何为灰色
在现实世界中,我们把已知的客观规律,算法流程称为白色系统,例如G=mg,y=根号x,则 x=y的P平方,而实际上在面对很多未知的规律,我们没法给出准确的算式,只能由输入得到输出结果,但并不知道具体过程是怎么来的,我们将之称为黑色系统,而介于二者之间的我们称之为灰色领域。区别白色系统与灰色系统的重要标志是各因素之间是否有确定的关系
灰色系统理论建模
在进行数据分析时我们有时会运用数理统计法,如回归分析,方差分析,主成分分析等等,回归分析是最广泛应用的一个方法,但进行回归分析时,要求大样本,只有大量的数据才能的得到量化的规律,同时即便得到了统计规律也难以分析不同因素间的动态关联程度。
而灰色系统提出的是一种新的分析方法——关联度分析,这种分析手段可以解决不同因素间的动态关联,即根据因素之间发展的发展态势的相似或相异程度来衡量因素间的关联程度。同时对样本量没有过高的要求。
灰色系统通过对原始数据处理,将灰色数变换为生成数,由生成数进而得到规律性较强的生成函数,这一过程被称为白化。
总的来讲,灰色系统就是由输出结果出发,对输出结果进行适当处理得到处理后的数据,用处理后的数据再推断函数关系。
关联分析
3.1直观分析
对于简单的问题,我们可以画出数据图像,直观的进行分析,但当问题比较复杂时,这种简单定性的
方法就难以进行,需要一种定量的计算方法来衡量各因素之间关联程度的大小。
3.2数据变化技术
1.初值化变换
2.均质化变换
3.百分比变换
4.倍数变换
5.归一化变换
6.极差最大值变换
7.区间值化变换
公式较多在此就不一一列出了
3.3关联分析的定量计算
对于关联度分析主要有两个公式:
第一个公式求某一时刻t的关联度
i = 1 , 2 ⋯ , m i=1,2 \cdots,m i=1,2⋯,m表示有n个比较数列,
k = 1 , 2 ⋯ , n k=1,2 \cdots ,n k=1,2⋯,n表示有n个时刻,
ξ i ( k ) = m i n m i n ∣ x 0 ( t ) − x s ( t ) ∣ + ρ m a x m a x ∣ x 0 ( t ) − x s ( t ) ∣ x 0 ( k ) − x i ( k ) + ρ m a x m a x ∣ x 0 ( t ) − x s ( t ) ∣ \xi_{i}(k) = \frac{min min|x_{0}(t)-x_{ s}(t)|+\rho max max|x_{0}(t)-x_{s}(t)|}{x_{0}(k)-x_{i}(k)+ \rho max max|x_{0}(t)-x_{s}(t)|} ξi(k)=x0(k)−xi(k)+ρmaxmax∣x0(t)