灰色模型 java代码_灰色模型的简单Java实现

前几天在以前的遗留代码中发现一个问题，就是我生成的一个数据的走势曲线的预测值(用于灰色时间序列预测)总是和老代码里的不一致，具体来说就是：遗留代码里面的预测值的斜率总是为零，相比之下我生成的就比较合理了，和原有数据的走势相比基本一致。后来发现这个不知道谁写的代码里面又全是坑，连灰色模型都是错的，输入的数据也是错的。。。

所以，趁着这个周末有空，抽出一点陪女朋友的时间(不会花太长时间的，还是女朋友重要！)，来写一些关于灰色模型的Java的简单实现。

一、对灰色模型的建模分析

首先，关于灰色模型(后面简称为GM)，简单讲就是介于黑色模型和白色模型之间，利用已知的数据来推测未知数据的一种模型(更具体的描述可以看灰色模型的简单介绍)。

好的，从上面我们可以知道，运用GM，有这么几个步骤：处理数据，使其可以运用于GM中

设原始数据列为$$X^{(0)}=x^{(0)}(1)+x^{(0)}(2)+x^{(0)}(3)+…+x^{(0)}(n)$$那么其级数比则是：$$λ(k)=frac{x^{(0)}(k-1)}{x^{(0)}(k)},k=2,3,4…n$$

当所有级数比都在区间:$$(e^{frac{-2}{n+1}},e^{frac{2}{n+1}})(注:这个区间和正态分布的概率密度有关)$$

此时的数据列就可以建立GM，否则，对原始数据列进行变换(比如平移)，使其满足上面的条件。

建立GM模型

假设数据列:$$X^{(0)}=x^{(0)}(1)+x^{(0)}(2)+.。。+x^{(0)}(n)$$满足条件，我们再通过累加生成数据列(也可以使用其他方式，比如累减、均值等):$$X^{(1}=x^{(1)}(1)+x^{(1)}(2)+.。。+x^{(1)}(n)$$

其中:$$x^{(1)}(k)=sum_{i=0}^{k}x(i)$$

定义(x^{(1)})的灰导数为：

$$dx^{(1)}(k)=x^{(0)}(k)=x^{(1)}(k)+x^{(1)}(k-1)$$

令:$$z^{(1)}(k)=frac{1}{2}(x^{(1)}(k)+x^{(1)}(k-1)),(k=2,3,…,n)$$

定义GM(1,1)的灰微分方程模型为:

$$x^{(0)}(k)+az^{(1)}(k)=b$$

(其中x^{(0)}(k)称为灰导数，a称为发展系数，z^{(1)}(k)称为白化背景值，b称为灰作用量)。

(将x^{(0)}(k)+az^{(1)}(k)=b) 展开成如下形式：

$$left[matrix{x^{(0)}(2)\x^{(0)}(3)\x^{(0)}(4)\ …\x^