灰色系统理论总结
8.2道路交通事故Verhulst预测模型
在实际问题中，常遇到原始数据本身呈S形的过程，这时，可取原始数据为x(1)，其一次累减生成（1—IAGO）为x(0)，建立Verhulst模型，直接对x(1)进行预测（模拟）。现以中国道路交通事故死亡人数为例，建立交通事故死亡人数Verhualst预测模型。
倍数变换
归一化变换
极差最大值化变换
区间值化变换
2.2关联分析
关联系数
分辨系数
关联度
例1通过对某健将级女子铅球运动员的跟踪调查，获得其1982年至1986年每年最好成绩及16项专项素质和身体素质的时间序列资料，见表2，试对此铅球运动员的专项成绩进行因素分析。
§3优势分析
当参考数列不止一个，被比较的因素也不止一个时，则需进行优势分析。
§1灰色系统概论
灰色系统理论提出了一种新的分析方法—关联度分析方法，即根据因素之间发展态势的相似或相异程度来衡量因素间关联的程度，它揭示了事物动态关联的特征与程度。
灰色系统理论建模的主要任务是根据具体灰色系统的行为特征数据，充分开发并利用不多的数据中的显信息和隐信息，寻找因素间或因素本身的数学关系。通常的办法是采用离散模型，建立一个按时间作逐段分析的模型。
加等等。这里主要介绍累加生成。
4.2累减生成
4.3均值生成
§5灰色模型GM
灰色系统理论是基于关联空间、光滑离散函数等概念定义灰导数与灰微分方程，进而用离散数据列建立微分方程形式的动态模型，由于这是本征灰色系统的基本模型，而且模型是近似的、非唯一的，故这种模型为灰色模型，记为GM（Grey Model），即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。
6.4灰色预测计算实例
例4北方某城市1986～1992年道路交通噪声平均声级数据见表6
表6市近年来交通噪声数据[dB(A)]
§7 SARS疫情对某些经济指标影响问题
7.1问题的提出
试根据这些历史数据建立预测评估模型，评估2003年SARS疫情给该市的商品零
售业、旅游业和综合服务业所造成的影响。
7.2模型的分析与假设
§2关联分析
作为一个发展变化的系统，关联分析实际上是动态过程发展态势的量化比较分析。所谓发展态势比较，也就是系统各时期有关统计数据的几何关系的比较。
2.1数据变换技术
为保证建模的质量与系统分析的正确结果，对收集来的原始数据必须进行数据变换和处理，使其消除量纲和具有可比性。
初值化变换
均值化变换
百分比变换
10.1 GM(1, N)模型
10.2 GM(0, N)模型
§11总结
灰色预测法与传统统计方法的比较见表22。
表22传统统计方法与灰色预测法的比较
江枫渔火 8:50:23 PM
灰色模型主要用于少量数据的预测，多了就误差很大；这与迭代误差传播有关只能预测较近的数据。
做预测的时候，预测的时间长了，误差就大。
7.3建立灰色预测模型GM(1,1)
7.4模型的求解
7.5模型的结果分析
§8道路交通事故灰色Verhulst预测模型[43]
灰色预测是通过原始数据的处理和灰色模型的建立，发现和掌握系统发展规律，对系统的未来状态作出科学的定量预测。目前应用较多的灰色预测模型是GM(1,1)模型、灰色马尔可夫预测模型等，可用于预测交通事故发生次数、死亡人数、受伤人数和财产损失等指标。GM(1,1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程。但是道路交通系统是一个动态的时变系统，道路交通事故作为道路系统的行为特征量，具有一定的随机波动性，它的发展呈现某种变化趋势的非平稳随机过程，因此可建立交通事故灰色马尔可夫预测模型，以提高预测精度。但灰色马尔可夫预测模型的应用难点是如何进行状态划分，故对于非单调的摆动发展序列或具有饱和状态的S形序列，Verhulst模型，GM(2,1)模型等更适用。Verhulst模型主要用来描述具有饱和状态的过程，即S形过程，常用于人口预测、生物生长、繁殖预测及产品经济寿命预测等。今年来中国道路交通事故表现为具有饱和状态的S形过程，故可采用Verhulst模型对其进行预测。
