灰色预测模型

【 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。

1. 累加前的数列称原始数列，累加后的数列称为生成数列。
2. 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。
3. 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：