![7ab663828191df7a7a8bb826e359e999.png](https://img-blog.csdnimg.cn/img_convert/7ab663828191df7a7a8bb826e359e999.png)
灰色预测模型同我写的上两次文章相同,都是属于预测模型。需要注意的是,灰色预测模型只是一种算法,真正对数据进行分析时,应该多用几种预测模型(包括之前写的指数模型,logstic模型)这样才会使文章更有说服力。
灰色系统理论是中国学者邓聚龙教授1982年3月在国际上首先提出来的。既然有灰色系统,那么就一定有白色系统和黑色系统。
白色系统是指一个系统的内部特征是完全已知的,既系统信息是完全充分的。
黑色系统是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。
灰色系统介于白色和黑色之间,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。
GM(1,1)模型是灰色系统理论中的单序列一阶灰色微分方程。
以下是它的推导过程:
![801d7f88fda8fcb1fb3e3cfca35fb500.png](https://img-blog.csdnimg.cn/img_convert/801d7f88fda8fcb1fb3e3cfca35fb500.png)
对于一串数据(序列):
这些原始数列可能没有任何规律性
![e62950cfb60bb57cc93400c8fb916730.png](https://img-blog.csdnimg.cn/img_convert/e62950cfb60bb57cc93400c8fb916730.png)
但是,做完一次序列累加(即后一项等于前项相加):
![62b0b68f4cf3a0e64da731470c28725e.png](https://img-blog.csdnimg.cn/img_convert/62b0b68f4cf3a0e64da731470c28725e.png)
其中:
![bbc35a8c39d300a84f8d516b6257c7d6.png](https://img-blog.csdnimg.cn/img_convert/bbc35a8c39d300a84f8d516b6257c7d6.png)
![86fc89581894d5aefde1251aec01293c.png](https://img-blog.csdnimg.cn/img_convert/86fc89581894d5aefde1251aec01293c.png)
我看可以看到,累加后生成数列X是单调递增数列。
我们可以把它润滑一下序列点,有:
![6aba80ac2daece018377d74d9cbe4c08.png](https://img-blog.csdnimg.cn/img_convert/6aba80ac2daece018377d74d9cbe4c08.png)
这里α大于0,小于1,通常取0.5。
于是我们建立灰色微分方程:
![6469447e54273238713c72b42d32a2eb.png](https://img-blog.csdnimg.cn/img_convert/6469447e54273238713c72b42d32a2eb.png)
(1)
灰色微分方程是包含序列数据点的,但是我们想要预测就必须把他白化。
可以知道
![eaa1653cd8743352f3215566da7f9d2f.png](https://img-blog.csdnimg.cn/img_convert/eaa1653cd8743352f3215566da7f9d2f.png)
为累加后样本点的差值,即
![dcf29958112c8ef2c9efe31c88a23fb9.png](https://img-blog.csdnimg.cn/img_convert/dcf29958112c8ef2c9efe31c88a23fb9.png)
![fbb56324b2564d862ea43700240e4288.png](https://img-blog.csdnimg.cn/img_convert/fbb56324b2564d862ea43700240e4288.png)
故原式的白色微分方程为: (2)
将(1)式的样本点带入
![92655fe47729768800ca252e961f8b5a.png](https://img-blog.csdnimg.cn/img_convert/92655fe47729768800ca252e961f8b5a.png)
(3)
![4e8855da3e795b887dfb6c3372960206.png](https://img-blog.csdnimg.cn/img_convert/4e8855da3e795b887dfb6c3372960206.png)
可以求出
从而得到啊a,b的值。
我们还可以通过求解(2)得;
![b524d802667118548059a705500ed82a.png](https://img-blog.csdnimg.cn/img_convert/b524d802667118548059a705500ed82a.png)
然后还原原始序列:
![d2e0ba757c23bd9f39e9973297c0eb66.png](https://img-blog.csdnimg.cn/img_convert/d2e0ba757c23bd9f39e9973297c0eb66.png)
需要注意的是,k从2开始。
当然,灰色模型也有一些特点和局限性。
灰色预测模型所需要的数据量比较少,预测比较准确,精度较高。她更适用于短期预测或中长期预测。
举个简单的例子:
预测实例,已知某企业2001-2005年的工业总产值
年份
2015
2016
2017
2018
2019
总产值
1.67
1.77
1.93
2.14
2.19
建立Gm(1,1)模型的白化方程,预测2020-2021工业总产值。
直接编写matlab程序输入数据预测:
![f72ce3d3d1d61805155f7e496f28350f.png](https://img-blog.csdnimg.cn/img_convert/f72ce3d3d1d61805155f7e496f28350f.png)
![6f569ef559897e6df5270afa667555ab.png](https://img-blog.csdnimg.cn/img_convert/6f569ef559897e6df5270afa667555ab.png)
(附录)
function []=greymodel(y)
% 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。
y=input('请输入数据 ');
n=length(y);
yy=ones(n,1);
yy(1)=y(1);
for i=2:n
yy(i)=yy(i-1)+y(i);
end
B=ones(n-1,2);
for i=1:(n-1)
B(i,1)=-(yy(i)+yy(i+1))/2;
B(i,2)=1;
end
BT=B';
for j=1:n-1
YN(j)=y(j+1);
end
YN=YN';
A=inv(BT*B)*BT*YN;
a=A(1);
u=A(2);
t=u/a;
i=1:n+2;
yys(i+1)=(y(1)-t).*exp(-a.*i)+t;
yys(1)=y(1);
for j=n+2:-1:2
ys(j)=yys(j)-yys(j-1);
end
x=1:n;
xs=2:n+2;
yn=ys(2:n+2);
plot(x,y,'^r',xs,yn,'*-b');
grid on;
hold on;
det=0;
sum1=0;
sumpe=0;
for i=1:n
sumpe=sumpe+y(i);
end
pe=sumpe/n;
for i=1:n;
sum1=sum1+(y(i)-pe).^2;
end
s1=sqrt(sum1/n);
sumce=0;
for i=2:n
sumce=sumce+(y(i)-yn(i));
end
ce=sumce/(n-1);
sum2=0;
for i=2:n;
sum2=sum2+(y(i)-yn(i)-ce).^2;
end
s2=sqrt(sum2/(n-1));
c=(s2)/(s1);
disp(['后验差比值为:',num2str(c)]);
if c<0.35
disp('系统预测精度好')
else if c<0.5
disp('系统预测精度合格')
else if c<0.65
disp('系统预测精度勉强')
else
disp('系统预测精度不合格')
end
end
end
disp(['下个拟合值为 ',num2str(ys(n+1))]);
disp(['再下个拟合值为',num2str(ys(n+2))]);