灰色预测法word版
灰色预测理论在数学建模中的应用
作者：胡金杭
摘要：灰色系统理论在自动控制领域中已取得了广泛的应用，本文针对灰色预测理论的特点，分析了它在数学建模中的具体应用。首先，本文对如何将实际问题转化为灰色GM(1,1)预测模型给了具体的步骤，同时针对模型的特点，可以对其的预测精度进行后验差检验，随后，针对基本灰色GM(1,1)预测模型单调性的特点，我们可以采用改进的等维灰数递补模型，这样可以大大的提高模型对实际问题的预测精度。
关键字：GM(1,1)预测模型后验差检验等维灰数递补模型
引言
现实中的很多实际问题，都需要通过分析现有的数据，对该问题未来的发展趋势进行预测，随后决策者参考预测得到的结果，就可以制定合理的解决方案。
在预测分析中，最基本的预测模型为线性回归方程，针对一些规律性较强的数据，该模型能作出精确的预测，但在实际中，我们得到的常是一些离散的，规律性不强的数据，为解决此类问题，线性的方法就不适用了，此时，就需要采用灰色预测的方法。
灰色预测理论是将看似离散的数据序列经数据变换后形成有规律的生成数列( 如累加生成、累减生成 ) ，然后对生成数列建立微分方程，得到模型的计算值后，再与实测值比较获得残差，用残差再对模型作修正，然后便可用建立的灰色模型对该问题进行预测。
一、具体的灰色GM(1,1)预测模型的建立：
我们设已知数据变量组成序列，则我们可得到数据序列
，用1-AGO生成一阶累加生成序列为：
其
中
(1-1)
由于序列具有指数增长规律，而一阶微分方程的解恰是指数增长形式的解，因此我们可以认为序列满足下述一阶线性微分方程模型
(1-2)
我们利用离散差分方程的形式对上微分方程可以得到下矩阵形式：
(1-3)
简记
为：(1 -4)
式中；；
上述方程组中，和B 为已知量，A 为待定参数。可用最小二乘法得到最小二乘近似值。因此，式（1－4）可改写为
式中，E —误差项。
利用矩阵求导公式，可得
(1-5)
解得结果代入（2－2）中，我们可以得到
(1-6)
写成离散形式（令），得到GM(1,1)模型的时间响应函数
（K =1，
2，…） (1-7)
我们对其做累减还原，即可得到原始数列的灰色预测模型为：
（K =1，2，…）(1 -8) 将相关数据代入公式中进行运算，我们得到系数的具体值，即得到了具体的预测公式。
二、灰色模型精度的后验差检验：
对所建立的灰色预测模型，我们可以采用相应的后验差检验的方式进行预测数据的精度分析。
首先算得知残差平均值为
历史数据方差为
其中历史数据平均值为
残差方差为
后验差比值为
小误差概率为
最后，我们根据相关评判标准进行综合评定预测模型的小误差概率(P) 和后验差比值(C) .根据文献记载，我们一般可按下表五划分精度等级[5]。
预测精度好合格勉强不合格P>0.950.95：0.800.80：0.70<0.70
C<0.350.35：0.500.50：0.65>0.65
我们从灰色预测模型公式中可以看出，它是一个典型的指数增长的模型，在进行预测时，最近一年的预测结果应该是很精确的，但对后续几年的预测误差会逐渐增大，为了提高预测模型的广泛适用性，我们做出了如下的改进。
三、基于灰色预测的等维灰数递补模型
为了进一步提高模型的精度，在GM(1,1)灰色预测模型的基础上还可以做进一步的改进，使得预测结果更加的精确。
GM(1,1)模型中具有预测意义的数据仅仅是数据x(n)以后的前几个数据，随着时间的推移，老的数据越来越不适应新的情况，也就是说，老数据的信息意义将随时间的推移而降低。所以，要在原数据的基础上每次增加一个新信息时，就去掉一个老信息。这种新数据补充、老数据除掉的数据列，由于其维数不变，因而叫等维信息数据列，或称为新陈代谢数据列，相应的模型叫等维灰数递补模型，或叫新陈代谢模型。
设原始数列为:
置入新信息 , 去掉老信息 , 可构成新数列:
利用这一新数列建立的GM(1,1)模型,即为等维新息GM(1,1)模型。由于在实际中，信息处于不断的变化之中,具有很大的随机性, 虽然历史信息对预测时刻的具体值有一定的相关性和影响,但与预测时刻更接近的信息对于该时刻的预测结果更有价值。鉴于这种情况,可先用已知数列建立的GM(1,1)模型预测一个值, 然后补充一个新信息数据到已知数列中, 同时去掉最老的一个数据, 使序列等维, 接着再建立GM(1,1)模型,这样逐个滚动预测,依次递补,直到完成预测目标为止，通过此等维新息模型，我们再对具体问题进行预测，就可以得到更为精确的结果。
结束语
灰色预测模型能够根据现有的少量信息进行计算和预测，因而在人口、生态、农业、医学、工程技术、气象、水文及减灾等许多部门得到了广泛的应用，本文只是对灰色预测理论在数学建模中的应用做了基本的介绍，在实际应用中，它还有许多改进的理论，以及一些与其他理论结合使用的模型，如与人工神经网络组合的最优组合灰色神经网络预测模型，与模糊数学结合的灰色预测模糊控制理论，在实际应用中它们已取得了较好的效果。总之，灰色预测理论在数学建模及其它领域将会发挥很好的作用。
参考文献
