律检验
基于灰色预测模型的物流订单额预测
建设与管理工程学院 课程设计 课程名称: 物流系统分析与优化课程设计课程代码:1204179 题目:某物流公司订单额预测 年级/专业/班:2012级物流管理2班 学生姓名:杨超 学号:312012********* 开始时间: 2016年6月6日 完成时间: 2016年6月 20日 课程设计成绩： 指导教师签名：年月日
物流系统分析与优化课程设计 任务书 学院名称：建设与管理工程学院课程代码：__1204179_ 专业：物流管理年级：2012 一、题目 自选题目，题目可以选择当前物流或流通领域热点问题或企业实际情况，开展物流系统分析与优化活动，提交成果，写出总结。选题尽量细小，避免假、大、空。 选题参考： 选题参考： 1、针对当前物流或流通领域的相关问题，在国内外公开出版的刊物上发表论文。 2、物流或流通相关领域的发明创造、创业计划书。 4、针对当前物流或流通领域热点问题的物流系统分析与优化课程设计等。 本人题目：某物流公司订单额预测 二、主要内容及要求 内容与物流或流通领域相关的物流系统分析，形式上可以是（但不限于）以下之一： 1.一人一题，不允许重复。调查类型的题目允许以小组为单位，但个人论文题目应有所区 别，各有侧重。 2.格式要求（附后，含目录、摘要、引言、正文、致谢、参考文献） 3.工作量要求：正文部分字数4000以上 4.阶段性要求：每周必须与导师见面，寻求指导；选题须经导师同意后才可进 入下一阶段； 5.本课程特别强调物流系统分析与优化。抄袭者将不予成绩且无重新提交报告 的资格。 6.提交材料： Ａ、最终成果：（装订顺序为：封面、任务书、课程论文，可能的案例或调查计划。）Ｂ、参考的资料（可以是原始文稿电子文档或纸质件、书、手写的读书笔记、摘抄等反应），共指导教师检查、不存档。
灰色预测模型原理
灰色预测模型原理 综合预测模型（ 灰色预测模型 (1,1)GM ） 为了是更准确的反映市场实际需求情况，我们建立综合预测模型，利用灰色模型 (1,1)GM 对平均销量做确定性增长趋势进行预测。 我们将时间序列2001—2005的实际销量值 (0)t X 累加处理生成新序列(1)t X ，则GM （1，1）模型相应的微分方程为： (1)(1)t t dX X dt αμ+= (20012005t =年 其中 α 为发展灰数 μ 为内生控制灰数 同时通过α?待估参数向量，?ααμ ??= ??? ，利用最小二乘法求解。解得： ()1?T T B B B Y α-= 矩阵B 为 (1)t X 取累加平均值所得 矩阵Y 为 (0)t X 转置矩阵 求解微分方程，即可得预测模型： ()()1011?t t X X e αμμαα-+??=-+???? ，(20012005)t =年 灰色模型算法描述： Step1. 累加处理生成新序列(1)t X Step2. 迭代计算出矩阵B 迭代计算 (1)(1)12t t t X X V ++= (20012004)t =年
得到 11,2111t t V B V --????=?????? Step3. 生成矩阵Y (0)1t t V X += ( 20012004t =年 T t t Y V = Step4. 计算系数矩阵α ? ()1 ?T T B B B Y α-= 解得,αμ Step5. 由得到的灰数,αμ 解微分方程 ()()1011?t t X X e αμμαα-+??=-+??? ? 即 预测出2006年的书号的平均销售量 Step6. 灰色模型残差检验
灰色预测应用实例
2010高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白,在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题. 我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料）,必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出. 我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性.如有违反竞赛规则的行为,我们将受到严肃处理. 我们参赛选择的题号是（从A/B/C/D中选择一项填写）: 我们的参赛报名号为（如果赛区设置报名号的话）: 所属学校（请填写完整的全名）: 河南师范大学 参赛队员(打印并签名) :1. 孔燕姿 2. 刘姣 3. 王丽娟 指导教师或指导教师组负责人(打印并签名): 裴永刚 日期: 2011 年 07 月 15 日赛区评阅编号（由赛区组委会评阅前进行编号）:
