灰色预测- 生成数
在做灰色预测模型之前,我们需要对原始数据做一些处理,以提出一些数据的规律。在灰色系统中,通过对原始数列中的数据进行处理,产生新的数列,以此来挖掘和寻找数的规律性的方法,叫做数的生成。数的生成方式有多种:累加生成、累减生成以及加权累加等等。
累加生成
把数列 x 各时刻数据依次累加的过程叫做累加过程,记作 AGO,累加所得的新数列,叫做累加生成数列。 以原始数列
x
(
0
)
=
(
x
(
0
)
(
1
)
,
x
(
0
)
(
2
)
,
.
.
.
,
,
x
(
0
)
(
n
)
)
x^{(0)}=(x^{(0)}(1), x^{(0)}(2),...,, x^{(0)}(n) )
x(0)=(x(0)(1),x(0)(2),...,,x(0)(n)),累加得到的数列为
x
(
1
)
=
(
x
(
1
)
(
1
)
,
x
(
1
)
(
2
)
,
.
.
.
,
,
x
(
1
)
(
n
)
)
x^{(1)}=(x^{(1)}(1), x^{(1)}(2),...,, x^{(1)}(n) )
x(1)=(x(1)(1),x(1)(2),...,,x(1)(n)),其中,
x
(
1
)
=
∑
i
=
α
k
x
(
0
)
(
i
)
,
k
=
α
,
α
+
1
,
.
.
.
n
(1)
x^{(1)}=\sum_{i=\alpha}^k x^{(0)}(i),k=\alpha,\alpha+1,...n \tag{1}
x(1)=i=α∑kx(0)(i),k=α,α+1,...n(1)
其中
α
≤
n
\alpha \le n
α≤n,且为正整数,
(
1
)
(1)
(1)式中,如果
α
=
1
\alpha = 1
α=1,称为一般累加过程。一般也取为1。
(
1
)
(1)
(1)式称为一次累加,记作
1
−
A
G
O
1-AGO
1−AGO。
当然还可以对一次累加数列
x
(
0
)
x^{(0)}
x(0)再进行累加得到二次累加数列,依次下去,做
r
r
r次累加记作记作
r
−
A
G
O
r-AGO
r−AGO。
x
(
r
)
=
∑
i
=
α
k
x
(
r
)
(
i
)
,
k
=
α
,
α
+
1
,
.
.
.
n
(2)
x^{(r)}=\sum_{i=\alpha}^k x^{(r )}(i),k=\alpha,\alpha+1,...n \tag{2}
x(r)=i=α∑kx(r)(i),k=α,α+1,...n(2)
实际应用最多的也是一次累加。累加生成可使非负的摆动与非摆动的数列或任意无规律性的数列转化为非减的、递增的数列。
累减生成
当然,利用数的生成可得到一系列有规律的数据,甚至可拟合成一些函数。但生成数列并非是直接可用的数列,因此,对于生成数还有个还原的问题。对累加生成,还原的办法采用累减生成。
对原始数列依次做前后两数据相减的运算过程叫累减生成,记作
I
A
G
O
IAGO
IAGO。
r
r
r次累减生成数列为
x
(
r
)
x^{(r)}
x(r),记作
r
−
I
A
G
O
r-IAGO
r−IAGO,注意,累减后个数会少
1
1
1个,有时候需要补全。
x
(
r
−
1
)
(
k
)
=
x
(
r
)
(
k
)
−
x
(
r
)
(
k
−
1
)
,
k
=
2
,
3
,
.
.
.
,
n
(3)
x^{(r-1)}(k)=x^{(r)}(k)-x^{(r)}(k-1),k=2,3,...,n \tag{3}
x(r−1)(k)=x(r)(k)−x(r)(k−1),k=2,3,...,n(3)
均值生成
原始数列
x
(
0
)
=
(
x
(
0
)
(
1
)
,
x
(
0
)
(
2
)
,
.
.
.
,
,
x
(
0
)
(
n
)
)
x^{(0)}=(x^{(0)}(1), x^{(0)}(2),...,, x^{(0)}(n) )
x(0)=(x(0)(1),x(0)(2),...,,x(0)(n)),称
x
(
0
)
(
k
)
x^{(0)}(k)
x(0)(k)和
x
(
0
)
(
k
+
1
)
x^{(0)}(k+1)
x(0)(k+1)为一对(紧)邻值,其中
x
(
0
)
(
k
)
x^{(0)}(k)
x(0)(k)和
x
(
0
)
(
k
+
1
)
x^{(0)}(k+1)
x(0)(k+1)分别称之为前值和后值。则取常数
α
∈
[
0
,
1
]
\alpha \in [0,1]
α∈[0,1],数列
x
(
0
)
x^{(0)}
x(0)的邻值在生成系数(权)
α
\alpha
α下的邻值生成数(或生成值)为:
z
(
0
)
(
k
)
=
α
x
(
0
)
(
k
)
+
(
1
−
α
)
x
(
0
)
(
k
−
1
)
(4)
z^{(0)}(k)=\alpha x^{(0)}(k)+(1-\alpha) x^{(0)}(k-1) \tag{4}
z(0)(k)=αx(0)(k)+(1−α)x(0)(k−1)(4)
当
α
=
0.5
\alpha =0.5
α=0.5,即前后两个值的均值,这称之为(紧)邻均值生成数,即等权邻值生成数:
z
(
0
)
(
k
)
=
0.5
x
(
0
)
(
k
)
+
0.5
x
(
0
)
(
k
−
1
)
(5)
z^{(0)}(k)=0.5 x^{(0)}(k)+0.5 x^{(0)}(k-1) \tag{5}
z(0)(k)=0.5x(0)(k)+0.5x(0)(k−1)(5)
类似地,还可以定义非邻值生成数,顾名思义,即取前后两个的加权值:
z
^
(
0
)
(
k
)
=
α
x
(
0
)
(
k
+
1
)
+
(
1
−
α
)
x
(
0
)
(
k
−
1
)
(6)
\hat z^{(0)}(k)=\alpha x^{(0)}(k+1)+(1-\alpha) x^{(0)}(k-1) \tag{6}
z^(0)(k)=αx(0)(k+1)+(1−α)x(0)(k−1)(6)
z
~
(
0
)
(
k
)
=
0.5
x
(
0
)
(
k
+
1
)
+
0.5
x
(
0
)
(
k
−
1
)
(7)
\widetilde z^{(0)}(k)=0.5 x^{(0)}(k+1)+0.5 x^{(0)}(k-1) \tag{7}
z
(0)(k)=0.5x(0)(k+1)+0.5x(0)(k−1)(7)
z
~
(
0
)
(
k
)
\widetilde z^{(0)}(k)
z
(0)(k)称为非紧邻均值(mean)生成数列。
总结
本次主要介绍在灰色模型中,数据生成的方法,内容很简单,也是为接下来的灰色预测模型做准备。接下来将进入灰色模型 G M GM GM的介绍,欢迎继续持续关注。