[1] 熊和金，徐华中，《灰色控制》，北京：国防工业出版社，2005.9。
[2] 刘思峰,郭天榜.灰色系统理论及其应用.开封:河南大学出版社 1991.
灰色数学模型预测
灰色预测法: 统计学上是不是有一种预测方法叫灰色预测法比如预测地震等
灰色预测是就灰色系统所做的预测。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箱系统。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。
灰色预测一般有四种类型：1、数列预测；2、灾变预测；3、系统预测；4、拓扑预测。例：
我手上有2001-2007年的实际数值：57.55 、63.32 、76.4、71.31、85.55、 98.04、115.59，想通过灰色数学模型预测2008-2020年的预测值。
1.令序列X0（k）={57.55 、63.32 、76.4、71.31、85.55、 98.04、115.59}
2.通过一次累加得到X1（k）={57.55，57.55+6
3.32，57.55+63.32+76.4，……，
57.55+63.32+……+115.59}
3.然后有矩阵B=[-Z1(2),1; -Z1(3),1;-Z1(4),1;-Z1(5),1;],
Y=[X0（2）；X0（3）；X0（4）；X0（5）；]
其中Z1（k）= 0.5*（X1（k）+X1（k-1））;
4.待定系数矩阵[a;b]=inv(B'*B)*B'*Y,其中inv表示求逆，B'表示转置
5.得到X0（k+1）=（1-exp（a））*（X0（1）-b/a）*exp（-a*k）
取k=7，8，……，19可得预测值
以上只是计算过程，具体原理可以查阅相关论文。另外，可以考虑将X0（k）先做差分，对差分序列进行灰色预测后再还原。
125.73657 141.55648 159.36681 179.41801 201.99201 227.40621 256.01799 288.22963 324.49407 365.32123 411.28518 463.03222 521.28995
（注：本资料素材和资料部分来自网络，仅供参考。请预览后才下载，期待您的好评与关注！）
灰色预测法
灰色预测法 1.介绍 灰色预测就是灰色系统所做的预测，灰色系统理论是我国著名学者邓聚龙教授创立的一种兼具软硬科学特性的新理论。灰色系统的具体含义就是：部分信息已知，部分信息未知的某一系统。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有很多，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。 2.适用问题 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。比如说人口预测、气象预报、初霜预测、灾变预测（如地震时间的预测）、数列预测（如对消费物价指数的预测）。 灰色预测模型所需要的数据量比较少，预测比较准确，精确度比较高。样本分布不需要有规律性，计算简便，检验方便。灰色GM(1,1) 模型是指运用曲线拟合和灰色系统理论进行预测的方法，对历史数据有很强的依赖性，没有考虑各个因素之间的联系，所以误差偏大，只适合做中长期的预测，不适合长期预测。 3.数学方法核心步骤 3.1数据的检验与处理 首先，为了确保建模方法的可行性，需要对抑制数据作必要的检验处理，设参考数据为
(0)(0)(0)(0)((1),(2),...,())x x x x n =，计算数列的级比 (0)(0)(1)().2,3,...,() x k k k n x k λ-== 如果所有的级比()k λ 都在可容覆盖2 2 12(,)n n e e -++ 内，则数列(0)x 可以 作为模型GM(1,1)的数据进行灰色预测，否则，需要对(0)x 做必要地变换处理，使其落入可容覆盖内，即取适当的c ，做平移变换 (0)(0)()(),1,2,...,y k x k c k n =+= 则是数列(0)(0)(0)(0)()((1),(2),...,())y k y y y n =的级比 (0)(0)(1)(),2,3,...,() y y k k X k n y k λ-=∈= 3.2 建立模型 按照下面的办法建立模型GM （1,1） （1） 由上面的叙述知道参考数据列为(0)(0)(0)(0)((1),(2),...,())x x x x n =，对 其做一次累加（AGO ）生成数列(1)x (1)(1)(1)(1)(1)(1)(0)(1)(0)((1),(2),...,())((1),(1)(2),...,(1)())x x x x n x x x x n x n ==+-+ 其中(1) (0)1()()(1,2,...,)k i x k x i k n ===∑ 。求均值数列 (1)(1)(1)=0.5()0.5(1)z x k x k +-，k=2,3,...,n 则(1)(1)(1)((2),(3),...,n )z z z =（） 。于是建立灰微分方程为 (0)(1)()(),2,3,...,x k az k b k n +== 相应的白化微分方程为(1) (1)()dx dt ax k b += （2）记(1)(1)(0)(0)(0)(1)(2) 1(3) 1(,),((2),(3).,(),...() 1T T z z u a b Y x x x n B z n ??- ?- ?=== ? ? ?-?? ,则称Y