摘要 本文是一个灾变预测问题,针对该问题,根据旱灾界限找出原始数列中的异常值,生成对应的灾变日期序列。在级比检验不满足可容覆盖的情况下，取常数c=25,经过平移变换，新数列可以建立GM （1,1）模型. 通过最小二乘法求取参数向量?α=a b ??????=-0.075 31.996????? ?,得到GM(1,1)模型的时间相应函数模型：(1)0.075?(1)452.613426.613k T k e +=-.通过相对残差检验和级比偏差检验,确信所建模型达到较高的要求,可以用来做预测.再通过累减生成序列, 去掉常数c,即可得到下一次旱灾发生的预测时间为：从最近一次旱灾发生的时间算起，4年之后很可能发生旱灾。 关键词: 灰色模型 最小二乘法
数学建模之灰色预测模型
数学建模之灰色预测模型
一、灰色预测模型 简介（P372） 特点：模型使用的不是原始数据列，而是生成的数据列。 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，序列的完整性和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 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，地震等自然灾害的时间与程度进行预报。（百度文库） ⑤基于GM(1,1)模型的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(0)(0)(0)(0)((1),(2),,())x x x x n =计算得序列的级比为 (0)(0)(1)(),2,3, ,.() x k k k n x k λ-== 若序列的级比()k λ∈ 221 2 (,)n n e e -++Θ=，则可用(0)x 作令人满意的GM(1,1)建模。 光滑比为 (0)1 (0) 1 () ()() k i x k p k x i -== ∑ 若序列满足 [](1) 1,2,3,,1;() ()0,,3,4, ,;0.5. p k k n p k p k k n ??+<=-∈=<
则序列为准光滑序列。 否则，选取常数c 对序列(0)x 做如下平移变换 (0)(0)()(),1,2, ,,y k x k c k n =+= 序列(0)y 的级比 0(0)(1) (),2,3, ,.() y y k k k n y k λ-=∈Θ= ②对原始数据(0)x 作一次累加得 (1)(1)(1)(1)(0)(0)(0)(0)(0)((1),(2),,())(11+(2),,(1)()).x x x x n x x x x x n ==++（），（） 建立模型: (1) (1),dx ax b dt += （1） ③构造数据矩阵B 及数据向量Y (1)(1)(1)(2)1(3)1,()z z B z n ??- ??- ? ?=?? ????- 1??(0)(0)(0)(2)3()x x Y x n ??????=?? ?????? （） 其中：(1)(1)(1()0.5()0.5(1),2,3,,.z k x k x k k n =+-=） ④由 1??()?T T a u B B B Y b -??==???? 求得估计值?a = ?b = ⑤由微分方程（1）得生成序列预测值为 ? (1) (0)???(1)(1)k 0,1,,1,,??ak b b x k x e n a a -??+=-+=- ? ??? ， 则模型还原值为 (0)(1)(1)???(1)(1),1,2,,1,.x k x k x k n +=+-=- ⑥精度检验和预测 残差 (0)(0)?()()(),1,2,,,k x k x k k n ε=-=
灰度预测模型详解举例分析
灰色系统预测 重点内容：灰色系统理论的产生和发展动态，灰色系统的基本概念，灰色系统与模糊数学、黑箱方法的区别，灰色系统预测GM （1，1）模型，GM（1，N）模型，灰色系统模型的检验，应用举例。 1灰色系统理论的产生和发展动态 1982邓聚龙发表第一篇中文论文《灰色控制系统》标志着灰色系统这一学科诞生。 1985灰色系统研究会成立，灰色系统相关研究发展迅速。 1989海洋出版社出版英文版《灰色系统论文集》，同年，英文版国际刊物《灰色系统》杂志正式创刊。目前，国际、国内200多种期刊发表灰色系统论文，许多国际会议把灰色系统列为讨论专题。国际著名检索已检索我国学者的灰色系统论著500多次。灰色系统理论已应用范围已拓展到工业、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。 2灰色系统的基本原理 2.1灰色系统的基本概念 我们将信息完全明确的系统称为白色系统，信息未知的系统称为黑色系统，部分信息明确、部分信息不明确的系统称为灰色系统。系统信息不完全的情况有以下四种： 1.元素信息不完全 2.结构信息不完全 3.边界信息不完全 4.运行行为信息不完全 2.2灰色系统与模糊数学、黑箱方法的区别 主要在于对系统内涵与外延处理态度不同； 研究对象内涵与外延的性质不同。 灰色系统着重外延明确、内涵不明确的对象，模糊数学着重外延不明确、内涵明确的对象。 “黑箱”方法着重系统外部行为数据的处理方法，是因果关系的两户方法，使扬外延而弃内涵的处理方法，而灰色系统方法是外延内涵均注重的方法。
