认识程度
黑色系统
白色系统
灰色系统:部分明确了系统与环境的关系、系统结构和实现过程
- 社会经济系统
问题引入
某地区国内生产总值与各产业关联性分析
各产业与国内生产总值之之间的关系
-
选择国内生产总值作为参考序列;
-
采用均值化法进行无量纲化处理;
f ( k ) = y k = x k x ˉ x ˉ = 1 n ∑ k = 1 n x k f(k) = y_k = \frac{x_k}{\bar{x}}\\ \bar{x} = \frac{1}{n}\sum^n_{k=1}x_k f(k)=yk=xˉxkxˉ=n1k=1∑nxk -
代入公式计算关联系数;
ξ i ( k ) = min i ( Δ i ( min ) ) + 0.5 max i ( Δ i ( max ) ) ∣ x 0 ( k ) − x i ( k ) ∣ + 0.5 max i ( Δ i ( max ) ) \xi_i(k) = \frac{\min\limits_{i}(\Delta_i(\min))+0.5\mathop{\max}\limits_i(\Delta_i(\max))}{|x_0(k)-x_i(k)|+0.5\mathop{\max}\limits_{i}(\Delta_i(\max))} ξi(k)=∣x0(k)−xi(k)∣+0.5imax(Δi(max))imin(Δi(min))+0.5imax(Δi(max))ξ i ( k ) \xi_i(k) ξi(k) 表示第 i i i 个产业第 k k k 年和关联序列的关联系数, x 0 ( k ) x_0(k) x0(k) 指参考序列第 k k k 个值
min i ( Δ i ( min ) ) = min i ( min k ∣ x 0 ( k ) − x i ( k ) ∣ ) max i ( Δ i ( max ) ) = max i ( max k ∣ x 0 ( k ) − x i ( k ) ∣ ) \min\limits_i(\Delta_i(\min)) = \min_i(\min_k|x_0(k)-x_i(k)|) \\ \max_i(\Delta_i(\max)) = \max_i(\max_k|x_0(k)-x_i(k)|) imin(Δi(min))=imin(kmin∣x0(k)−xi(k)∣)imax(Δi(max))=imax(kmax∣x0(k)−xi(k)∣) -
计算关联度。关联度越大的与国内生产总值(参考序列)的关联更大。
ξ i = 1 n ∑ k = 1 n ξ i ( k ) \xi_i=\frac{1}{n}\sum^n_{k=1}\xi_i(k) ξi=n1k=1∑nξi(k)
灰色关联分析法:采用对反映各因素变化特性的数据序列所进行的集合比较的一种方法。
基本思路
- 选择参考数列:选择需判断关联度的各个变量(因子)中的一个作为参考序列
- 数据无量纲化处理
- 关联系数计算
- 关联度计算
灰色综合评价
- 单层次灰色综合评价
- 多层次灰色综合评价:类似层次分析
单层次灰色综合评价
-
构造 m × n m \times n m×n 的矩阵, y i j y_{ij} yij 表示 i i i 个评价对象的第 j j j 个指标
-
确定最优指标集,也就是找到参考序列,一般可以选用
-
公认的最优标准
-
评估者认为的最优值
-
采用
y 0 j = O p t i m i u m ( y i j ) ( j = 1 , 2 , . . . n ) y_{0j} = Optimium(y_{ij}) (j=1,2,...n) y0j=Optimium(yij)(j=1,2,...n)
也就是分别选出第 j j j 列中所有元素的最优值作为第 j j j 个指标的最优指标(共 j j j 个元素, y 0 j y_{0j} y0j 代表第 j j j 个评价对象的最优值)
-
构造 m × ( n + 1 ) m\times (n+1) m×(n+1) 矩阵(在 m × n m\times n m×n 矩阵的第一行插入最优指标集)
Y = ( y 01 y 02 ⋯ y 0 n y 11 y 12 ⋯ y 1 n ⋮ ⋮ ⋱ ⋮ y m 1 y m 2 ⋯ y m n ) Y =\begin{pmatrix} y_{01} & y_{02} & \cdots & y_{0n}\\ y_{11} & y_{12} & \cdots & y_{1n}\\ \vdots & \vdots & \ddots & \vdots\\ y_{m1} & y_{m2} & \cdots & y_{mn}\\ \end{pmatrix} Y=⎝⎜⎜⎜⎛y01y11⋮ym1y02y12⋮ym2⋯⋯⋱⋯y0ny1n⋮ymn⎠⎟⎟⎟⎞- y 0 j y_{0j} y0j 为最优指标集
- 其余所有元素为原始数据
-
无量纲化处理,将矩阵 Y Y Y 的每列的所有数据除以该列数据的平均值
KaTeX parse error: Invalid environment name at position 9: \begin x̲_{ij} = \frac{y… -
确定系数矩阵 R R R。以最优指标集作为参考序列,各评价对象的指标为比较序列,计算第 i i i 个评价对象与第 j j j 个最优指标的灰色关联系数。
r i j = min i min j ∣ x 0 j − x i j ∣ + ξ max i max j ∣ x 0 j − x i j ∣ ∣ x 0 j − x i j ∣ + ξ max i max j ∣ x 0 j − x i j ∣ ( i = 1 , 2 , . . . , m ; j = 1 , 2 , . . . , n ) r_{ij} = \frac{\min\limits_i\min\limits_j|x_{0j}-x_{ij}|+\xi\max\limits_i\max\limits_j|x_{0j}-x_{ij}|}{|x_{0j}-x_{ij}|+\xi\max\limits_i\max\limits_j|x_{0j}-x_{ij}|}(i=1,2,...,m;j=1,2,...,n) rij=∣x0j−xij∣+ξimaxjmax∣x0j−xij∣iminjmin∣x0j−xij∣+ξimaxjmax∣x0j−xij∣(i=1,2,...,m;j=1,2,...,n) -
确定各评价指标的权重矩阵 W W W
-
确定灰色关联度矩阵 A A A
A = W × R T A = W \times R^T A=W×RTa i = ∑ j = 1 n w j × ( r i j ) ( i = 1 , 2 , . . . , m ) a_i = \sum^n_{j=1}w_j\times(r_{ij})(i=1,2,...,m) ai=j=1∑nwj×(rij)(i=1,2,...,m)
关联度越大,说明其对应的评价对象越接近于最优指标
注意
只能应用于灰色系统