10灰色预测的步骤

灰色预测的步骤

   前两篇博客说到了$G(1,1)$，和$G(1,N)$，通过已有的数据，建立对应的模型，可以实现对未来数据的预测。但是，在进行建模之前，我们必须确保数据是有效的，才能保证模型是可行的。并且对模型还需要进行检验，说明模型是可靠的。那么，此次就来说说灰色预测的基本步骤，总共包括四个步骤：

• 数据检验与处理
• 模型建立
• 模型检验
• 数据预测

数据检验与处理

   在我们进行建模前，必须要确保数据是可靠的，数据的检验是必不可少的，如果不满足要求，则需要进行数据处理。在灰色预测中，采用级比进行数据检验。具体地，设参考序列

$$x^{(0)}=(x^{(0)}(1),x^{(0)}(2),...,,x^{(0)}(n))\text{\hspace{1em}(1)}$$

其级比定义为：

$${\lambda }^{(0)}(k)=\frac{x^{(0)}(k-1)}{x^{(0)}(k)},k=2,3,...,n\text{\hspace{1em}(2)}$$

如果所有的级比${\lambda }^{(0)}(k)$均落在$(e^{-\frac{2}{n+1}},e^{\frac{2}{n+1}})$，则数列$x^{(0)}$是可以作为$GM$模型的原始数据。如果不满足，则需要对数据做处理，取常数$c$，做平移变换，即沿着$y$方向增大$c$。

$$y^{(0)}(k)=x^{(0)}(k)+c,k=1,2,3,...,n\text{\hspace{1em}(3)}$$

对新数列$y^{(0)}$再进行校验直到级比${\lambda }_y^{(0)}(k)$均落在$(e^{-\frac{2}{n+1}},e^{\frac{2}{n+1}})$:
$${\lambda }_y^{(0)}(k)=\frac{y^{(0)}(k-1)}{y^{(0)}(k)},k=2,3,...,n\text{\hspace{1em}(4)}$$

模型建立

   通过GM理论，建立灰色预测模型。具体可参考$G(1,1)$，和$G(1,N)$。

模型检验

   第二步得到的灰色预测模型是否可靠，总得有说服的理由吧。到现在我们有 $n$ 个原始数据$x^{(0)}=(x^{(0)}(1),x^{(0)}(2),...,,x^{(0)}(n))$，还有一个灰色模型，那么最简单的方法就是通过灰色预测模型预测对应时刻的值，和$x^{(0)}$做一个对比，当然还有其他的方法。设${\hat{x}}^{(0)}$为灰色预测模型的值。

  1 残差检验（相对误差）
   令残差$ϵ(k)$为：
$$ϵ(k)=\frac{x^{(0)}(k)-{\hat{x}}^{(0)}(k)}{x^{(0)}(k)},k=1,2,3,...,n\text{\hspace{1em}(5)}$$

   如果所有的$ϵ(k)$均小于0.2，则认为模型可行，当然$ϵ(k)$越小越好，说明模型和现有的数据差距很小，这实际类似于拟合，但和数据拟合又大不同。如果所有的$ϵ(k)$均小于0.1，则认为模型达到较高的要求。

  2 级比偏差值检验
   在数据检验和处理阶段已经计算了级比${\lambda }^{(0)}(k)$，已经在模型建立阶段计算了发展系数$a$，那么计算相应的级比偏差：

$$\rho (k)=1-\left(\frac{1-0.5a}{1+0.5a}\right){\lambda }^{(0)}(k)\text{\hspace{1em}(6)}$$

   如果所有的$\rho (k)$均小于0.2，则认为模型可行，当然$\rho (k)$越小越好。如果所有的$\rho (k)$均小于0.1，则认为模型达到较高的要求。

数据预测

   根据前面三步，已经得到模型并已经校验，那么就可以通过建立的模型进行数据的预测，需要说明的是，灰色预测模型只能对未来短期数据进行预测。