gm21模型python_GM11灰色模型

作者：桂。

时间：2017-08-12  08:34:06

前言

灰色模型(Gray model)常用来对数据进行预测，这里简要记录其思路。

一、名称由来

灰色模型(Gray Model),邓聚龙教授1982年提出。

常见系统分类：

白色系统是指一个系统的内部特征是完全 已知的，即系统的信息是完全充分的。

黑色系统是指一个系统的内部信息对外界来说是一无所知的，只能通过它与外界的联系来加以观测研究。

灰色系统内的一部分信息是已知的，另一部分信息是未知的，系统内各因素间有不确定的关系。

通常成灰色预测模型为GM(n,h)模型，常用来预测的是GM(1，1)：

二、算法原理

A-模型建立

有观测序列：

计算一阶累加序列：

其中

假设生成序列的一阶模型(核心思想)：

对其积分(连续转化为离散)：

而

从而上式转化为：

其中：

借助矩阵表示：

这便是一个最小二乘求解问题。

B-参数求解

定义：

计算均值生成序列：

得出参数估计

C-序列预测

这里取

将其带入上面一阶方程解(参数已求出)

取t为离散值(t = k+1)

而

这样便完成了预测。

三、代码实现

主函数

clc;clear all;close all

set(0,'defaultfigurecolor','w');

%{

参考：《离散模型与灰色预测模型建模机理》，谢乃明，刘思峰

本程序主要用来计算根据灰色理论建立的模型的预测值。

应用的数学模型是 GM(1,1)。

原始数据的处理方法是一次累加法。

%}

f = @(t,b)(0.3*t.^2+b+0.3*randn(1,length(t)));%定义待预测函数

t = 0:.2:5;

b = 3;

x0 = f(t,b);

x_pre = GM11(x0);

plot(t,x0,'k',t,x_pre,'r--');

xlabel('时间(年)');

ylabel('幅度');

title('GM11预测模型');

legend('原始数据','预测数据');

GM11的function：

function x_pre = GM11(x0)

x0 = x0(:);

n = length(x0);

x1 = cumsum(x0);

for i = 1:n-1

G(i,1) = -(x1(i)+x1(i+1))/2;

G(i,2) = 1;

end

Y = x0(2:end);

belta = pinv(G'*G)*G'*Y;

a = belta(1);

u = belta(2);

%predict

x_pre1 = zeros(n,1);

x_pre = x_pre1;

for k = 0:n-1

x_pre1(k+1) = (x0(1)-u/a)*exp(-a*k)+u/a;

end

x_pre(1) = x0(1);

for k = 1:n-1

x_pre(k+1) = x_pre1(k+1)-x_pre1(k);

end

结果图：