灰色系统

最新推荐文章于 2024-09-16 11:06:37 发布

sam-X

最新推荐文章于 2024-09-16 11:06:37 发布

阅读量6.6k

点赞数 2

分类专栏：数学理论算法文章标签：灰色系统预测

本文链接：https://blog.csdn.net/u010945683/article/details/46293957

版权

数学理论同时被 2 个专栏收录

23 篇文章 5 订阅

订阅专栏

算法

15 篇文章 0 订阅

订阅专栏

做数模过程中使用的一些算法总结。

灰色系统

在实际问题中，会遇到一些“不明确”的系统，要么是因为缺少大量的数据，要么是因为其内部机理不明确，致使对整个系统进行建模并定量描述十分困难，这种系统就被称为灰色系统。灰色系统建模的理论最早是由华中科技大学的邓聚龙教授确立的。

灰色系统理论的重心在于尽管事物的表象很复杂，但是必定有其内在规律，只是被一些噪声因素“污染”。为此提出了一种新的分析方法——关联度分析，即根据事物发展态势的异同来衡量因素间的关联程度。

关联分析

为了描述两因素之间的关联程度，引入了关联系数指标。若存在参考数列，其中K表示K时刻。假设存在m个比较数列，。则式

即为比较数列Xi对参考数列X0在K时刻的关联系数，其中称ρ∈[0,1]为分辨系数。分辨系数越大，则分辨率越高，反之则越小。上式定义的是各个时刻的关联系数，不方便整体比较，因此引入关联度，即下式，

此外要注意的是，关联度的计算要求量纲相同。所以在此之前需要数据变换，以无量纲化。

数据变换

设有序列，存在映射

以下是几种基本的数据变换方式

初值化变换

均值化变换

百分比变换

倍数变换

归一化变换

，

其中X0为大于零的某个值。

极差最大值化变换

区间值变换

以下是关联分析的Matlab程序：

clc,clear
load x.txt %把原始数据存放在纯文本文件 x.txt 中
for i=1:17
x(i,:)=x(i,:)/x(i,1); %标准化数据
end
data=x;
n=size(data,1);
ck=data(1,:);m1=size(ck,1);
bj=data(2:n,:);m2=size(bj,1);
for i=1:m1
    for j=1:m2
        t(j,:)=bj(j,:)-ck(i,:);
    end
jc1=min(min(abs(t')));jc2=max(max(abs(t')));
rho=0.5; %分辨系数ρ
ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2);
rt=sum(ksi')/size(ksi,2);
r(i,:)=rt;
end

灰色预测

灰色系统理论把一切随机量都看作灰色数—即在指定范围内变化的所有白色数的全体。对灰色数的处理不是找概率分布或求统计规律，而是利用数据处理的办法去寻找数据间的规律。通过对原始数列中的数据进行处理，产生新的随机性被显著减弱的数列，建立微分方程形式的模型。数的生成方式有多种：累加生成、累减生成以及加权累加等。

序列生成算子

累加生成算子(AGO)

设原始数据数列为，经AGO算子可生成序列，其中累加生成算子为

对于原始数列，可以累加r次，记为r-AGO，但是实际中1-AGO最常用。注意这里的原始数列必须非负，否则会正负抵消，损失信息。

累减生成算子(IAGO)

IAGO即是累加的逆过程，其r-IAGO算子为

均值生成算子

设原始数据数列为，对于常数α∈[0,1]，则称

为由原始数列在生成系数α下的邻值生成数。当α=0.5时，此时的生成数为紧邻均值生成数。

检验指标

由序列生成算子新生成的序列，弱化了原先的随机性，建立了以下指标，能初步定性分析规律。

光滑比

若，则称生成序列为准光滑序列。

级比

当满足指数规律时，即满足一阶线性微分方程。

由于数列的离散性

同时有以下结论：若为非负准光滑序列，则的一次累加生成序列具有准指数规律。

GM(1,1)

模型建立

灰色系统理论的微分方程称为GM模型，GM(1,1)表示1阶的、1个变量的微分方程模型。设原始数据数列为

，经过1-AGO算子作用生成数据序列，再令为的紧邻均值生成序列，即，则称

为GM(1,1)模型的基本形式，-a称为发展系数，b称为灰色作用量。

*注意

1.为了保证模型的可行性，先要对数据进行检验处理，这里要使用到上面提到的级比。如果所有的级比都在范围内，则可以使用GM(1,1)模型。否则必须对原始数列进行处理，可去适当的常数c，使

，处理后的数列满足上述条件。也有其他预处理方法如数据开n方、数据取对数、数据平滑和运用序列算子弱化或强化原始数据数列。

2.实际应用中：

1) 当-a ≤ 0.3 时，GM(1,1)模型可用于中长期预测；

2) 当0.3 ≤ -a≤ 0.5时，GM(1,1)模型可用于短期预测，中长期慎用；

3) 当0.5 ≤ -a ≤ 0.8时，GM(1,1)模型短期预测应谨慎；

4) 当0.8 ≤-a≤ 1时，应采用残差修正GM(1,1)模型；

5) 当1 ≤-a时，不宜采用GM(1,1)模型；

模型求解

求解a，b

a，b参数需要通过

求解。若

为参数列，且

参数的最小二乘估计满足，。

解微分方程

上式为GM(1，1)的白化方程。求解此方程的解为：

由此可还原值

X0=[3941 3941 3941 3941 3941 3744 3567 3621 3621 3621 3621 3621 3621 3441 3613 3614 3614 3614 3614 3458 3438];
for i=1:21
X1(i)=sum(X0(1:i));
end
for k=2:21
Z(k)=0.5*X1(k)+0.5*X1(k-1);
end
for i=1:20
b(i,1)=-Z(i+1);
y(i)=X0(i+1);
end
b(:,2)=1;
y=y';
au=b\y;
yc1(1)=X0(1);
for k=1:21
c=X0(1)-au(2)/au(1);
yc1(k+1)=c*exp(-au(1)*k)+au(2)/au(1);
end
yc0(1)=X0(21);
for k=1:21
yc0(k+1)=yc1(k+1)-yc1(k);
end
disp(uint16(yc0(2:1:22)));
yco=uint16(yc0(1:1:21));
for i=1:21
e0(i)=X0(i)-yco(i);
end
maxl=max(abs(e0));
r=1;
 for k=2:21
r=r+0.5*maxl/(abs(e0(k))+0.5*maxl);
end

除了GM(1,1)模型之外，还有GM(1,N)模型、GM(2,1)模型、Verhulst 模型等等。具体可以查看灰色系统理论及其应用。

参考资料：

数学建模(第二版)，陈光亭，裘哲勇

灰色预测GM(1,1)模型的改进及应用，杨华龙

本作品采用知识共享署名-非商业性使用-相同方式共享 3.0 中国大陆许可协议进行许可。