灰色系统理论及其应用
客观世界的很多实际问题，其内部的结构、参数以及特征并未全部被人们了解，人们不可能象研究白箱问题那样将其内部机理研究清楚，只能依据某种思维逻辑与推断来构造模型。对这类部分信息已知而部分信息未知的系统，我们称之为灰色系统。本章介绍的方法是从灰色系统的本征灰色出发，研究在信息大量缺乏或紊乱的情况下，如何对实际问题进行分析和解决。
§9 GM(2,1)和DGM模型
GM(1,1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程，对于非单调的摆动发展序列或有饱和的S形序列，可以考虑建立GM(2,1)，DGM和Verhulst模型。
9.1 GM(2,1)模型
9.2 DGM(2,1)模型
§10 GM(1, N)和GM(0, N)模型
灰色预测在工业、农业、商业等经济领域，以及环境、社会和军事等领域中都有广泛的应用。特别是依据目前已有的数据对未来的发展趋势做出预测分析。
6.1灰色预测的方法
6.2灰色预测的步骤
1．数据的检验与处理
2．建立模型
3．检验预测值
（1）残差检验
（2）级比偏差值检验
4．预测预报
6.3灾变预测
上限灾变数列、下限灾变数列
5.1 GM(1,1)模型
5.2 GM(1, N)模型
§6灰色预测
灰色预测是指利用GM模型对系统行为特征的发展变化规律进行பைடு நூலகம்计预测，同时也可以对行为特征的异常情况发生的时刻进行估计计算，以及对在特定时区内发生事件的未来时间分布情况做出研究等等。这些工作实质上是将“随机过程”当作“灰色过程”，“随机变量”当作“灰变量”，并主要以灰色系统理论中的GM(1,1)模型来进行处理。
得到一个关联矩阵R，然后进行分析。
§4生成数
4.1累加生成
灰色系统理论把一切随机量都看作灰色数—即在指定范围内变化的所有白色数的
全体。对灰色数的处理不是找概率分布或求统计规律，而是利用数据处理的办法去寻找
数据间的规律。通过对数列中的数据进行处理，产生新的数列，以此来挖掘和寻找数的
规律性的方法，叫做数的生成。数的生成方式有多种：累加生成、累减生成以及加权累
（7）模型精度检验。一个灰色模型要经过检验才能判定其是否合理。只有通过检
验的模型才能用来进行预测。检验方法有以下几种。
1残差合格模型
②关联度合格模型
③均方差比合格模型
④小误差概率合格模型
8.3预测结果比较
8.4结语
道路交通安全系统是一个灰色系统，可以应用灰色系统理论进行研究和分析，其中灰色预测模型和方法简便易用，在交通事故预测中得到了较多应用。GM(1,1)模型适用于具有较强指数规律的序列，只能描述单调的变化过程，而Verhulst模型则适用于非单调的摆动发展序列或具有饱和状态的S形序列。
灰色系统理论在环境评估中的应用分析
灰色系统理论在环境评估中的应用分析引言：随着环境污染和资源浪费的日益严重，环境评估成为我们认识、改善和保护环境的重要手段之一。
在环境评估过程中，我们需要对各种因素进行全面、准确的分析与评价。
灰色系统理论作为一种新颖的分析方法，具有适用于不确定和不完全信息的特点，逐渐引起环境评估领域的关注与应用。
本文将通过分析灰色系统理论在环境评估中的应用，探讨其优势和局限性，并展望未来的发展。
一、灰色系统理论概述灰色系统理论是由我国科学家陈纳言教授于1982年提出的，是一种处理灰色信息的系统方法。
灰色信息是指知识、数据或信息不完全、不确定的情况下所获得的信息。
灰色系统理论通过数学和统计方法，将灰色信息转化为可分析的模型，从而实现对信息的预测、决策和优化。
灰色系统理论具有简单、快速、灵活、经济等特点，被广泛应用于工程、经济、环境、社会等领域。
二、灰色系统理论在环境评估中的应用1. 环境质量评估环境质量评估是对某一特定环境区域内的污染状况进行全面评估的过程。