灰色预测模型的Matlab程序及检验程序(精)
灰色预测模型的Matlab 程序及检验程序 %灰色预测模型程序 clear syms a b; c=[a b]'; A=[46.2 32.6 26.7 23.0 20.0 18.9 17.5 16.3];% 原始序列 B=cumsum(A);%累加n=length(A); for i=1:(n-1) C(i)=(B(i)+B(i+1))/2; end %计算待定参数 D=A; D(1)=[]; D=D'; E=[-C; ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1); b=c(2); %预测往后预测5个数据 F=[];F(1)=A(1); for i=2:(n+5) F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end G=[];G(1)=A(1); for i=2:(n+5) G(i)=F(i)-F(i-1); end t1=2002:2009; t2=2002:2014; G plot(t1,A,'o',t2,G) %灰色预测模型检验程序 function [ q,c,p ] = checkgm( x0,x1 ) %GM 检验函数 %x0 原始序列
%x1 预测序列 %·返回值 % q –- 相对误差 % c -- ·方差比 % p -- 小误差概率 e0=x0-x1; q=e0/x0; s1=var(x0); %qpa=mean(e0); s2=var(e0); c=s2/s1; len=length(e0); p=0; for i=1:len if(abs(e0(i)) < 0.6745*s1) p=p+1; end end p=p/len; end
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[
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 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
灰色预测模型及应用论文
灰色系统理论的研究 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
灰色系统理论的研究 GM(1,1)预测与关联度的拓展 1、引言 模型按照对研究对象的了解程度可分为：黑箱模型、白箱模型、灰箱模型。黑箱模型：信息缺乏，暗，混沌。白箱模型：信息完全，明朗，纯净。灰箱模型：信息不完全，若明若暗，多种成分。 1.1、研究背景 1.1.1、国内研究现状 灰色系统理论在我国提出至今已有二十几年的历史，它的应用引起了人们的广泛兴趣，不论是我国粮食发展决策中总产量预测模型，还是对湖北2000年宏观经济的发展趋势的量化分析，抑或是河南人民胜利渠的最佳灌溉决策，还是武汉汉阳火车对火车装车吨位的预测等，无一不是灰色预测系统理论杰出的硕果。 1.1.2、国外研究现状 灰色系统理论在国际上也产生了很大的影响，IBM公司要求将灰色系统软件加入其为全球服务的管理软件库。目前英国、美国、德国、日本、澳大利亚、加拿大、奥地利、俄罗斯等国家、地区及国际组织有许多学者从事灰色系统的研究和应用。 国内外84所高校开设了灰色系统课程，数百名博士、硕士研究生运用灰色系统的思想方法开展学科研究，撰写学位论文。国际、国内200多种学术期刊发表灰色系统论文，许多会议把灰色系统列为讨论专题，SCI、EI、ISTP、SA、MR、MA等纷纷检索我国灰色论著。 1.2、研究意义 邓聚龙教授提出灰色系统有着重要的意义: (1) 是系统思维和系统思想在方法论上的具体体现; (2) 是科学方法论上的重大进展, 具有原创性的科学意义和深远的学术影响，是对系统科学的新贡献。 2、灰色系统及灰色预测的概念 2.1、灰色系统理论发展概况 2.1.1、灰色系统理论的提出 著名学者邓聚龙教授于20世纪70年代末、80年代初提出。
灰色预测模型matlab程序精确版
