概述
1.灰色系统的定义:
灰色系统指既含有已知信息又含有未知信息的系统。
2.灰色预测模型的定义:
对灰色系统进行预测的模型。
灰色模型(Grey Model,简称GM模型)一般表达方式为GM(n,x)模型,其含义是:用n阶微分方程对x个变量建立模型。
3.灰色预测模型的目的:
通过把分散在时间轴上的离散数据看成一组连续变化的序列,采用累加和累减的方式,将灰色系统中的未知因素弱化,强化已知因素的影响程度,最后构建一个以时间为变量的连续微分方程,通过数学方法确定方程中的参数,从而实现预测目的。
4.灰色系统预测模型的特点:
无需大量数据样本,短期预测效果好,运算过程简单。
5.灰色系统预测模型的不足:
对非线性数据样本预测效果差。
常用的灰色系统预测模型主要有GM(1,1)和GM(1,n),以下分别对这两种模型展开。
【1】.GM(1,1)模型
- GM(1,1)模型的预测原理是:对某一数据序列用累加的方式生成一组趋势明显的新数据序列,按照新的数据序列的增长趋势建立模型进行预测,然后再用累减的方法进行逆向计算,恢复原始数据序列,进而得到预测结果。
- GM(1,1)建模过程:
(1) 设一组原始数据为,n为数据个数。对
累加以便弱化随机序列的波动性和随机性,得到新的数列为:
其中,
(2) 生成的邻均值等权数列
其中,
(3) 根据灰色理论对建立关于t的白化形式的一阶一元微分方程GM(1,1):
其中,a,u为待解系数,分别称为发展系数和灰色作用量,a的有效区间是(-2,2),并记a,u构成的矩阵为灰参数,只要求出参数a,u,就能求出
,进而求出
的预测值。
(4) 对累加生成数据做均值生成B与常数项向量:
(5) 用最小二乘法求解灰参数,则
(6) 将灰参数代入
,并对
进行求解,得
(7) 将上述结果累减还原,即可得到预测值
(8) 利用模型进行预测:
(9) 对建立的灰色模型进行精度检验,
(9.1)残差检验:
残差:
相对误差:
(9.2)后验差检验:
均值:
方差:
残差的均值:
残差的方差:
后验差比值:
小误差概率:
(9.3) 预测精度等级对照如下:
预测精度等级
好 P>0.95 C<0.35
合格 P>0.80 C<0.45
勉强合格 P>0.70 C<0.50
不合格 P<=0.70 C>=0.65
最后
以上就是震动飞鸟为你收集整理的数学建模学习GM(1,1)灰色预测模型的全部内容,希望文章能够帮你解决数学建模学习GM(1,1)灰色预测模型所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复