灰色系统理论可以有效地处理环境质量评估中存在的不完全信息和不确定性。
通过对已知的环境因素进行建模和分析，可以预测环境变量的发展趋势，评估环境质量的变化情况，并提出预警措施。
例如，在城市环境质量评估中，可以利用灰色系统理论预测空气质量、水质指标等，并为城市管理部门提供决策依据。
2. 环境风险评估环境风险评估是对自然环境或人类活动可能引发的危害和风险进行定量评估的过程。
灰色系统理论可以有效地处理环境风险评估中的不确定性和复杂性。
通过对已知的环境影响因素进行建模和分析，可以预测环境风险的发展趋势，并进行等级评估。
例如，在土壤污染风险评估中，可以利用灰色系统理论分析土壤样本中的有害物质含量、地下水流动速度等因素，评估土壤污染的程度和风险，并制定相应的修复和监控对策。
3. 环境绩效评估环境绩效评估是对某一特定组织、企业或行业在环境保护和可持续发展方面的表现进行评估的过程。
灰色系统理论简介
通过灰色关联分析等法，研究社会问题的内在关联和影响因素，为解决社会 问题提供思路。
环境领域
气候变化预测
利用灰色系统理论对气候数据进行处理和分析，预测未来气候变化趋势，为应对气候变化提供依据。
环境污染评估
通过构建灰色预测模型，评估环境质量状况和污染发展趋势，为环境治理提供参考。
农业领域
行预测，为空气污染防治提供决策支持。
案例三：灰色系统理论在农业生产中的应用
总结词
利用灰色关联分析和灰色预测模型指导农业生产，提 高农业产量和经济效益。
详细描述
农业生产是一个复杂的系统，受到多种因素的影响， 而灰色系统理论可以为农业生产提供有效的指导。通 过灰色关联分析和灰色预测模型，可以分析农业系统 中各因素之间的关联程度和未来发展趋势，为农业生 产提供科学依据。例如，在农作物种植中，可以利用 灰色系统理论分析气候、土壤等因素对农作物生长的 影响，制定合理的种植计划，提高农业产量和经济效 益。
灰色关联分析的优势在于 它能够处理不完全信息， 对数据量要求不高，且计 算简单。
ABCD
它通过比较各因素之间的 相似度，量化它们之间的 关联程度，从而为决策提 供依据。
在实际应用中，灰色关联 分析广泛应用于经济、社 会、工程等多个领域。
灰色预测模型
01
灰色预测模型是灰色系统理论中 用于预测未来发展趋势的方法。
发展历程
灰色系统理论经过多年的研究和发展，已经广泛应用于各个领域， 包括经济、管理、社会、环境等。
未来展望
随着信息技术和大数据的不断发展，灰色系统理论将会在更广泛的 领域得到应用和发展，同时也将面临更多的挑战和机遇。
02
灰色系统理论的核心概 念
灰色关联分析
灰色系统理论概述
灰色系统理论概述一、本文概述本文旨在对灰色系统理论进行全面的概述和探讨。
灰色系统理论，作为一种专门研究信息不完全、不明确、不确定系统的新兴学科，自其诞生以来，已经在众多领域，如经济管理、预测决策、生态环保等，展现出其独特的优势和强大的应用价值。
本文首先简要介绍了灰色系统理论的基本概念、发展历程和主要特点，然后详细阐述了灰色系统理论的核心内容，包括灰色预测、灰色决策、灰色关联分析等方面。
本文还将对灰色系统理论的应用领域和前景进行展望，以期能够为广大读者提供一个全面、深入的灰色系统理论概述，并激发更多学者和研究人员对该领域的兴趣和探索。
二、灰色系统理论的基本原理灰色系统理论是一种专门研究信息不完全、不明确的系统的理论。
它的基本原理主要包括灰色关联分析、灰色预测模型和灰色决策等。
这些原理的核心思想是利用已知信息，通过灰色理论的处理方法，挖掘系统的内在规律，从而实现对系统的有效描述和预测。
灰色关联分析是灰色系统理论中的一种重要方法。
它通过计算系统中各因素之间的关联度，揭示因素之间的内在联系和动态变化过程。
这种方法对于处理信息不完全、数据不规则的系统尤为有效，能够帮助我们更好地理解系统的结构和行为。
灰色预测模型是灰色系统理论的另一个核心原理。