灰色预测模型matlab程序 %下面程序是灰色模型GM(1,1)程序二次拟合和等维新陈代谢改进预测程序,mat lab6.5 ,使用本程序请注明，程序存储为gm1.m %x = [5999,5903,5848,5700,7884];gm1(x); 测试数据 %二次拟合预测GM(1,1)模型 function gmcal=gm1(x) sizexd2 = size(x,2); %求数组长度 k=0; for y1=x k=k+1; if k>1 x1(k)=x1(k-1)+x(k); %累加生成 z1(k-1)=-0.5*(x1(k)+x1(k-1)); %z1维数减1，用于计算B yn1(k-1)=x(k); else x1(k)=x(k); end end %x1,z1,k,yn1 sizez1=size(z1,2); %size(yn1); z2 = z1'; z3 = ones(1,sizez1)'; YN = yn1'; %转置 %YN B=[z2 z3]; au0=inv(B'*B)*B'*YN; au = au0'; %B,au0,au
ufor = au(2); ua = au(2)./au(1); %afor,ufor,ua %输出预测的 a u 和 u/a的值 constant1 = x(1)-ua; afor1 = -afor; x1t1 = 'x1(t+1)'; estr = 'exp'; tstr = 't'; leftbra = '('; rightbra = ')'; %constant1,afor1,x1t1,estr,tstr,leftbra,rightbra strcat(x1t1,'=',num2str(constant1),estr,leftbra,num2str(afor1),tstr,r ightbra,'+',leftbra,num2str(ua),rightbra) %输出时间响应方程 %****************************************************** %二次拟合 k2 = 0; for y2 = x1 k2 = k2 + 1; if k2 > k else ze1(k2) = exp(-(k2-1)*afor); end end %ze1 sizeze1 = size(ze1,2); z4 = ones(1,sizeze1)'; G=[ze1' z4]; X1 = x1'; au20=inv(G'*G)*G'*X1; au2 = au20'; %z4,X1,G,au20
数学建模之灰色预测模型修订稿
数学建模之灰色预测模 型 WEIHUA system office room 【WEIHUA 16H-WEIHUA WEIHUA8Q8-
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 (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=-=
灰色预测法GM(1,1)总结
灰色预测模型 一、灰色预测的概念 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。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。 2. 灰色预测，是指对系统行为特征值的发展变化进行的预测，对既含有已知信 息又含有不确定信息的系统进行的预测，也就是对在一定范围内变化的、与时间序列有关的灰过程进行预测。尽管灰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，因此可以通过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。灰色预测是利用这种规律建立灰色模型对灰色系统进行预测。 二、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 三、GM （1，1）模型的建立 1. 数据处理 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。 i. 设()()()()()()()()(){} ,,, (00000) 123X X X X X n = 是所要预测的某项指标的原始 数据，计算数列的级比()() () (),,,,()00123X t t t n X t λ-==L 。如果绝大部分的级比都落在可容覆盖区间(,)22e e -++内， 则可以建立GM(1,1)模型且可以进行灰色
灰色预测模型matlab程序精确版
%x=[1019,1088,1324,1408,1601];gm1(x); 测试数据%二次拟合预测GM(1,1)模型 function gmcal=gm1(x) if nargin==0 x=[1019,1088,1324,1408,1601] end format long g sizex=length(x); %求数组长度 k=0; for y1=x k=k+1; if k>1 x1(k)=x1(k-1)+x(k); %累加生成 z1(k-1)=-0.5*(x1(k)+x1(k-1)); %z1维数减1，用于计算B yn1(k-1)=x(k); else x1(k)=x(k); end end %x1,z1,k,yn1 sizez1=length(z1); %size(yn1); z2 = z1'; z3 = ones(1,sizez1)'; YN = yn1'; %转置 %YN B=[z2 z3]; au0=inv(B'*B)*B'*YN; au = au0'; %B,au0,au afor = au(1); ufor = au(2); ua = au(2)./au(1); %afor,ufor,ua %输出预测的 a u 和 u/a的值 constant1 = x(1)-ua; afor1 = -afor; x1t1 = 'x1(t+1)'; estr = 'exp'; tstr = 't'; leftbra = '(';
