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!!!