它利用少量的、不完全的信息，通过建立灰色微分方程或灰色差分方程，实现对系统发展趋势的预测。
灰色预测模型具有预测精度高、计算简便等优点，广泛应用于经济、社会、工程等多个领域。
灰色决策是灰色系统理论在决策领域的应用。
它通过分析决策问题中的灰色信息，结合灰色关联分析和灰色预测模型等方法，为决策者提供科学、合理的决策依据。
灰色决策注重决策过程的系统性和整体性，有助于提高决策的科学性和准确性。
灰色系统理论的基本原理包括灰色关联分析、灰色预测模型和灰色决策等。
这些原理为我们提供了一种全新的视角和方法来理解和处理信息不完全、不明确的系统。
通过运用这些原理，我们可以更好地揭示系统的内在规律，实现对系统的有效描述和预测，为决策和实践提供有力支持。
灰色系统理论介绍
灰色系统理论介绍1）两个概念：累加法生成数（AGO ）和累减法生成数（IAGO ）（1）累加法生成数1-AGO 指一次累加生成。
记原始序列为{}(0)(0)(0)(0)(1),(2),...,()X x x x n = 一次累加生成序列为 {}(1)(1)(1)(1)(1),(2),...,()X x x x n =其中， (1)(0)(1)(0)0()()(1)()k i x k x i x k x k ===-+∑（2）累减生成数（IAGO ）是累加生成的逆运算。
记原始序列为{}(1)(1)(1)(1)(1),(2),...,()X x x x n = 一次累减生成序列为 {}(0)(0)(0)(0)(1),(2),...,()X x x x n = 其中， (0)(1)(1)()()(1)x k x k x k =--规定(1)(0)0x = 2）GM （1，1）模型符号的含义：表示一阶、一个变量的灰色系统模型。
令(0)X表示需要建模的序列，(1)X 为(0)X 的1-AGO 序列，则有(1)(0)0()()k i x k x i ==∑ 定义(1)Z 为(1)X 的紧邻均值（MEAN ）生成序列：(1)(1)(1)()(1)()2x k x k z k +-=则可建立如下灰微分方程：(0)(1)()()x k az k b += 记(,)Ta b a ∧=，则灰微分方程的最小乘估计参数列满足下式：1()T T n B B B Y a∧-=其中，(1)(1)(1)(2)1(3)1()1z B z z n ⎛⎫- ⎪=- ⎪ ⎪-⎝⎭ (1)(1)(1)(2)(3)...(4)n x x Y x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦ 称(1)(1)dx ax b dt +=为微分方程(0)(1)()()x k az k b +=的白化方程，也称为影子方程。
综上所述，则有（1）白化方程(1)(1)dx ax bdt +=的解也称为时间响应函数：(1)(1)()((0))at b b t x e a a x ∧-=-+（2）GM （1，1）灰色微方程(0)(1)()()x k az k b +=的时间相应序列为(1)(1)(1)(0)ak b b k x e a a x ∧-⎡⎤+=-+⎢⎥⎣⎦，k=1，2，3…n （3）取(1)(0)(0)(1)x x =，则有 (1)(0)(1)(1)ak b b k x e a a x∧-⎡⎤+=-+⎢⎥⎣⎦，k=1，2，3…n （4）将值还原得到 (0)(1)(1)(1)(1)()k k k x x x ∧∧∧+=+- 上式即为预测方程。
灰色系统理论及其应用学习心得
灰色系统理论及其应用学习心得1.灰色系统理论的产生现代科学技术在高度分化的基础上又呈现了高度综合的大趋势，导致了具有方法论意义的系统科学学科群的出现。
系统科学揭示了事物之间更为深刻、更具本质性的内在联系，大大促进了科学技术的整体化进程；许多科学领域中长期难以解决的复杂问题随着系统科学新学科的出现迎刃而解；人们对自然界和客观事物演化规律的认识也由于系统科学新学科的出现而逐步深化。