2.3灰色系统的基本原理 公理1：差异信息原理。“差异”是信息，凡信息必有差异。 公理2：解的非唯一性原理。信息不完全，不明确地解是非唯一的。 公理3：最少信息原理。灰色系统理论的特点是充分开发利用已有的“最少信息”。 公理4：认知根据原理。信息是认知的根据。 公理5：新信息优先原理。新信息对认知的作用大于老信息。 公理6：灰性不灭原理。“信息不完全”是绝对的。 2.4灰色系统理论的主要内容 灰色系统理论经过10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、以晦涩关联空间为依托的分析体系、以晦涩序列生成为基础的方法体系，以灰色模型（G ，M ）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。 灰色关联分析 灰色统计 灰色聚类 3灰色系统预测模型 灰色预测方法的特点表现在：首先是它把离散数据视为连续变量在其变化过程中所取的离散值，从而可利用微分方程式处理数据；而不直接使用原始数据而是由它产生累加生成数，对生成数列使用微分方程模型。这样，可以抵消大部分随机误差，显示出规律性。 3.1灰色系统理论的建模思想 下面举一个例子，说明灰色理论的建模思想。考虑4个数据，记为)4(),3(),2(),1()0()0()0()0(
数学建模之灰色预测模型
一、灰色预测模型 简介（P372） 特点：模型使用的不是原始数据列，而是生成的数据列。 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，序列的完整性和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 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。 模型的应用 ①销售额预测 ②交通事故次数的预测 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，地震等自然灾害的时间与程度进行预报。（百度文库） ⑤基于GM(1,1)模型的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） 步骤 ①级比检验与判断 由原始数据列(0)(0)(0)(0)((1),(2),,())x x x x n =计算得序列的级比为 (0)(0)(1)(),2,3, ,.() x k k k n x k λ-== 若序列的级比()k λ∈ 221 2 (,)n n e e -++Θ=，则可用(0)x 作令人满意的GM(1,1)建 模。 光滑比为 (0)1 (0) 1 () ()() k i x k p k x i -== ∑ 若序列满足
[](1) 1,2,3,,1;() ()0,,3,4, ,;0.5. p k k n p k p k k n ??+<=-∈=< 则序列为准光滑序列。 否则，选取常数c 对序列(0)x 做如下平移变换 (0)(0)()(),1,2, ,,y k x k c k n =+= 序列(0)y 的级比 0(0)(1) (),2,3, ,.() y y k k k n y k λ-=∈Θ= ②对原始数据(0)x 作一次累加得 (1)(1)(1)(1)(0)(0)(0)(0)(0)((1),(2),,())(11+(2),,(1)()).x x x x n x x x x x n ==++（），（） 建立模型: (1) (1),dx ax b dt += （1） ③构造数据矩阵B 及数据向量Y (1)(1)(1)(2)1(3)1,()z z B z n ??- ??- ? ?=?? ????- 1??(0)(0)(0)(2)3()x x Y x n ??????=?? ?? ???? （） 其中：(1)(1)(1()0.5()0.5(1),2,3,,.z k x k x k k n =+-=） ④由 1??()?T T a u B B B Y b -??==???? 求得估计值?a = ?b = ⑤由微分方程（1）得生成序列预测值为 ? (1) (0)???(1)(1)k 0,1,,1,,??ak b b x k x e n a a -??+=-+=- ? ??? ， 则模型还原值为
《安全管理》之事故灰色预测模型
