![](https://img-blog.csdnimg.cn/20190927151053287.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
▶ 灰色系统理论
文章平均质量分 87
# 灰色系统理论
cuntou0906
凌晨三点的麓山南路!
展开
-
12灰色模型的检验
灰色模型的检验 前两篇博客说了灰色预测的基本步骤,其中讲了两种检验模型的方法,本次再具体地说一下灰色模型的检验方法。 设有 nnn 个原始数据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)),以及由灰色模型预测的值x^(0)=(x^(0)(1),x^(0)(2),...,,x原创 2021-09-12 19:33:17 · 3744 阅读 · 0 评论 -
11灰色预测- Verhulst 模型
灰色预测- Verhulst 模型 前两篇博客说到了G(1,1)G(1,1)G(1,1),和G(1,N)G(1,N)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。模型可行的前提是所有的级比λ(0)(k)\lambda^{(0)}(k)λ(0)(k)均落在(e−2n+1,e2n+1)(e^{-\frac{2}{n+1}},e^{\frac{2}{n+1}})(e−n+12,en+12)。对于非单调的摆动发展序列或具有饱和状态的 SSS 形序列,Verhuls原创 2021-09-11 16:51:41 · 3359 阅读 · 0 评论 -
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)G(1,1)G(1,1),和G(1,N)G(1,N)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原创 2021-09-11 11:19:48 · 7513 阅读 · 0 评论 -
9灰色预测- 灰色模型GM(1,N)
灰色预测- 灰色模型GM(1,N) 上篇博客说到了GM(1,1)GM(1,1)GM(1,1),即只有单个变量,且模型是1阶的,此次我们来说说GM(1,N)GM(1,N)GM(1,N),即 111 阶的,包含有 NNN 个变量的灰色模型。如果GM(1,1)GM(1,1)GM(1,1)弄明白了,那么GM(1,N)GM(1,N)GM(1,N)就简单了。GM(1,N)模型 类似地,定义NNN个变量的原始序列为:xi(0)=(xi(0)(1),xi(0)(2),...,,xi(0原创 2021-09-05 14:58:16 · 1666 阅读 · 0 评论 -
8灰色预测- 灰色模型GM(1,1)
灰色预测- 灰色模型GM(1,1) 首先说说GM(1,1)是什么?一般定义为,GM(m,n)为m阶,n个变量的微分方程。GM(1,1)那就好理解了。前一篇博客说到了生成数的原理,现在就开始介绍灰色预测理论中最基本的模型GM(1,1)GM(1,1)模型 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),...,,原创 2021-09-04 18:36:05 · 1335 阅读 · 0 评论 -
7灰色预测- 生成数
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),原创 2021-09-04 17:15:50 · 750 阅读 · 0 评论 -
6 灰色系统 - 关联度分析法 - 优势分析 -关联矩阵 例子
灰色系统 - 关联度分析法 - 优势分析 - 关联矩阵 例子 当有多个参考序列和比较序列是,可以采用关联矩阵的形式进行关联度分析,可参考之前的博客。例子 还是以之前的例子举例。因素t0t_0t0t1t_1t1t2t_2t2t3t_3t3t4t_4t4t5t_5t5x0x_0x011.31.722.22.5x1x_1x10.10.130.150.180.30.32x2x_2x210012原创 2021-09-02 11:51:50 · 881 阅读 · 0 评论 -
5 灰色系统 - 关联度分析法 - 优势分析
灰色系统 - 关联度分析法 - 优势分析关联度分析法回顾 以x0x_0x0为参考序列x0={x0(k)∣k=1,2,...,n}={x0(1),x0(1),...,x0(n)}x_0=\{ x_0(k) | k=1,2,...,n \}=\{ x_0(1),x_0(1) ,...,x_0(n) \}x0={x0(k)∣k=1,2,...,n}={x0(1),x0(1),...,x0(n)} 其中kkk表示时刻。定义m个比较序列x原创 2021-09-02 11:34:53 · 449 阅读 · 0 评论 -
4 灰色系统 - 关联度分析法 例子 源代码
灰色系统 - 关联度分析法 例子 源代码 前面说到关联系数和关联度,本次就具体举个例子,并附上源代码,求解关联系数。例子因素t0t_0t0t1t_1t1t2t_2t2t3t_3t3t4t_4t4t5t_5t5x0x_0x011.31.722.22.5x1x_1x10.10.130.150.180.30.32x2x_2x2100120180160140200x3x_3x31原创 2021-09-02 10:43:04 · 341 阅读 · 0 评论 -
3 灰色系统 - 关联度分析法
灰色系统 - 关联度分析法关联度分析法1 关联系数 以x0x_0x0为参考序列x0={x0(k)∣k=1,2,...,n}={x0(1),x0(1),...,x0(n)}x_0=\{ x_0(k) | k=1,2,...,n \}=\{ x_0(1),x_0(1) ,...,x_0(n) \}x0={x0(k)∣k=1,2,...,n}={x0(1),x0(1),...,x0(n)}其中kkk表示时刻。定义m个比较序列xi={xi(k)∣k原创 2021-09-01 20:42:15 · 485 阅读 · 0 评论 -
2 灰色系统 - 关联度分析法-数据变换
灰色系统 - 关联度分析法 在现实中,我们常常遇到多变量问题,对变量因素进行分析,哪些变量是主要的,哪些变量是次要的。 例如,小明在各个学科所花费的时间和总成绩之间的关系,需要研究小明应该如何规划在各科学习时间,才有助于提高总成绩,实际上我们需要分析各科所花费时间(变量)哪些是主要的,哪些是次要的。我们可以采用回归分析,但是回归分析需要有大量的样本数据,计算量大,扩展性不高。而在灰色系统中,采用关联度分析法。原始数据处理的必要性 关联度分析法首先要解决的原始数据处理的原创 2021-09-01 19:56:36 · 714 阅读 · 0 评论 -
1 灰色系统简介
灰色系统简介灰色系统 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。在控制里面,就是所说的不可观测系统。 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。在控制里面,就是所说的完全可观测系统。 灰色系统:是介于白色系统和黑色系统之间的一种系统。在控制里面,就是所说的部分可观测系统。灰色系统在现实中是大量存在的,绝对的白色或黑色系统是很少的。原创 2021-09-01 19:01:54 · 1000 阅读 · 0 评论