20 世纪 40 年代末诞生的系统论、信息论、控制论，产生于20 世纪60 年代末、70 年代初的耗散结构理论、协同学、突变论、分形理论以及 70 年代中后期相继出现的超循环理论、动力系统理论、泛系理论等都是具有横向性、交叉性的系统科学新学科。
在系统研究中，由于内外扰动的存在和认识水平的局限，人们所得到的信息往往带有某种不确定性。
随着科学技术的发展和人类社会的进步，人们对各类系统不确定性的认识逐步深化，不确定性系统的研究也日益深入。
20 世纪后半叶，在系统科学和系统工程领域，各种不确定性系统理论和方法的不断涌现形成一大景观。
如扎德（L. A. Zadeh）教授于60年代创立的模糊数学，邓聚龙教授于 80 年代创立的灰色系统理论，帕拉克（Z. Pawlak）教授于 80 年代创立的粗糙集理论（Rough Sets Theory）和王光远教授于 90年代创立的未确知数学等，都是不确定性系统研究的重要成果。
这些成果从不同角度、不同侧面论述了描述和处理各类不确定性信息的理论和方法。
1982年，中国学者邓聚龙教授创立的灰色系统理论，是一种研究少数据、贫信息不确定性问题的新方法。
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”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。
社会、经济、农业、工业、生态、生物等许多系统，是按照研究对象所属的领域和范围命名的，而灰色系统确是按颜色命名的。
[数学]灰色系统理论
![[数学]灰色系统理论](https://360docs-1393072327.cos.ap-beijing.myqcloud.com/d71ec270a4e9856a561252d380eb6294dd882228.webp)
灰色系统理论进行关联分析的两种方法：一 根 据数据的几何关系分析法；二 利用关联公式分析法
生成数的生成方法
生成方法 一次累加
应用相关 时间
一次累减
时间
均值生成
得 Xˆ 0 ( Xˆ 0 (1), Xˆ 0 (2), Xˆ 0 (3), Xˆ 0 (4), Xˆ 0 (5))
(2.8740, 3.2320, 3.3545, 3.4817, 3.6136)
对比原数据
X0=( x0(1), x0(2), x0(3), x0(4), x0(5) )
=( 2.874, 3.278, 3.337, 3.390, 3.679 )
3．检验预测值
4．预测预报 由模型 GM(1,1)所得到的指定时区内的预测值，
根据实际问题的需要，给出相应的预测预报。
定义 设原始数据序列
X 0 ( x0 (1), x0 (2), , x0 (n))
相应的预测模型模拟序列:
X0
x0
1 , x0
2,
残差序列:
x0
n
0 0 1 , 0 2 , 0 n
b a
85.276151e0.0372k
82.402151
第五步：求X1的模拟值
X 1 (x1 (1), x1 (2), x1 (3), x1 (4), x1 (5)) (2.8704,6.1060,9.4605,12.9422,16.5558)
第六步：还原出 X0 的模拟值，由 Xˆ0(k) Xˆ1(k) Xˆ1(k 1)
主要内容
灰色系统理论及其应用
5 灰色模型
5.1 GM(1,1) 模型
将时刻 k 2,3,, n 视为连续变量t 则数列 x(1) 就可视为时间 t 的函数，x(1) x(1) (t) GM(1,1) 的白化型为：
dx(1) ax(1) (t) b dt
5 灰色模型
5.2 GM(1, N)模型
GM (1, N) ：模型是一阶的，包含N个变量的灰色模型
x(1) 的灰导数为： d (k) x(0) (k) x(1) (k) x(1) (k 1), k 2,3,, n
5 灰色模型