rightbra = ')'; %constant1,afor1,x1t1,estr,tstr,leftbra,rightbra strcat(x1t1,'=',num2str(constant1),estr,leftbra,num2str(afor1),tstr,rightbra,'+ ',leftbra,num2str(ua),rightbra) %输出时间响应方程 %****************************************************** %二次拟合 k2 = 0; for y2 = x1 k2 = k2 + 1; if k2 > k else ze1(k2) = exp(-(k2-1)*afor); end end %ze1 sizeze1=length(ze1); z4 = ones(1,sizeze1)'; G=[ze1' z4]; X1 = x1'; au20=inv(G'*G)*G'*X1; au2 = au20'; %z4,X1,G,au20 Aval = au2(1); Bval = au2(2); %Aval,Bval %输出预测的 A,B的值 strcat(x1t1,'=',num2str(Aval),estr,leftbra,num2str(afor1),tstr,rightbra,'+',lef tbra,num2str(Bval),rightbra) %输出时间响应方程 nfinal = sizex-1 + 1;（其中+1可改为+5等其他数字，即可预测更多的数字） %决定预测的步骤数5 这个步骤可以通过函数传入 %nfinal = sizexd2 - 1 + 1; %预测的步骤数 1 for k3=1:nfinal x3fcast(k3) = constant1*exp(afor1*k3)+ua; end %x3fcast %一次拟合累加值 for k31=nfinal:-1:0 if k31>1 x31fcast(k31+1) = x3fcast(k31)-x3fcast(k31-1); else if k31>0
灰色系统预测
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 1
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 1
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。 1
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))]);
灰色预测法原理及解题步骤
灰色预测法原理及解题步骤 一、类型 数列预测——某现象随时间的顺延而发生的变化所做的预测 灾变预测——对发生灾害或异常突变时间可能发生的时间预测 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 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，然后建立模型预测未来该定值所发生的时点。 注意：使用方法前一定要在段前作一个引子，连接问题分析和数据特点，以下便是：通过对已知数据的分析，随着时间的变化，排污量一直呈增长趋势，并且增长的很快。在这里利用灰色预测模型对（）进行预测。通过对数据的分析，传统的数理统计预测方法往往需要足够多的数据，而本问题的数据给出的数据偏小，如果采用传统的方法误差太大。根据上述的特点可采用灰色预测模
型。 二、灰色预测具体步骤 1》检验处理数据，级比必须满足 A、如果不全属于，则要做必要的变换处理（如取适当的常数C，作平移变换），使其落入区域中。 B、若A不成立，则建立GM（1，1）模型 建立GM（1，1）模型 （1）一次累加生成数列AGO，（目的是弱化原始时间序列的随机性，增加其稳定程度） （2）求均值数列 （3）建立GM（1，1）模型相应的白化微分方程 其中：α称为发展灰数；μ称为内生控制灰数。 （4）求的参数估计a、b（最小二乘法）
（5）给出累加时间数列预测模型 （6）做差得到原始预测值 三、检验预测值 （1）残差检验 （2）级比偏差值检验 1》参考数据 计算出级比，再由发展系数a，求出相应级比偏差
若ρ（k）<0.2,则达到一般要求;若ρ（k）<0.1,则效果好程序实现： 采用EXCEl的方法实现灰色预测。 2013-2-2 于北华大学 电子 宋方雷
