灰色预测模型

面壁十年忘何图

已于 2022-07-09 09:27:18 修改

阅读量4.2k

点赞数 1

分类专栏：数学建模文章标签： matlab

于 2022-07-09 08:37:27 首次发布

本文链接：https://blog.csdn.net/weixin_53401658/article/details/125614274

版权

关键词由CSDN通过智能技术生成

4 篇文章 5 订阅

订阅专栏

文章主要借鉴了B站数学建模BOOM ，侵权立删。

GM（1，1）模型

特点：数据少，看不出明显规律，适合用灰色预测模型。

没有规律，就制造规律！

1、生成一个新的序列 $x^{(1)}$ ，使其看起来像一个指数曲线（直线）。

2、设 $x^{(1)}$ 满足 $\frac{dx^{(1)}}{dt}+ax^{(1)}=u$ ，若a和u已知则可以直接求解出结果。

3、要计算出a、u，使用最小二乘法，通过最小化误差的平方和寻找数据的最优匹配。

4、由于数据是离散的，所以要将 $\frac{dx^{(1)}}{dt}$ 写成 $\frac{\bigtriangleup x^{(1)}}{\bigtriangleup t}$ 。

$\bigtriangleup t=(t+1)-t=1$ ，始终为1； $\bigtriangleup x^{(1)}=x^{(1)}(t)-x^{(1)}(t-1)=x^{(0)}(t)$
得到方程 $x^{(0)}(t)+ax^{(1)}(t)=u$ ，即 $x^{(0)}(t)=-ax^{(1)}(t)+u$
式子左边是已知数据，右边是含有未知数的函数，可用最小二乘法求解

5、为了更合理， $x^{(1)}(t)$ 修正为均值生成序列 $z^{(1)}(t)$

考虑到原方程有 $\frac{\bigtriangleup x^{(1)}}{\bigtriangleup t}$ ，因此将 $x^{(1)}(t)$ 改为取前后两个时刻的均值更合理
均值生成： $z^{(1)}(t)=0.5x^{(1)}(t)+0.5x^{(1)}(t-1),t=(2,...,n)$
即方程改为 $x^{(0)}(t)=u-az^{(1)}(t)$

6、最小二乘法求解

最小二乘法就是使得拟合函数所求值与已知数据的平方差最小
方程矩阵形式 $Y=BU$
$\begin{bmatrix} x^{(0)}(2)\\ x^{(0)}(3)\\ ...\\ x^{(0)}(N) \end{bmatrix}=\begin{bmatrix} -\frac{1}{2}[x^{(1)}(2)+x^{(1)}(1)] &1 \\ -\frac{1}{2}[x^{(1)}(3)+x^{(1)}(2)] & 1\\ ...& ...\\ -\frac{1}{2}[x^{(1)}(N)+x^{(1)}(N-1)] &1 \end{bmatrix}\begin{bmatrix} a\\ u \end{bmatrix}$
最小二乘法就是求 $(Y-BU)^{T}(Y-BU)$ 取最小值时的U
求解U的估计值为 $\hat{U}=[\hat{a},\hat{u}]^{T}=(B^{T}B)^{-1}B^{T}Y$

7、参数a和u求出，带入原微分方程，求出 $\frac{dx^{(1)}}{dt}+ax^{(1)}=u$ 的解

$\hat{x}^{(1)}(k+1)=(x^{(0)}(1)-\frac{\hat{u}}{\hat{a}})e^{-\hat{a}k}+\frac{\hat{u}}{\hat{a}},k=0,1,...$
当式中的 $k=1,2,...,6$ 时所求的为拟合值，大于等于7为预测值
分别取 $k=7$ 和 $k=6$ ，得到 $\hat{x}^{(1)}(8)$ 和 $\hat{x}^{(1)}(7)$ ；则下一年的道路噪声平均声级 $\hat{x}^{(0)}(8)=\hat{x}^{(1)}(8)-\hat{x}^{(1)}(7)$

8、模型检验

模型检验就是看按照 $\hat{x}^{(1)}(k+1)$ 求得的拟合值和实际值相差大不大
残差检验： $\varepsilon (k)=\frac{x^{(0)}(k)-\hat{x}^{(0)}(k)}{x^{(0)}(k)},k=1,2,...,n$ ；其中 $\hat{x}^{(0)}(1)=x^{(0)}(1)$
如果残差 $\varepsilon (k)<0.2$ ，合理！
如果残差 $\varepsilon (k)>0.2$ ，灰色预测不适合本题。

9、级比检验

为了确定数据使用GM（1，1）模型的可行性，需要在最开始进行级比检验
计算 $\lambda (k)=\frac{x^{(0)}(k-1)}{x^{(0)}(k)},k=2,3,...,n$ 。如果 $\lambda (k)$ 在区间 $(e^{-\frac{2}{n+1}},e^{-\frac{2}{n+2}})$ 内，说明模型可用GM（1，1）。
如果在区间外，可尝试进行平移变换，也就是给每个数据都加上一个任意常数C，看是否在区间内；求解后再减去C