5.1 GM(1,1) 模型
x(1) 的紧邻均值序列为： z(1) (z(1) (2), z(1) (3),, z(1) (n))
z(1) (k) 0.5x(1) (k) 0.5x(1) (k 1), k 2,3,, n
1 n
n
( k
k 1
)2
6 灰色预测
6.2 灰色预测的步骤
（5）小误差概率合格模型： 小误差概率为：
p P k 0.67445S1
给定 p0 0, p p0 称模型为小误差概率合格模型
6 灰色预测
6.2 灰色预测的步骤
常用精度等级：
6 灰色预测
6.3 Verhulst GM (2,1) DGM
2 2
可容覆盖区域：(e n1 , e n2 )
2 2
(k ) (e n1 , e n2 )
6 灰色预测
6.2 灰色预测的步骤
1.数据的检验与处理：
2 2
(k ) (e n1 , e n2 )
2 2
(k ) (e n1 , e n2 )
数据列可用为模型的预测数据 数据列需进行变换处理
平移变换
灰色系统理论及其应用
灰色预测的步骤
灰色预测实例
预测对象：特种机器人研究室周总结 与计划未交人数。 周次 未交 人数 1 18 2 13 3 6 4 10 5 6
（8.1-8.15） （8.16-8.31） （9.1-9.15） （9.15-9.27） （9.28-10.11）
第一步 数据的检验与处理
x
(0)
(18,13, 6,10, 6)
六、灰色系统的应用
1、灰色系统在爬绳机器人上的应用 作为高空作业机器人,为了保证其运行可靠性,从 安全的角度要求对其气压系统工作可靠性进行预测, 确保系统安全。由于爬绳机器人工作过程状态可靠 性(主要对气源压力变化状态)具有一定的模糊灰色性, 采用传统预测方法很难对其进行较好的评价。
拟利用模糊灰色理论方 法对爬绳机器人工作可靠性 (主要对气源压力变化状态) 进行预测,即通过对系统气体 压力变化速率的分析, 通过置信度对系统可靠 性进行预测,根据气压变化对 空气压缩机进行控制,以保证 机械手与绳索之间有可靠夹 紧力。
7、关联分析： 灰色理论提出的灰关联度分析方法，是基于行 为因子序列的微观或宏观几何接近，以分析和确定 因子间的影响程度或因子对甚主行为的贡献测度而 进行的一种分析方法。灰关联是指事物之间的不确 定性关联，或系统因子与主行为因子的不确定性关 联，它根据因素之间发展态势的相似或相异程度来 衡量因素间的关联程度。由于关联度分析是按发展 趋势作分析，因而对样本量的大小没有太高的要求。 分析时也不需要典型的分布规律。而且分析的结果 一般与定性分析相吻合，具有广泛的实用价值。
五、识无穷尽公理，灰性不灭原理，自性相对原理, 解的非唯一性、信息可补充性等。 灰生成: 如层次转换,互补规律引用,内涵显露与转化、量化。 灰关联: 建立整体比较机制,克服两两比较的局限性。吸收 距离空间的量化特性,吸收点集拓扑空间的整体比较内 涵,升华成为灰关联空间。在灰关联空间中,可辨别系统 因子的权重,确定因子的序化关系,划分系统主行为。
第6章 灰色系统理论
为
因素 X i 的行为序列， D4 为序列算子，且
X i D4 ( xi (1)d4 , xi (2)d4 , , xi (n)d4 )
其中
xi (k )d4 1 xi (k ); k 1,2,, n
则称 D4 为逆化算子， X i D4 为 X i 在逆化算子 ，简称逆化像。
D4 下的像
, z (1) n
1 (1) (1) z k x (k ) x (k 1) 2
(1)
例
对于
X
(0)
(1,1,1,1,1) ，有
AGO X (0) X (1) (1, 2,3, 4,5)
Z (1) z (1) (1), z (1) (2), z (1) (3), z (1) (4)
xi (k )d1 xi (k ) / xi (1); k 1,2, , n
则称 D1 为初值化算子， X i 为原像，X i3.1.3 设
