【每日学习9.5】数学建模备赛

今天课多，内容不会特别多。话不多说，继续开肝

书接上文

一、灰色关联分析

（1）简介

        灰色系统指系统中一部分信息是已知的，另一部分是未知的，内部各因素有不确定的关系。我们遇到的大多数系统都是灰色系统。

        灰色关联分析是一种用于研究变量之间相关性的分析方法，常用于处理数据较少、样本量不足或数据质量较差的情况。它可以用来评估不同变量之间的相关程度，并找出影响因素。在数学建模中可以通过评估每个方案与理想状态的关联度，关联度最高的则可以被认为是最优方案。

        因素分析有很多方法，比如回归分析、方差分析、主成分分析，但是这些都需要大量数据作为基础，此时这就体现出了灰色关联分析的优势。

（2）算法流程

1、收集评价数据矩阵。把数据列成矩阵，每一行代表一个指标，每一列代表一个方案。

2、指标正向化处理。将每个指标都变换为极大型。

3、指标无量纲化处理。一般采取均值化处理（还有初值法，不常用）

        均值法：一组数据的每一项都除以这组数据的均值

        初值法：一组数据的每一项都除以这组数据的第一个值

（注：在评价之前一般都需要对数据进行基本处理，处理过程主要就包括指标正向化和指标无量纲化（也叫归一化）处理）

4、确定参考数据列。构建虚拟最优方案，放在矩阵第一列。

5、逐个计算每个方案与参考序列的绝对插值

6、计算两极最小差（全局最小值）两极最大差（全局最大值）

7、分别计算每个方案每个指标与最优方案的关联系数。公式：

ρ为分辨系数，在0-1之间取，一般是0.5。若ρ越小，关联系数间差异越大，区分能力越强（不知道啥意思反正ρ取0.5就对了）

8、加入权重求关联度，得到每个方案的评分。

（3）学习链接

        这个清风PPT不是很好，建议看建模老哥保奖班（免费）

二、灰色预测算法GM（1,1）

        既然看到了灰色系统，今天就把灰色预测也顺便看了。预测算法学起来显然比评价类算法复杂很多，突然看这么复杂的有点不适应，但多看了几遍也还行。

（1）简介

        灰色预测算法是一种基于灰色系统理论的预测方法，用于处理数据较少、样本量不足或数据质量较差的情况下的预测问题。它常用于时间序列的预测，如经济指标、市场需求、气候变化等。同样和灰色关联一样适用于数据量较小的情况。

（2）算法流程

第一步，构造累加生成序列

x0集合以此累加生成x1，目的是让看起来没有规律的数据更有规律（画一下图很明显）

（不知道为啥总觉得这一步好像有点自欺欺人的意思，类似熵权法，可能是我没理解透彻）

第二步，构造数据矩阵B和Y

第三步，构造白化形式微分方程并求参

利用MATLAB求解发展灰数和内生控制灰数。

第四步，得出预测模型并且通过累4减运算计算出x0序列

        

第五步，残差检验

依据模型计算出输入数据并与已知数据比较求出残差

第六步，关联度检验

（具体步骤参考上面灰度关联的分析方法）

第七步，后验差检验

第八步，参考精度检验等级参照表

一般要达到一级才好，其他就说明灰度预测不太合适

若通过检验，则说明模型可用。

（3）MATLAB源码

这个我也没有源码了，明天自己写一个，现在在这留个位置

补充，第二天码了一天，搞了一半多之后找到了网上的源码（T_T）

白写了~~~

（4）学习链接

数学建模老哥讲的很有激情的，要坚持听完概念部分，一讲例题直接融汇贯通！！

over！！

今天就到这里吧，个人对今天的进度还是比较满意的，毕竟今天满课还能赶这么多。哦对我还看了老哥的预测类APP工具箱，简单学习了一下，厉害是真厉害，但是数学建模要源码的，这样没有源码不太好，还是老老实实学算法吧！！

-----------------------------------------------这是一条分割线-------------------------------------------------

后面几天没有更新，因为数学建模开始啦，结束后几天也在补充拉下的课程作业。我会抽时间写一篇关于本次数学建模竞赛的全过程和心得，或许是在赶完作业之后，一有时间就写，一定不能拖！！！