【数学建模常用算法】之灰色预测模型GM

作者：張張張張
github地址：https://github.com/zhanghekai
【转载请注明出处，谢谢！】

一、灰色预测模型GM(1,1)

灰色预测是用灰色模型GM(1,1)来进行定量分析的，通常分为以下几类：
  (1) 灰色时间序列预测。用等时距观测到的反映预测对象特征的一系列数量（如产量、销量、人口数量、存款数量、利率等）构造灰色预测模型，预测未来某一时刻的特征量，或者达到某特征量的时间。
  (2) 畸变预测（灾变预测）。通过模型预测异常值出现的时刻，预测异常值什么时候出现在特定时区内。
  (3) 波形预测，或称为拓扑预测，它是通过灰色模型预测事物未来变动的轨迹。
  (4) 系统预测，对系统行为特征指标建立一族相互关联的灰色预测理论模型，在预测系统整体变化的同时，预测系统各个环节的变化。

灰色模型预测流程

1. 数据检验与数据预处理
2. 模型构建
3. 模型检验

1、数据检验与数据预处理

1.1 构建模型前检验

\qquad 给定观测数据列 x ( 0 ) = { x 1 ( 0 ) , x 2 ( 0 ) , ⋯   , x n ( 0 ) } x^{(0)}=\{x_1^{(0)},x_2^{(0)},\cdots,x_n^{(0)}\} x(0)={ x1(0)​,x2(0)​,⋯,xn(0)​}一般采用$x^{(0)}$的级比${\lambda }_k^{(0)}$的大小与所属区间来判断。
\qquad 级比定义：${\lambda }_k^{(0)}=\frac{x_{k-1}^{(0)}}{x_k^{(0)}},k=2,3,\cdots ,n$
\qquad 若满足${\lambda }_k^{(0)}\in (e^{-\frac{2}{n+1}},e^{\frac{2}{n+1}})$，则认为$x^{(0)}$是可作为$GM(1,1)$建模的。如果原始序列不满足，需要对原始序列做必要的变换处理，使其落入可容覆盖内。即取适当的常数$C$，做平移变换：
$$y^{(0)}=x_i^{(0)}+C,i=1,2,\cdots ,n$$
\qquad 使序列$y^{(0)}=(y_1^{(0)},y_2^{(0)},\cdots ,y_n^{(0)})$的级比${\lambda }_y^{(k)}=\frac{y_{k-1}^{(0)}}{y^{(k)}}$落入上述区间范围。

1.2 数据生成

(1) 累加生成（AGO）

\qquad 设原始序列为$x^{(0)}=(x_1^{(0)},x_2^{(0)},\cdots ,x_n^{(0)})$，令：$$x_k^{(1)}=\sum _{i=1}^k{x}_i^{(0)},k=1,2,\cdots ,n$$有：$x^{(1)}=(x_1^{(1)},x_2^{(1)},\cdots ,x_n^{(1)})$，称所得到的新数列$x^{(1)}$为数列$x^{(0)}$的1次累加生成的数列。

(2)累减生成（IAGO）

\qquad 通过累加数列得到的新数列，可以通过累减生成还原出原始数列，设原始数列$x^{(1)}=(x_1^{(1)},x_2^{(1)},\cdots ,x_n^{(1)})$，令：
x k ( 0 ) = ( x k