【 1. 灰色系统理论简介 】
-
灰色系统、白色系统、黑色系统
灰色系统是黑箱概念的一种推广。
灰色系统:既含有已知信息又含有未知信息的系统。
黑色系统:作为两个极端,我们将称信息完全未确定的系统。
白色系统:信息完全确定的系统。 -
灰色系统的特点
(1)用灰色数学处理不确定量,使之量化。
(2)充分利用已知信息寻求系统的运动规律。
(3)灰色系统理论能处理贫信息系统。 -
灰色预测模型
灰色预测模型(Gray Forecast Model)是通过少量的、不完全的信息,建立数学模型并对灰色系统做出预测的一种预测方法。 -
灰色预测模型的优势
目前常用的一些预测方法(如回归分析等需要较大的样本,若样本较小,常造成较大误差,使预测目标失效)。
灰色预测模型所需建模信息少,运算方便,建模精度高,在各种预测领域都有着广泛的应用,是处理小样本预测问题的有效工具。 -
灰色系统理论的背景
灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。二十几年来,引起了不少国内外学者的关注,得到了长足的发展。目前,在我国已经成为社会、经济、科学技术在等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模,具有独特的功效,因此得到了广泛的应用。
【 2. 灰色生成中的 累加生成 】
-
将原始数据列中的数据,按某种要求作数据处理称为生成。
-
表述客观世界行为的数据可能是杂乱无章的,人们很难直接从原始数据中找到某种内在的规律。对原始数据的生成就是 从杂乱无章的现象中去发现内在规律。
-
常用的灰色系统生成方式有:累加生成,累减生成,均值生成,级比生成等。
-
累加生成:通过数列间各时刻数据的依个累加以得到新的数据与数列。
- 累加前的数列称原始数列,累加后的数列称为生成数列。
- 累加生成是使灰色过程由灰变白的一种方法,它在灰色系统理论中占有极其重要地位。
- 通过累加生成可以看出灰量积累过程的发展态势,使离乱的原始数据中蕴含的积分特性或规律加以显化。
【 3. GM(1,1) 模型 】
- GM(1,1) 模型的求解
- GM(1,1)模型的精度检验
模型选定之后,一定要经过检验才能判定其是否合 理,只有通过检验的模型才能用来作预测。
灰色模型的精度检验一般有三种方法:相对误差大小检验法,关联度检验法和后验差检验法。
后验差检验法: