数学建模预测模型学习(一)——灰色预测模型

目录:

一、适用条件:

二、概念:

1、灰色系统:

2、灰色生成:

3、常见的灰生成方式:

三、GM(1,1)模型:

1、级比分析

2、GM(1,1)

四、总结

一、适用条件:

(1)信息量少或者信息不完全的情况
(2)看不出明显数据规律
(3)短期预测

二、概念:

1、灰色系统:

在控制论中,通常把所不知的区域或系统称为“黑箱”,而把全知的系统和区域称为“白箱”,介于黑箱和白箱之间或部分可察黑箱称为“灰箱”,也就是灰色系统。

2、灰色生成:

是一种通过对原始数据的挖掘、整理来寻求数据变化的现实规律的途径,简而言之就是对原始数据按某种方式进行处理,以便可以从杂乱无章的现象中发现内在规律,简称灰生成。

3、常见的灰生成方式:

  • [1]累加生成(AGO)
    举个简单的例子:{a, b, c, d, e}为原始序列,一次累加生成后的序列即{a, a+b, a+b+c, a+b+c+d, a+b+c+d+e}(n次累加生成依此类推)。
    用数学表达式表示为:
    X^{(1)}(k)=\sum_{i=1}^{k}X^{(0)}(i) , 即累加序列中的第k个数等于原始序列前k个元素之和。

  • [2]加权邻值生成
    设原始序列为X^{(0)}={X^{(0)}(1), X^{(0)}(2), ……X^{(0)}(n) },那么 像X^{(0)}(k), X^{(0)}(k-1)就是一对邻值,然后取权分别为 a 和 1-a (0<=a<=1),那么加权邻值生成序列z^{(0)} (k)=a * X^{(0)}(k) + (1-a) * X^{(0)}(k-1) , (k=2,3,…n)
    当a=0.5时,就称为均值生成,也称等权邻值生成。

     

  • [3]累减生成(IAGO)
    它是累加生成的逆运算。一般用于把累加生成序列还原成原始序列,在累加序列求导时也有神奇的作用。
    举个简单的例子:
    累加生成序列为{a, a+b, a+b+c, a+b+c+d},经累减生成即可生成原始序列{a, b, c, d}。具体过程用数学表达式表示为:
    X^{(0)}(k) = X^{(1)}(k) - X^{(1)}(k-1) , (k=2,3,……n)。即第k个原始序列元素等于累加生成序列中第k个减去第k-1个。

     

三、GM(1,1)模型:

1、级比分析:

级比分析是判断灰度模型GM(1,1)能否用于解决某个问题的关键。主要是在最开始搭建模型时对数据进行级比检验。其中的复杂原理这里不多做解释,用法很简单。
(1)先计算λ(k)= X^{(0)}(k-1) / X^{(0)}(k), (k=2,3,…n)
(2)如果λ(k)在区间  \left ( e^{-\frac{2}{n+1}}, e^{\frac{2}{n+1}}\right )  内,则说明灰度模型GM(1,1)适用于该数据集。否则要对数据进行变换,例如可以做平移变换,给每个数据加上一个常数c,通过改变c的取值来试探是否可以通过变换使数据能够适用GM(1,1)。如果成功了,把最后的解减去c即我们最终要求的答案;如果失败了,说明该问题不适合用灰度模型GM(1,1)求解。

2、GM(1,1):

第一步,根据已知原始数据X^{(0)}用累加生成的方法生成新的序列X^{(1)}

第二步,画出新序列X^{(1)}的散点图,观察其形状走势规律,用曲线进行拟合。(很多情况中,新序列得到的散点图会近似一条指数曲线) 

第三步,构建常微分方程求解拟合曲线的函数表达式。(因变量为X^{(1)}中的元素, 自变量通常是t,以实际情况为准) 

微分方程的一般式为:
微分方程公式
因此,我们构建的拟合曲线的微分方程为:
在这里插入图片描述
此时,由于一般已知的是离散数据,因此用导数d(x)的形式不是很合适,我们要把它换成
在这里插入图片描述
这时,我们就要用到前面累减的性质了,由于
在这里插入图片描述
并且△t =1, 因此微分方程可以转化为
在这里插入图片描述
在进行适当移项变成熟悉的形式:
在这里插入图片描述

第四步,要想求出最终X^{(1)}的表达式,进而对X^{(0)}进行预测,我们就需要先求出参数p和q。接下来,我们采用最小二乘法求p,q。由于前面提到一般拟合曲线为指数曲线,因此原函数和导数符合线性关系。我们只需运用最小二乘法公式求出参数即可。

 

第五步,将求出的参数p,q代入到原微分方程中,利用求微分方程的公式,解出最终的X^{(1)}的函数表达式。那么要预测的X^{(0)}的数据可以用X^{(1)}相邻元素之差表示出来:

在这里插入图片描述

第六步,模型检验。可以通过残差检验和级比偏差检验来检验模型的精度。

四、总结:

灰色预测流程

  • 5
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吉J_J吉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值