文章主要借鉴了B站数学建模BOOM ,侵权立删。
目录
GM(1,1)模型
题目
特点:数据少,看不出明显规律,适合用灰色预测模型。
解决方案
没有规律,就制造规律!
1、生成一个新的序列,使其看起来像一个指数曲线(直线)。
- 可用一个指数曲线及至二条直线的表达式来逼近这个新序列
- 构建一阶常微分方程来求解拟合曲线的函数表达式
2、设满足
,若a和u已知则可以直接求解出结果。
- 预测下一年的值=解出微分方程=计算出a、u
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,所以要将写成
。
,始终为1;
- 得到方程
,即
- 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,修正为均值生成序列
- 考虑到原方程有
,因此将
改为取前后两个时刻的均值更合理
- 均值生成:
- 即方程改为
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
- 最小二乘法就是求
取最小值时的U
- 求解U的估计值为
7、参数a和u求出,带入原微分方程,求出的解
- 当式中的
时所求的为拟合值,大于等于7为预测值
- 分别取
和
,得到
和
;则下一年的道路噪声平均声级
8、模型检验
- 模型检验就是看按照
求得的拟合值和实际值相差大不大
- 残差检验:
;其中
- 如果残差
,合理!
- 如果残差
,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
。如果
在区间
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
整体流程
模型优缺点
优点:数据少且无明显规律时可用,利用微分方程挖掘数据本质规律
缺点:灰色预测只适合短期预测、指数增长的预测