X i ( xi (1), xi (2),
, xi (n))
为因素 X i
的行为序列， D2 为序列算子，且
概率统计 随机不确定 康托集 映射 频率统计 典型分布 内涵 历史统计规律 大样本
模糊数学 认知不确定 模糊集 映射 截集 隶属度可知 外延 认知表达 凭经验
模糊数学着重研究“认知不确定”问题，其 研究对象具有“内涵明确，外延不明确”的特点。 主要凭借经验，借助于隶属函数进行处理。 概率统计研究的是“随机不确定”现象的历 史统计规律，考察具有多种可能发生的结果之 “随机不确定”现象中每一种结果发生的可能性 的大小，其出发点是，大样本，且对象服从某种 典型分布。 灰色系统研究的是“部分信息明确，部分信 息未知”的“小样本，贫信息”不确定性系统， 它通过对已知“部分”信息的生成去开发了解、 认识现实世界。着重研究“外延明确，内涵不明 确”的对象。例如：2050年中国人口控制在15亿 到16亿之间、树高在20米至30米。
灰色系统理论
灰色系统理论简单介绍灰色系统法理论就是某一个系统内部各个因素之间的关系不是非常的明确。
例如：在农业生产中，生产作物的生长情况与农药、土壤以及气候等条件之间的关系。
我们对于这一系统内这些因素之间的关系不是非常的了解，所以这就叫作一个灰色系统。
灰色系统理论提出了一种新的分析方法—关联度分析方法，即根据因素之间发展态势的相似或相异程度来衡量因素间关联的程度，它揭示了事物动态关联的特征与程度。
由于以发展态势为立足点，因此对样本量的多少没有过分的要求，也不需要典型的分布规律，计算量少到甚至可用手算，且不致出现关联度的量化结果与定性分析不一致的情况。
灰色系统理论建模的主要任务是根据具体灰色系统的行为特征数据，充分开发并利用不多的数据中的显信息和隐信息，寻找因素间或因素本身的数学关系。
通常的办法是采用离散模型，建立一个按时间作逐段分析的模型。
但是，离散模型只能对客观系统的发展做短期分析，适应不了从现在起做较长远的分析、规划、决策的要求。
尽管连续系统的离散近似模型对许多工程应用来讲是有用的，但在某些研究领域中，人们却常常希望使用微分方程模型。
事实上，微分方程的系统描述了我们所希望辨识的系统内部的物理或化学过程的本质。
相关理论对因素间关联度的分析：对数据进行变换取消数据的纲量，使数据具有可比性，以保证建模的质量。
对数据变换的方法有：1、初值化变换 f(x(k))==y(k), k=1,2,…,n ()(1)x k x 2、均值化变换 f(x(k))=1()1(),()nk x k y k x x k n x===∑3、百分比变换 ()(())()()max kx k f x k y k x k ==4、倍数变换 ()(())(),()0()min min k kx k f x k y k x k x k ==≠5、归一化变换 其中x 为大于零的某个值0()(())()x k f x k y k x ==06、极差最大之化变换 ()(())()min ()max ()k kx k f x k y k x k x k -==7、区间之化变换 ()(())()min ()max ()min ()k k k x k f x k y k x k x k x k -==-某一时刻的比较数列为x =i {}()1,2,...,((1),(2),...,()),1,2,...,i i i ix k k n x x x n i m ===参考书列为x =o {}0000()1,2,...,((1),(2),...,())x k k n x x x n ==称 （1）式 000()()()()()()()()()maxmax minmin maxmax o s s s t s tii ss tx t x t x t x t k x k x k x t x t ρξρ-+-=-+-为比较数列x 对参考数列x 在时刻k 的关联系数，其中为分辨系数。