事故灰色预测模型 灰色系统(Grey System)理论是我国著名学者邓聚龙教授20世纪80年代初创立的一种兼备软硬科学特性的新理论［95］96］。该理论将信息完全明确的系统定义为白色系统，将信息完全不明确的系统定义为黑色系统，将信息部分明确、部分不明确的系统定义为灰色系统。由于客观世界中，诸如工程技术、社会、经济、农业、环境、军事等许多领域，大量存在着信息不完全的情况。要么系统因素或参数不完全明确，因素关系不完全清楚；要么系统结构不完全知道，系统的作用原理不完全明了等，从而使得客观实际问题需要用灰色系统理论来解决。十余年来，灰色系统理论已逐渐形成为一门横断面大、渗透力强的新兴学科。 灰色预测则是应用灰色模型GM(1,1)对灰色系统进行分析、建模、求解、预测的过程。由于灰色建模理论应用数据生成手段，弱化了系统的随机性，使紊乱的原始序列呈现某种规律，规律不明显的变得较为明显，建模后还能进行残差辨识，即使较少的历史数据，任意随机分布，也能得到较高的预测精度［59］。因此，灰色预测在社会经济、管理决策、农业规划、气象生态等各个部门和行业都得到了广泛的应用。 一般考虑到事故变化趋势属于非平稳的随机过程，选用具有原始数据需求量小、对分布规律性要求不严、预测精度较高等优点的模糊灰色预测模型GM(1,1)，同时考虑到减小预测误差，将其与时间序列自相关预测模型AR(n)相结合。 预测模型：其GM(1,1)和AR(n)的组合模型为： x(0)(t+1) = (-ax(0)(1) + b ) e-at+∑φiεi 实例：根据GM(1,1)模型原理和中国新星石油公司以及华东石油局的钻井事故数据资源，得到的千人死亡率和钻井孔内事故次数灰色预测模型分别为： x1(1)(t+1)=-7.084e-0.062t+7.487
灰色理论预测模型及GM(1,1)matlab程序
灰色理论预测模型及GM(1,1)matlab程序灰色预测方法简介 灰色预测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。通过对原始数据的整理寻找数的规律，分为三类： a、累加生成：通过数列间各时刻数据的依个累加得到新的数据与数列。累加前数列为原始数列，累加后为生成数列。 b、累减生成：前后两个数据之差，累加生成的逆运算。累减生成可将累加生成还原成非生成数列。 c、映射生成：累加、累减以外的生成方式。 建模步骤 a、建模机理 b、把原始数据加工成生成数； c、对残差（模型计算值与实际值之差）修订后，建立差分微分方程模型； d、基于关联度收敛的分析； e、gm模型所得数据须经过逆生成还原后才能用。 f、采用“五步建模（系统定性分析、因素分析、初步量化、动态量化、优化）”法，建立一种差分微分方程模型gm(1,1）预测模型。 GM(1,1)程序： % 本程序主要用来计算根据灰色理论建立的模型的预测值。 % 应用的数学模型是GM(1,1)。 % 原始数据的处理方法是一次累加法。 clear;clc; % load ('data.txt');
% y=data'; y=[3 4 5 4 7 7]; n=length(y); yy=ones(n,1); yy(1)=y(1); for i=2:n yy(i)=yy(i-1)+y(i); end B=ones(n-1,2); for i=1:(n-1) B(i,1)=-(yy(i)+yy(i+1))/2; B(i,2)=1; end BT=B'; for j=1:n-1 YN(j)=y(j+1); end YN=YN'; A=inv(BT*B)*BT*YN; a=A(1); u=A(2); t=u/a; t_test=input('请输入需要预测个数：'); i=1:t_test+n; yys(i+1)=(y(1)-t).*exp(-a.*i)+t; yys(1)=y(1); for j=n+t_test:-1:2 ys(j)=yys(j)-yys(j-1); end x=1:n; xs=2:n+t_test; yn=ys(2:n+t_test); plot(x,y,'^r',xs,yn,'*-b'); det=0; for i=2:n det=det+abs(yn(i)-y(i)); end det=det/(n-1); disp(['百分绝对误差为：',num2str(det),'%']); disp(['预测值为：',num2str(ys(n+1:n+t_test))]);
灰色预测模型理论及其应用
灰色预测模型理论及其 应用 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】
灰色预测模型理论及其应用灰色系统理论认为对既含有已知信息又含有未知或非确定信息的系统进行预测，就是对在一定方位内变化的、与时间有关的灰色过程的预测. 尽管过程中所显示的现象是随机的、杂乱无章的，但毕竟是有序的、有界的，因此这一数据集合具备潜在的规律，灰色预测就是利用这种规律建立灰色模型对灰色系统进行预测. 灰色预测模型只需要较少的观测数据即可，这和时间序列分析，多元回归分析等需要较多数据的统计模型不一样. 因此，对于只有少量观测数据的项目来说，灰色预测是一种有用的工具.本文主要围绕灰色预测GM(1,1)模型及其应用进行展开。 一、灰色系统及灰色预测的概念 灰色系统 灰色系统产生于控制理论的研究中。 若一个系统的内部特征是完全已知的，即系统的信息是充足完全的，我们称之为白色系统。 