灰色预测模型的MATLAB 程序及检验程序
灰色预测模型的Matlab程序及检验程序%灰色预测模型程序 clear syms a b; c=[a b]'; A=[46.232.626.723.020.018.917.516.3];%原始序列B=cumsum(A);%累加 n=length(A); for i=1:(n-1) C(i)=(B(i)+B(i+1))/2; end %计算待定参数 D=A; D(1)=[]; D=D'; E=[-C;ones(1,n-1)]; c=inv(E*E')*E*D; c=c'; a=c(1); b=c(2); %预测往后预测5个数据 F=[];F(1)=A(1); for i=2:(n+5) F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a; end G=[];G(1)=A(1); for i=2:(n+5) G(i)=F(i)-F(i-1); end t1=2002:2009; t2=2002:2014; G plot(t1,A,'o',t2,G) %灰色预测模型检验程序 function[q,c,p]=checkgm(x0,x1) %GM检验函数 %x0原始序列 %x1预测序列 %·返回值
%q–-相对误差 %c--·方差比 %p--小误差概率 e0=x0-x1; q=e0/x0; s1=var(x0); %qpa=mean(e0); s2=var(e0); c=s2/s1; len=length(e0); p=0; for i=1:len if(abs(e0(i))<0.6745*s1) p=p+1; end end p=p/len; end 等级相对误差q方差比C小误差概论P I级<0.01<0.35>0.95 II级<0.05<0.50<0.80 III级<0.10<0.65<0.70 IV级>0.20>0.80<0.60
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
灰色预测模型matlab程序精确版
灰色预测模型matlab程序 灰色模型预测是在数据不呈现一定规律下可以采取的一种建模和预测方法，其预测数据与原始数据存在一定的规律相似性 %下面程序是灰色模型GM(1,1)程序二次拟合和等维新陈代谢改进预测程序,mat lab6.5 ,使用本程序请注明，程序存储为gm1.m %x = [5999,5903,5848,5700,7884];gm1(x); 测试数据 %二次拟合预测GM(1,1)模型 function gmcal=gm1(x) sizexd2 = size(x,2); %求数组长度 k=0; for y1=x k=k+1; if k>1 x1(k)=x1(k-1)+x(k); %累加生成 z1(k-1)=-0.5*(x1(k)+x1(k-1)); %z1维数减1，用于计算B yn1(k-1)=x(k); else x1(k)=x(k); end end %x1,z1,k,yn1 sizez1=size(z1,2); %size(yn1); z2 = z1'; z3 = ones(1,sizez1)'; YN = yn1'; %转置 %YN B=[z2 z3]; au0=inv(B'*B)*B'*YN;
%B,au0,au afor = au(1); ufor = au(2); ua = au(2)./au(1); %afor,ufor,ua %输出预测的 a u 和 u/a的值 constant1 = x(1)-ua; afor1 = -afor; x1t1 = 'x1(t+1)'; estr = 'exp'; tstr = 't'; leftbra = '('; rightbra = ')'; %constant1,afor1,x1t1,estr,tstr,leftbra,rightbra strcat(x1t1,'=',num2str(constant1),estr,leftbra,num2str(afor1),tstr,r ightbra,'+',leftbra,num2str(ua),rightbra) %输出时间响应方程 %****************************************************** %二次拟合 k2 = 0; for y2 = x1 k2 = k2 + 1; if k2 > k else ze1(k2) = exp(-(k2-1)*afor); end end %ze1 sizeze1 = size(ze1,2); z4 = ones(1,sizeze1)'; G=[ze1' z4]; X1 = x1'; au20=inv(G'*G)*G'*X1;
灰色预测与决策