若一个系统的内部信息是一无所知，一团漆黑，只能从它同外部的联系来观测研究，这种系统便是黑色系统。 灰色系统介于二者之间，灰色系统的一部分信息是已知的，一部分是未知的。 区别白色和灰色系统的重要标志是系统各因素间是否有确定的关系。 特点：灰色系统理论以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定型系统的研究对象。 灰色预测 灰色系统分析方法是通过鉴别系统因素之间发展趋势的相似或相异程度，即进行关联度分析，并通过对原始数据的生成处理来寻求系统变动的规律。生成数据序列有较强的规律性，可以用它来建立相应的微分方程模型，从而预测事物未来的发展趋势和未来状态。灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类： (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。 (2) 畸变预测（灾变预测）。通过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) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。 (4) 系统预测，是对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。 上述灰预测方法的共同特点是： （1）允许少数据预测； （2）允许对灰因果律事件进行预测，比如
数学建模案例分析--灰色系统方法建模2灰色预测模型GM(1-1)及其应用
§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色预测模型GM （1,1） 建模步骤如下： （1）GM （1,1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规律， 然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1,1），其数据矩阵为
?????? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)]2()1([5.0)1()1()1()1()1()1(N X N X X X X X B M M （3） 向量T N N X X X Y )](,),3(),2([)0()0()0(Λ= （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5） 这就是要建立的灰色预测模型。 二、低合金钢铸件蠕变性能的灰色预测 下面是对Cr-mo-0.25V 低合金钢铸件高温蠕变情况利用灰色系统理论进行研究。在500℃的高温下，已测得此铸件在载荷分别为37，36，35，34，33（kg/mm 2）情况下的蠕变断裂时间见下表。 1、建立GM （1,1）模型 表中一次累加数列)() 1(k X 是根据断裂时间数列)()0(k X ，由公式（2）得到的。例如，
灰色预测模型及应用论文
管理预测与决策的课程设计报告 灰色系统理论的研究 专业：计算机信息管理 姓名：XXX 班级：xxx 学号：XX 指导老师：XXX 日期2012年11月01 日
摘要：科学地预测尚未发生的事物是预测的根本目的和任务。无论个体还是组织，在制定和规划面向未来的策略过程中，预测都是必不可少的重要环节，它是科学决策的重要前提。在众多的预测方法中，灰色预测模型自开创以来一直深受许多学者的重视，它建模不需要太多的样本，不要求样本有较好的分布规律，计算量少而且有较强的适应性，灰色模型广泛运用于各种领域并取得了辉煌的成就。本文详细推导GM（1,1）模型， 另外对灰关联度进行了进一步的改进，让改进的计算式具有唯一性和规范性[]4。通过给 出的实例高校传染病发病率情况，建立了GM(1,1)预测模型，并预测了1993年的传染病发病率。另外对传染病发病率较高的痢疾、肝炎、疟疾三种疾病做了关联度分析，发现痢疾与整个传染病关系最密切，而肝炎、疟疾与整个传染病的密切程度依次差些。 关键词：灰色预测模型；灰关联度；灰色系统理论
目录 1、引言 (1) 1.1、研究背景 (1) 1.1.1、国内研究现状 (1) 1.1.2、国外研究现状 (1) 1.2、研究意义 (1) 2、灰色系统及灰色预测的概念 (2) 2.1、灰色系统理论发展概况 (2) 2.1.1、灰色系统理论的提出 (2) 2.1.2、灰色系统理论的研究对象 (2) 2.1.3、灰色系统理论的应用范围 (2) 2.1.4、三种不确定性系统研究方法的比较分析 (3) 2.2、灰色系统的特点 (3) 2.3、常见灰色系统模型 (4) 2.4、灰色预测 (4) 3、简单的灰色预测——GM(1,1)预测 (5) 3.1、GM(1,1)预测模型的基本原理 (5) 4、小结 (8) 参考文献： (8)