灰色预测与决策 灰色系统中的预测与决策部分主要包括序列算子生成； GM 预测模型即GM(1,1)，GM(1，N),GM(0，N),GM(2,1),Verhulst 及GM(r,h)模型和离散灰色模型等；灰色系统预测；灰色关联 分析；灰色聚类评估；灰色决策模型等内容。 我们知道灰色系统理论是研究少数据，贫信息不确定性 问题的新方法，是通过对原始数据的挖掘、整理中寻求其变 化规律。而且传统的GM(1,1)模型利用的数据是近指数，低 增长的数据，所以就需要我们对数据进行处理。这里可以用 缓冲算子、初值化生成算子、均值化生成算子、区间值化生 成算子减少干扰或函数变换即对数变换、平移变换、开方变 换、余弦函数变换、正切函数变换、负指数函数变换、幂函 数变换、中心位似函数变换等缩小级比偏差，使数据适于建 模。 1、灰色预测部分: 1)、数据经过以上的处理后，基本适于建模，传统的预 测模型有GM(1,1)模型，其原始形式如下： ()()b k ax k x =+)()(10， 其基本形式如下： ()()b k az k x =+)()(10， 此方程是用均值()()k z 1代替()()k x 1，使得数据更平滑，其中 ()()()()()()k x k x k z 111121)(+-=，叫做方程的背景值，-a 是发展系数， b 是灰作用量。这里的 a,b 是利用最小二乘法求出来的。
白化方程为：() ()b k ax dt dx =+)(11 时间响应函数为： ()()()()a b e a b x t x t a +??? ??-=--1111)( 时间响应序列为：() ()()a b e a b x k x ak +??? ??-=+-∧1)1(01 还原值是：()()()()() ()()()()ak a e a b x e k x k x k x -∧∧∧??? ??--=-+=1110110 模型的求解是先用最小二乘法将a,b 求出，再利用白化微分方程求出解。而将白化方程还原为基本模型的形式时，会出现误差，即用() ()k z 1代替()?-k k dt x 11出现的误差，很多学者在此基础上提出了许多优化模型。 在实际应用与理论研究过程中，人们对GM(1,1)模型进行了诸多改进。按照改进对象来划分，主要有两大类：一是对灰色微分方程的背景值优化；二是对GM(1,1)模型白化微分方程的响应式的优化。 谭冠军从背景值()()k z 1的几何意义出发，首次提出GM(1,1)模型的背景值优化，给出一个新的背景值计算公式，提高了模型精度，并且能较好地适应非等间距序列建模。现在对背景值的优化，主要是把背景值中的一次累加生成序列进行均 值生成改为线性插值生成，即用 ()()()()()()()k x k x k z 11111?-+-?=代替原来的均值计算公式。而罗党等给出一种背景值优化的新方式，即用齐次指数函数来拟合一次累加生成序列，提出了一
灰色预测法简述
运用灰色预测法测算我市“十一五”时期 人才数量 一、基本原理 系统是指相互依赖的两个或两个以上要素所构成的具有特定功能的有机整体。系统可以根据其信息的清晰程度，分为白色、黑色和灰色系统。白色系统是指信息完全清晰可见的系统；黑色系统是指信息完全未知的系统；灰色系统是介于白色和黑色系统之间的系统，即部分信息已知、部分信息未知的系统。宇宙间大量存在的是灰色系统，严格的说，灰色系统是绝对的，而白色和黑色系统则是相对的。 运用灰色系统理论、通过建立灰色模型所进行的预测即为灰色预测。对经济、社会、农业等系统的预测属于本征性灰色系统的预测。因为这类系统没有物理原型，不清楚系统的作用机制，很难判断信息的完备性，难以对系统关系、结构作精确描述，人们只能凭逻辑推理、凭某种观念意识、凭某种准则对系统的结果、关系进行论证，然后再建立某种模型，这些模型充其量只能看作是原系统的代表、同构。 灰色系统不同于模糊系统，模糊系统内涵明确而外延模糊，灰色系统外延明确而内涵不为人们所掌握；灰色系统是基于关联度收敛原理、生成数、灰导数、灰微分方程等的观点和方法，通过建立灰色方程型模型所进行的预测，它具有如下的特点：
（一）灰色模块建模，而不直接用原始数据序列。在建模前，先对原始数据进行整理和处理，使之呈现一定的规律性，这种方法叫做生成；经过一定方式生成的新序列称之为“模块”这样做的目的是为了消除原始序列的随机性，使上下波动的时间序列转变成单调升、并带有线性或指数规律的序列。 （二）建立微分方程的动态模型。这种建模方法为本征性灰色系统的实体化、物理化找到了途径，把自然科学的试验手段移植到抽象系统。 （三）关联分析代替回归分析。灰色系统主张按机理、按发展变化态势作特征分析，按发展态势建立关联的测度，研究关联序，以研究生成函数的逼近度、检验预测精度等。 二、灰色简单模型 现行的比较常用的灰色模型有：灰色简单模型、灰色新还原模型、灰色残差模型、灰色新还原残差模型、DGM模型和费尔哈斯模型。人才发展会受到不确定因素的影响，且人才在发展中部分信息是已知的，部分信息是未知的。所以，可以采用灰色模型预测分析“十一五”期间的北京人才数量情况。以下先介绍最简单的也最常用的灰色模型，即灰色简单模型，简称为GM（1，1）模型。 （一）灰色微分方程 在介绍一般的灰色模型前，我们先介绍灰色微分方程。